
Transformer - Harder, Better, Faster, Stronger
Transformer의 Attention 구조와 GPT·BERT의 차이를 설명했습니다. 성능 향상과 경량화를 위한 후속 모델·압축 기법을 비교했습니다.


Transformer의 Attention 구조와 GPT·BERT의 차이를 설명했습니다. 성능 향상과 경량화를 위한 후속 모델·압축 기법을 비교했습니다.

EMNLP 2019에서 주목한 NLP 논문 6편의 방법과 실험 결과를 리뷰했습니다. 공감 대화, 멀티모달 학습, 노이즈 레이블, 생성 구조, 수사 추론의 과제를 짚었습니다.

셀럽 NOW는 연예인 이름으로 뉴스 문서를 분석해 고품질 이미지와 최신 이벤트를 제공하는 시스템입니다. 문서 주체 추출, 중복 이미지 제거, 클러스터링, 품질·시간 정렬을 결합해 검색 결과를 개선했습니다.

EMNLP-IJCNLP 2019의 주요 키워드와 승인율 추이를 정리했습니다. 생성·BERT·외부 지식·편향 관련 관심 논문 12편을 소개합니다.

ML 세미나 시즌 3에서 대화 상태 추적, 지식 증류, 텍스트 생성 관련 논문을 공유했습니다. Transformer 기반 생성 모델의 활용 가능성과 경량화 과제를 함께 짚었습니다.

핑퐁팀이 Question Answering을 주제로 진행한 ML 세미나 발표 자료를 모았습니다. Attention 설계와 외부 지식 통합을 통한 챗봇 응답 고도화 방향을 다룹니다.

XLNet의 순열 언어 모델링과 two-stream attention으로 AR·AE의 한계를 보완한 방식을 리뷰했습니다. Transformer-XL 기반 긴 문맥 처리와 주요 NLP 과제의 성능 실험도 분석했습니다.

대화 시스템을 주제로 진행한 ML 리서치 팀의 첫 세미나 발표자료를 모았습니다. 소셜 챗봇, 개인화, 지식 기반 대화, 멀티턴 응답 선택과 생성 모델을 다뤘습니다.

고객 행동 로그와 시퀀스 패턴을 학습하는 실시간 개인화 딥러닝 추천 시스템을 소개했습니다. 최근 고객 행동을 바탕으로 관심 가능성이 높은 상품을 추천합니다.

대량 상품 등록 과정에서 수작업 속성 입력의 한계를 해결하고자 했습니다. 딥러닝으로 상품 이미지의 색상 속성을 자동 추출하는 활용 사례를 소개합니다.

텍스트 대신 이미지 기반으로 데일리룩을 분류하는 방식을 소개했습니다. R-CNN 필터와 pose estimation으로 정확도와 처리 효율을 함께 높였습니다.


Buzzvil은 Google Cloud Vision으로 광고 이미지를 분석·분류해 유해 콘텐츠를 필터링했습니다. 안정성과 비용 효율성을 바탕으로 사용자 신뢰 유지를 지원합니다.

Spark Summit EU 2017에서 Spark의 딥러닝 파이프라인과 Structured Streaming 동향을 공유했습니다. 스타트업 데이터팀의 대규모 데이터 운영 방식과 컨퍼런스 발표 경험을 소개했습니다.


아마존 에코의 음성 인식으로 에어컨을 제어하는 방법을 다룹니다. 제어 회로 설계와 LIRC 사용을 쉽게 소개합니다.