보이스피싱 애플리케이션 분석 2부
보이스피싱 앱이 피해자 단말기 등록과 상담 유도를 통해 어떤 정보를 수집하는지 분석했습니다. 암호화된 통신, 추가 APK 설치, 민감 권한 요구를 통해 악성 행위 구조를 확인했습니다.
#Android#AES
2600
AI 기술 블로그 최신 글
필터 0
Phi-3 Technical Report Review
Microsoft의 Phi-3 기술 보고서를 리뷰한 글입니다. phi-3-mini(3.8B)를 중심으로 작은 모델의 성능을 소개했습니다.
#LLM
1200
Gemini API로 차세대 AI 앱을 구현하는 'Gemini API 개발자 대회'에 참가하세요
Gemini API로 혁신적인 앱과 프로토타입을 만드는 개발자 대회 안내입니다. 모바일·웹 등 다양한 영역에서 참여할 수 있으며 데모 영상과 지원서를 제출해야 합니다.
#Gemini#API
2100
LINE 앱의 잡음 제거 기술 성능 측정 방법
LINE 앱의 잡음 제거 성능을 정량적으로 측정하는 방법을 소개했습니다. 48kHz 음성 데이터와 다양한 잡음 조건을 3QUEST의 S-MOS, N-MOS로 평가했습니다.
#ML#모니터링
2900
ChatGPT로 암호화폐 가격 예측하기
ChatGPT로 암호화폐 가격 예측하기
암호화폐 시장에서 LLM과 뉴스 데이터를 활용해 가격 예측 연구를 소개했습니다. 한국과 글로벌 뉴스 감성 분석으로 가격 변동성과의 상관관계를 살펴봤습니다.
#ChatGPT#LLM
3000
체계적인 실험 관리 #1. AI 모델의 성능을 높이는 첫걸음
AI 프로젝트에서 성능 비교와 재현성을 높이기 위한 실험 관리 체계를 소개했습니다. 데이터·코드 버전과 MLflow 기록을 분리해 협업과 추적성을 강화했습니다.
#MLflow#Git
2200
머신러닝 엔지니어가 퍼즐 게임을 더 재미있게 만드는 방법
퍼즐봇과 유저 행동 데이터를 바탕으로 퍼즐 스테이지의 품질을 수치화하는 지표를 설계했습니다. 폴리싱 효율을 높이기 위해 총 미션 수 구간별 기준을 달리 적용하고 사내 테스트로 검증했습니다.
#ML#강화학습
2200
함께 구매하면 좋은 상품이에요! - 장바구니 추천 개발기 2부
실시간 장바구니 추천을 위해 EKS·TorchServe 중심의 모델 서빙과 MLOps 아키텍처를 구축했습니다. CPU 성능, warm up, GracefulShutdown으로 지연시간과 배포 안정성을 개선했습니다.
#TorchServe#Kubernetes
100
함께 구매하면 좋은 상품이에요! - 장바구니 추천 개발기 1부
장바구니 맥락의 보완재 추천을 위해 BERT4Rec과 NPMI 기반 전처리를 적용했습니다. A/B 테스트로 비개인화 추천 대비 장바구니 지표 개선을 확인했습니다.
#BERT4Rec#Transformer
000
함께 구매하면 좋은 상품이에요! - 장바구니 추천 개발기 1부
장바구니 바텀시트에 맞는 보완재 추천 모델을 개발하고, NPMI 정제와 셔플링 후처리로 추천 품질을 개선했습니다. A/B 테스트에서 전환과 담은 상품 수, 금액이 유의미하게 상승해 실제 서비스에 적용했습니다.
#ML#BERT4Rec
5400
딥러닝 추천 모델에 인과추론 접목시켜 전환율 예측 성능을 향상시키자!
딥러닝 추천 모델에 인과추론 접목시켜 전환율 예측 성능을 향상시키자!
추천시스템에서 상관관계만 학습할 때 생기는 편향과 누락 문제를 인과추론 관점에서 설명했습니다. 전환율 예측에서는 MTL과 IPW, DR을 결합한 방법으로 성능을 높이는 흐름을 소개했습니다.
#ML#추천
1300
오토피디아 소개
오토피디아는 차량 관리 상담 부담과 중고차 정보 비대칭 문제를 AI로 해결하고자 했습니다. 비접촉·비파괴 검사 장비로 차량 상태와 가치 평가를 표준화하려 합니다.
#mobile#자동차 검사
1600
SHAP
SHAP
SHAP의 기반인 Shapley Value를 예시와 수식으로 풀어 설명했습니다. 모델 예측을 특징별 기여도로 나누는 원리와 계산 시 주의점도 정리했습니다.
#SHAP#Shapley Value
1000
머신러닝으로 만드는 개인화 추천 시스템
머신러닝으로 만드는 개인화 추천 시스템
머신러닝으로 개인화 추천 시스템을 설계하는 기본 흐름을 설명했습니다. 실험 환경에서 학습하고 배포 환경에서 pCTR과 CPM으로 광고를 선택하는 구조를 정리했습니다.
#ML#추천
700