모두의 이야기 블로그

Ray 를 활용해 파이썬 병렬화하는 방법을 소개합니다. Ray를 활용하면 Numerical Data를 효율적으로 처리할 수 있고상태를 유지하는 계산에 대한 추상화가 가능해지기 때문에 매우 유용한 툴입니다.

프론트엔드 개발자를 꿈꾸는 비전공자, 입문자 분들을 위해 프론트엔드 개발자 취업에서 어떤 것 부터 준비해야 하는지 빠르게 알아보아요!

결정계수 R-squared에 대한 설명입니다.결정력 이라고도 불리는 결정계수는  회귀분석의 성능 평가 척도 중 하나로 다음과 같은 특징을 갖고 있으며 머신러닝에서 대양한 환경에서 사용이 되고 있습니다.

Meena - 기존 챗봇 및 대화형 AI 시스템과는 다른 목표를 가지고 2020년도에 개발된 구글의 챗봇을 소개합니다. 보다 자연스러운 오픈 도메인 대화를 목표로 하며 다양한 주제에 대해 의미있고 구체적인 응답을 제공할 수 있는 능력을 갖추고 있습니다.

컴퓨터 비전 분야는 기존의 통계적 방법에서 딥러닝 신경망 방법으로 전환되고 있습니다. 비록 여전히 해결해야 할 많은 도전 과제가 존재하지만, 딥러닝 방법은 특정 문제에서 최첨단 결과를 달성하고 있습니다.

더미 변수(Dummy Variable) 는 범주형 데이터를 수치형 데이터로 변환하여 통계 분석 및 머신러닝 모델에 사용할 수 있게 하는 변수입니다. 더미 변수는 이진 변수로, 값이 0과 1로 할당되어 특정 범주에 속하는지를 나타냅니다.

완전 합성곱 네트워크 (Fully Convolutional Networks, FCN) 은 계층적 특징을 생성하는 기존 합성곱 네트워크를 개선한 모델입니다. 완전 합성곱 네트워크가 단독으로 학습되어, 픽셀 단위로 최첨단 의미론적 세분화 성능을 높입니다. 임의 크기의 입력을 받아 효율적인 추론 및 학습으로 대응하는 크기의 출력을 생성하는 "완전 합성곱" 네트워크를 구축합니다.

네트워크 인 네트워크 (Network In Network, NIN) 라는 새로운 깊은 네트워크 구조를 제안합니다. 이 구조는 수용 영역 (receptive field) 내의 로컬 패치 (local patch) 에 대한 모델의 판별력을 향상시키기 위해 고안되었습니다.

프론트엔드 개발 입문자에게 도움이 되는 책 추천, 모두의연구소 오름캠프가 소개합니다.

테스트 타임 증강(Test Time Augmentation, TTA)은 데이터 증강 (Data Augmentation)과 유사하게 테스트 이미지에 무작위 변형을 적용하는 방법입니다. 데이터 증강은 신경망의 성능을 향상시키기 위해 훈련 데이터를 늘리고 일반화 능력을 높이는 방법입니다. 회전, 확대, 이동, 반전 등 다양한 변형을 통해 입력 데이터를 무작위로 변형하여 모델이 동일한 예제를 두 번 볼 일이 없게 합니다. 이는 모델이 인식해야 할 클래스에 대한

상관관계와 인과관계는 데이터 분석, 연구, 그리고 일상적인 의사결정에서 매우 중요한 개념입니다. 이 두 개념을 이해하고 구분하기 어렵지만 두 개념을 혼동하지 않아야 합니다. 상관관계와 인과관계는 엄격한 통계기법과 실험으로 구분가능합니다.

파이썬에서 `del` 명령어는 특정 변수, 자료형 요소 또는 객체를 삭제하는 데 사용됩니다. 이는 메모리 관리를 돕고 불필요한 변수나 데이터를 제거하여 불필요한 연산을 줄이고, 가독성을 높여 코드의 효율성을 높입니다.

생성형 AI (GENERATIVE AI)기술은 무엇이고 이 기술을 활용하여 성공적인 비즈니스를 만드는 전략에 관해 이야기 합니다. 본 글의 목차는 1)생성형 AI란?, 2)생성형 AI시장 생태계 및 비즈니스, 3) 생성형 AI 비즈니스 성공전략, 4)마무리 로 구성되어 있습니다.

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

CVPR 2024에 게재된 모두의연구소 랩의 5편의 논문의 내용을 통해 AI 기술의 변화와 미래에 대해 함께 알아봅니다.

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.

컴퓨터 시스템은 우리 삶의 많은 부분에서 필수적인 역할을 하고 있습니다. 운영 체제, 데이터베이스, 실시간 시스템 등 다양한 시스템에서 효율성과 성능은 매우 중요한 요소입니다. 이러한 시스템의 성능을 최적화하기 위해서는 스케쥴링 알고리즘의 적절한 활용이 필수적입니다. 본 글에서는 스케쥴링 알고리즘의 개념, 유형, 주요 알고리즘 및 성능 평가 기준 등에 대해 자세히 살펴보겠습니다.

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.