어피닛 AI 엔진이 규칙 기반 심사 정책을 학습 정책으로 전환해가는 과정
규칙 기반 대출 심사 정책의 한계를 분석하고, 이를 학습 정책으로 안전하게 전환하는 3단계 프레임워크를 소개했습니다. 위험을 늘리지 않으면서 단계적으로 검증 범위를 넓히는 방법을 제시했습니다.
#ML#오프폴리시 평가
1900
필터 1
코드를 거의 타이핑하지 않고 3주 만에 DL모델 만들기
검색용 DL 모델을 3주 만에 만든 작업 경험을 공유했습니다. 코드를 거의 타이핑하지 않고 진행한 학습 방식에 초점을 맞췄습니다.
#DL#검색
4200
AI에게 투자정보를 말하게 하기까지
투자 정보는 적시성, 정확성, 검증 가능성이 중요해 LLM 출력만으로는 부족했습니다. 근거 선별과 절차 통제, 평가 가능한 구조를 통해 AI가 말해도 되는 상태를 운영했습니다.
#LLM#ML
3800
[25. 8. 27] 시계열 데이터의 새로운 설명 가능한 AI 기법: TIMING
시계열 데이터 설명 가능한 AI 기법 TIMING을 소개했습니다. 에이아이트릭스 연구팀 논문이 ICML 2025 Spotlight로 선정됐습니다.
#시계열 데이터#설명 가능한 AI
1600
통합 검색 임베딩 모델 개발기: 9개 태스크를 고르게 학습시키기
통합 검색 임베딩 모델을 개발하며 9개 태스크를 고르게 학습시키는 과정을 다룬 글입니다. 본문이 일부 차단되어 세부 내용은 확인되지 않았습니다.
#검색#ML
2100
[25. 8. 19] 다양한 환경·데이터 속에서도 통하는 AI — MAES 모델의 현장 성능 검증과 결측값 해석
의료 AI는 개발 성능만큼 실제 임상 환경에서의 안정성과 재현 가능성이 중요합니다. 이 글은 MAES 모델의 현장 성능 검증과 결측값 해석을 다룹니다.
#ML#의료 인공지능
500
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
DS와 MLE가 함께 일하는 법
DS와 MLE가 모델을 주고받는 방식을 인터페이스 중심으로 정리해 협업 효율을 높였습니다. 또한 AI 작성 코드까지 팀 컨벤션으로 묶어 리뷰와 배포를 더 매끄럽게 만들었습니다.
#LLM#ML
4200
[클로바 시선 #56] 충돌은 나누고, 성능은 합치다: 효율적인 LLM Post-training 전략 MERIT
멀티모달 LLM 후학습에서 서로 다른 데이터를 섞을 때 생기는 충돌 문제를 다뤘습니다. 효율적인 Post-training 전략 MERIT를 소개했습니다.
#LLM#ML
2200
[클로바 시선 #55] 우리의 눈과 귀로 현장을 이해하다 : 독자 인코더와 HyperCLOVA X SEED 4B 개발기
전장처럼 다양한 정보가 동시에 들어오는 환경을 위한 옴니모달 AI 개발 내용을 소개했습니다. 경량 모델 HyperCLOVA X SEED 4B와 CLIP 기반 핵심 구성 요소를 자체 기술로 개발했습니다.
#ML#LLM
2200
더 작고 강해진 Kanana SLM 개발
X
#LLM#ML
3300
[24. 7. 31] 생명을 구하는 AI 기술을 개발하는 형제 Researcher, Chris와 Destin을 소개합니다
에이아이트릭스의 형제 연구원 Chris와 Destin이 의료 AI 연구와 팀 협업 경험을 소개했습니다. 환자 상태 예측과 병리 영상 연구를 통해 실제 의료 현장에 기여하는 이야기를 전했습니다.
#ML#EHR
800
[24. 3. 5] 의료 현장의 필요를 발굴하여 기술로 연계하는 Medical Affairs, Luke를 소개합니다
AITRICS Medical Affairs의 역할과 바이탈케어의 임상적 의미를 소개했습니다. 패혈증 조기 예측과 의료 현장 기반 연구 방향도 함께 다뤘습니다.
#ML#의료 AI
13100
오픈챗 이름 및 설명 글로 유해성 판단하는 모델 개발하기
오픈챗 이름과 설명 글로 유해성을 판단하는 모니터링 모델 개발 과정을 소개했습니다. 디코더 기반 분류와 임곗값 조정으로 자동 검수 범위를 넓혔습니다.
#ML#LLM
15400
[24. 2. 14] 인공지능과 의료 데이터의 만남, 에이아이트릭스의 연구를 책임지고 있는 양은호 교수님을 소개합니다
에이아이트릭스의 양은호 교수 인터뷰를 통해 바이탈케어의 개발 배경과 의료 AI 연구 방향을 소개했습니다. 의료 현장 적용을 위해 모델 안정화와 LLM 활용 가능성에 주목했습니다.
#ML#헬스케어
1700