모두의 이야기 블로그

다중 레이블 분류 (Multi-Label Classification)는 데이터가 동시에 여러 카테고리에 속할 수 있는 상황을 다루는 분류 문제입니다.

딥 레지듀얼 네트워크 (Deep Residual Networks, ResNets) 는 매우 깊은 아키텍처로 구성됩니다. 높은 정확도와 뛰어난 수렴 특성을 보여주는 신경망 구조입니다. 딥 레지듀얼 네트워크는 여러 개의 "잔차 유닛"을 쌓아서 구성됩니다.

Grad-CAM의 목적은 합성곱 신경망(CNN)의 예측 과정을 시각화하여 더 투명하게 만드는 것입니다. Grad-CAM은 CNN의 합성곱 층이 수집한 공간 정보를 활용하여 소스 이미지의 어떤 영역이 분류 결정에 중요한지 식별합니다.

scikit-learn 패키지를 활용하여 내제된 당뇨병 데이터로 다중 선형 회귀를 학습합니다. 선형 회귀를 통해서 당뇨병 환자들에 대한 경향성을 파악할 수 있습니다. 또한 scikit-learn 활용법 또한 알 수 있습니다.

모델 앙상블의 대표적인 3가지 방법과 각 하위개념들에 대해 포괄적으로 설명합니다.

딥러닝에서 사용하는 convolution 층에서 filter 혹은 kernel 이라는 단어를 사용하는 이유에 대해 알고계신가요? 단순한 신호 처리 분야부터 이미지 처리 분야까지 이어지는 공통 분모인 convolution 에 대해 알아봅니다.

뜨거운 관심 속 공개된 메타의 차기작 라마 3 (Llama 3)와 이를 둘러싼 글로벌 빅테크 LLMs에 대해 이야기합니다.

람다 표현식에 대해 알아보고, 함께 자주 쓰이는 map(), filter(), reduce()가 무엇인지 알아보고, 왜 실전에서 사용되고, 어떻게 사용해야 잘 사용할 수 있을 지 실습을 통해서 이해해보자.

머신러닝을 사용한 회귀 문제에서 모델의 성능을 평가하기 위해 다양한 지표가 사용됩니다. 그 중에서도 MAE(Mean Absolute Error), MSE(Mean Squared Error), 그리고 RMSE(Root Mean Squared Error)는 가장 널리 사용되는 지표입니다.

기계번역에서 많이 사용하고 있는 지표중 하나인 BLEU 스코어는 간단한 수학적인 연산만으로도 기계번역 품질을 평가할 수 있습니다. 물론 몇가지 한계점은 존재하긴 하지만 간편하게 사용할 수 있다는 점에서 아직까지도 많은 사랑을 받고 있습니다.

챗GPT만 알고 있었다면 이제 LLM의 세계로! 생성형 AI, LLM, 챗GPT의 기본 개념, LLM의 핵심 기술인 딥러닝과 트랜스포머, LLM의 활용 방법과 미래 전망까지, 흥미진진한 이야기 속으로 떠나보아요.

컴퓨터 비전(Computer Vision)은 인공지능의 한 분야로, 컴퓨터가 이미지나 동영상을 이해하고 해석할 수 있도록 하는 기술입니다. 컴퓨터 비전 분야에는 이미지 분류(Image Classification), 객체 감지(Object Detection), 의미론적 분할(Semantic Segmentation) 등 다양한 문제들이 연구되고 있습니다. 이 중에서도 YOLO(You Only Look Once)는 객체 감지 분야에서 혁신적인 아이디어를 제

5월 7일부터 11일까지 ICLR 2024가 오스트리아 빈에서 열렸습니다. 이번 ICLR 2024에서 우수 논문 5개를 선정했고 이를 간단하게 설명하고 리뷰어들의 리뷰까지 첨부해서 글을 작성해보았습니다.

정보 검색 모델을 평가하는 MAP, MRR, DCG, NDCG 방법에 대해 알아보자.

활성화 함수에 비선형 특성을 더하면, 딥러닝 모델이 훨씬 고차원의 복잡한 특성을 학습할 수 있습니다. 인공 신경망의 구조를 통해 데이터가 선형, 비선형 적으로 변환되는 과정을 관찰해봅니다. 딥러닝이 비정형적인 데이터에서도 특징을 추출하여 학습할 수 있는 이유에 대해 이해할 수 있습니다.

LLM(Large Language Model)의 많은 장점에도 불구하고 단점을 보완하기 위한 RAG(검색 증강 생성)이 많은 관심을 받고 있습니다. RAG의 기본 개념, 등장 배경, 원리, 적용 사례 등을 알아보겠습니다.

경사하강법에서 learning rate의 중요성과 함께 적절한 learning rate를 찾는 방법을 소개합니다. Learning Rate Decay , Cyclical learning rates 등이 있습니다.

머신러닝 시스템 을 어떤 구성요소로 디자인할 지 고민 해봅시다. Batch training, checkpoint, transfer learning 등 모델 학습 과정에 활용하기 좋은 기초적인 디자인 패턴 에 대해 예시 코드로 알아봅니다.