리디의 머신러닝 파이프라인 톺아보기
리디 데이터사이언스팀이 기존 시스템을 활용해 머신러닝 파이프라인을 구축한 사례를 소개했습니다. 학습, 배포, A/B 테스트, 모니터링까지 유기적으로 연결해 운영 효율을 높였습니다.
#ML#MLOps
25005분
새로운 기술 블로그가 추가되었어요
필터 0
내비 안내 음성은 어떻게 자동으로 만들어질까? - 16편 - 서버 기반 TTS 개발하기
내비 안내 음성은 어떻게 자동으로 만들어질까? - 16편 - 서버 기반 TTS 개발하기
서버 기반 TTS 개발 연재의 한 편으로, TTS의 기본 개념을 소개했습니다. 텍스트를 음성으로 바꾸는 기술의 의미를 간단히 설명했습니다.
#TTS#DB
31005분
What AI Art can tell us about the future of Design and how it can affect Ad creative optimization
AI 아트가 디자인과 광고 크리에이티브에 줄 수 있는 가능성을 살펴보는 글입니다. 프롬프트 기반 생성 도구와 그에 따른 기회, 한계, 위험을 함께 언급했습니다.
#design#prompt
10005분
Multi Task Learning 기반 챗봇 모델 개발
상위·하위 인텐트를 함께 추론하는 챗봇을 위해 MTL 기반 PLE 모델과 CurricularFace loss를 적용했습니다.\n기존 앙상블보다 성능과 관리 효율을 함께 개선한 사례를 소개했습니다.
#LLM#NLP
15005분
![[Medical AI] #2 의료인공지능 모델 개발 파이프라인 툴 소개: Clairvoyance](https://miro.medium.com/v2/resize:fit:1200/1*ZfaLRqwNvlNN2Qpu_oV9lw.png)
[Medical AI] #2 의료인공지능 모델 개발 파이프라인 툴 소개: Clairvoyance
의료 데이터의 복잡성 때문에 AI 모델 개발과 재현성이 어려운 문제를 짚었습니다. Clairvoyance를 표준화된 파이프라인 도구로 소개하며 개발·평가·최적화의 체계화를 제안했습니다.
#LLM#pipeline
13005분
모델 서빙 최적화를 위한 프레임워크 선정과 서빙 성능 극대화하기
카카오페이의 모델 서빙 최적화를 위해 프레임워크를 도입한 과정과 성능 개선 테스트 결과를 공유합니다. 효율적인 서빙을 위한 선정 기준과 최적화 관점을 함께 다룹니다.
#ML#성능
17005분
Dynamics Model로 무엇을 할 수 있을까?
Dynamics Model을 제어와 시뮬레이션 문제에 활용하는 사례를 소개했습니다. 실제 데이터와 물리 모델을 결합해 sim-to-real gap을 줄이는 가능성을 설명했습니다.
#LLM#ML
5005분
자연어처리 모델을 활용한 개인화 추천시스템
자연어처리의 토픽 모델링을 개인화 추천에 적용하는 방식을 소개했습니다. 사용자 행동 데이터를 바탕으로 관심 주제를 추출해 맞춤형 추천을 구성하는 개념을 설명했습니다.
#NLP#추천시스템
18005분
인공지능 음성 생성 연구 - 음성 분류 솔루션
인공지능 음성 생성 연구 - 음성 분류 솔루션
재난 상황 음성 분류 문제를 드론 소음 환경에 맞게 이미지 분류 방식으로 풀었습니다. AI Hub 데이터와 전이학습을 활용해 2021 인공지능 그랜드 챌린지 1위를 달성했습니다.
#ML#음성 생성
1005분
BentoML 을 활용하여 딥러닝 모델 API 서빙하기
BentoML 을 활용하여 딥러닝 모델 API 서빙하기
BentoML로 딥러닝 모델을 API 형태로 서빙한 경험과 패키징, 도커라이징 과정을 정리했습니다.\nSwagger UI 제공과 성능 개선, 운영 편의성 측면의 장단점도 함께 공유했습니다.
#BentoML#ML
0005분
생성 모델의 새로운 흐름 확산 모델(Diffusion model)에 관하여
생성 모델의 새로운 흐름 확산 모델(Diffusion model)에 관하여
확산 모델의 기본 개념과 생성 모델 내 위치를 정리했습니다. 점수 기반 모델, SDE, 샘플러까지 이어지는 발전 흐름도 함께 설명했습니다.
#ML#생성모델
0005분
2021 인공지능 경진대회 참가기
2021 인공지능 경진대회 참가기
2021 인공지능 경진대회 참가기를 통해 전력 품질 예측 문제를 XGBoost와 앙상블로 해결한 과정을 소개했습니다. 수치해석 분야 1위를 달성한 전략과 향후 금융 위험도 분류 적용 가능성도 함께 정리했습니다.
#ML#XGBoost
1005분