모두의 이야기 블로그

수동적이지 않은 유연한 자기 주도 문화들을 통해 다양한 생각들과 지식을 많이 얻고 성장할 수 있었어요

누구나 직접 클래스를 열고, 지식을 나눌 수 있는 풀잎스쿨! 어떤 사람들이 함께하고 있을까요? 클래스를 직접 기획하고 이끄는 퍼실이 3인을 소개합니다.

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.

자기주도학습으로 기업에서 원하는 AI 개발자 역량을 키워주는 '아이펠'의 강점에 대해 알아봅니다.

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.

서로 다른 배경을 가진 분석가와 기업 관리자의 원활한 의사소통을 위해, 경영학에서 말하는 이론과 사례를 파이썬 코드로 옮겼습니다.

여러분이 가고 싶어 하는 그 회사는 어떤 사람을 뽑으려고 할까요? 좋은 회사들이 신입 기준으로 어떤 사람들을 찾을지 얘기해봅니다.

모두의연구를 통해 지식은 나눠야지 의미가 있다는 생각을 갖게 되었다는 카카오 AI 엔지니어 민규식님의 이야기를 들어봅니다.

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

모두의연구소를 열린 마음으로 계속 공부할 수 있는 태도를 길러주는 곳이라고 얘기하는 김윤경 연구원님의 모두연에 대한 진솔한 생각을 들어보았습니다.

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.

데이터를 분석 및 처리에 적합한 형태로 만드는 과정을 총칭합니다. 데이터 전처리는 데이터 분석 및 처리 과정에서 중요한 단계이고 데이터 분석, 데이터 마이닝, 머신 러닝 프로젝트에 적용 합니다. 그리고 일반적으로 데이터는 비어있는 부부인 있거나 정합성이 맞지 않는 경우가 많이 있습니다. 아무리 좋은 도구나 분석 기법도 품질이 낮은 데이터로는 좋은 결과를 얻기가 힘듭니다.

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.