모두의 이야기 블로그

인공지능 전문가 직업의 종류와 전망을 데이터 엔지니어와 머신러닝 엔지니어를 중심으로 알아봅니다.

AI 윤리란 무엇일까요? 인공지능 윤리의 개념 및 사례, 사람 중심의 인공지능 윤리 가이드라인을 알아봅니다.

연속적인 파동의 형태를 가지는 소리 데이터를 컴퓨터가 이해할 수 있는 이산 신호로 변환하는 샘플링 (sampling) 방법과, sampling rate가 중요한 이유를 알려드립니다.

AI로 첫인상을 알아볼 수 있는 첫인상, 꽃인상, 동물상 테스트 사이트와 관련된 기술을 함께 알아봅니다.

머신러닝 언젠가 해보고 싶었다면, 모두의연구소에서 만든 내일배움클래스 '머신러닝 기초 with 파이썬'을 들어 보세요!

이번 콘텐츠에서는 1) NeRF의 단점, 2) NeRF의 후속 연구 흐름을 알 수 있는 논문과 웹페이지, 3) Instant NeRF & NeRF in the Wild, 4) 라이브러리 NeRF-Factory를 소개하려고 합니다.

딥러닝 자연어처리?

요즘 인공지능 분야에서 핫한 분야가 무엇일까요? 아마도 NERF가 아닐까 싶습니다. NeRF(Neural radiance Fields)는 2D 이미지를 3D로 변환해주는 모델입니다. 이번 콘텐츠에서는 NeRF에 대해 알아보겠습니다.

MoveNet을 이용해서 요가 이미지의 coarse label을 생성하는 방법과, 텐서플로우 custom dataloader로 요가 이미지와 keypoints 데이터 모두를 입력받는 모델을 구현하는 과정을 보여드립니다.

TensorFlow custom trainer를 직접 구현해서 모델을 학습시킬 때, Progbar를 이용하여 학습이 얼마나 진행되었는지 표시하는 방법과 Checkpoint로 모델을 저장하는 방법을 알려드립니다.

model.fit() 함수 이외에도, 텐서플로우에는 custom trainer를 만드는 방법이 있습니다. custom dataset과 tf.GradientTape()를 이용하여 모델을 학습시키는 과정을 설명하는 글입니다.

자연어처리에 대한 정의, 역사, 시장성, 활용사례와 함께 향후 미래 전망에 대한 예측해봅니다.

시계열 데이터의 중요한 특징 중 하나인 정상성(stationarity)에 대한 글입니다. 정상성이란 무엇이고 왜 중요한지, 어떤 시계열 데이터가 정상적인지, 비정상적인 시계열을 어떻게 정상 시계열로 만들 수 있는지 설명합니다.

시계열 분석의 정의와 통계 기반의 시계열 분석 기법이 중요한 이유를 설명합니다. 시계열 데이터의 세 가지 구성 요소(추세, 계절성, 주기성)를 이야기하고, 이후 글에서 다룰 예정인 개념들(정상성, ARIMA, ARCH)을 소개합니다.

확률 분포를 근사 추정하는 기법인 Variational Inference를 이해하고 싶은 사람들을 위해, 확률 분포를 추정하는 근본적인 이유를 알려드립니다. 또한 MLE, MAP, KL divergence, ELBO 등 자주 등장하는 용어들을 설명합니다.

2022년 4월 구글에서 PaLM이라는 AI 모델을 소개했습니다. PaLM은 언어 생성 및 이해 능력, 추론 능력, 코딩 작성 및 오류 수정 능력 등에서 기존의 NLP 모델보다 더 높은 성능을 보이고 있습니다. 이 콘텐츠에서는 PaLM을 소개합니다.

머신러닝 엔지니어(Machine Learning Engineer)란 다양한 요구사항과 문제를 정의하고 머신러닝 기술을 활용하여 해결하는 직무입니다. SW·AI 등 디지털 분야의 인재 양성이 중요성으로 머신러닝 기술교육이 늘어나고 있습니다.

자연스럽게 우리의 삶 속에 스며든 인공지능(AI)은 어떤 것들이 있을지, 어떻게 인공지능(AI)을 사용하여 삶의 질을 높일 수 있을지 알아봅니다.