KM-Hana

글로벌 대기업 중심으로 초거대 AI가 개발되고, 상업화가 이루어지고 있습니다 우리나라의 경우, 국내 대기업을 중심으로 AI 트렌드(초거대 AI)를 따라가려는 움직임이 계속되고 있으며. 스타트업을 중심으로 초거대 AI를 활용하거나, 직접 중소형 AI 모델을 만들려는 추세가 이어지고 있습니다. 초거대 AI를 그대로 사용할 수도. 아니면 직접 AI 모델을 만들 수 있겠지만, 결국은 그 AI를 어떻게 활용할지. 어떻게 모델을 구축할지는. ○ Data Scientist ○ AI 전문가 가 만들어 갑니다. 이 글은 데이터 사이언티스트나 AI 전문가가 되고 싶은 분들을 위해 적어봅니다 ○ 그렇기에, 이 내용은 동생이나 후배, 친구를 위해. 좀 더 도움이 되었으면 하는 마음으로 작성했습니다 ○ 그렇기에, 기술적인 내용..

*크롬으로 보시는 걸 추천드립니다* https://static.googleusercontent.com/media/research.google.com/ko//pubs/archive/45530.pdf 종합 : ⭐⭐⭐⭐ 1. 논문 중요도 : 5 점 2. 실용성 : 4 점 설명 : 추천 시스템에 적용된 딥러닝 모델을 보고자 한다면, 가장 우선적으로 봐야 하는 논문 중 하나 - Candidate Generation 모델과 Ranking 모델로 Two-Stage로 추천을 진행 - 유투브 추천 시스템에서 적용되는 모델을 조금이나마 느낄 수 있음 - Feature 엔지니어링의 중요성 - 클릭률(CTR) 예측이 아닌, 시청시간(watch time)을 목적으로 딥러닝 모델을 학습 ( * 개인적인 의견이며, 제 리뷰를 보시..

*크롬으로 보시는 걸 추천드립니다* https://arxiv.org/pdf/1707.07435.pdf 딥러닝을 적용한 추천 모델들을 전반적으로 소개하는 논문입니다. 본 논문은 개인적으로 다음과 같은 1. 딥러닝을 적용한 추천 모델들의 맥락을 잡아주는 논문 2. 2019년 이후부터 현재까지 얼마나 딥러닝을 적용한 추천 모델이 발전했는지 보는 재미가 있는 논문 의미가 있었습니다. 추천 시스템에서의 딥러닝 모델 추천 시스템이란? https://kmhana.tistory.com/30?category=882777 추천 시스템(Recommendation System) 시작 *크롬으로 보시는 걸 추천드립니다* 사람들이 "AI(인공지능)"하면 떠오르는 것이 무엇이 있을까요 얼굴인식이나 파파고와 같은 기계 번역기, 알파..

*크롬으로 보시는 걸 추천드립니다* 3. Metric Learning을 위한 딥러닝 - 번외 편 - Attention arxiv.org/pdf/1807.06521.pdf CBAM(Convolutional Block Attention Module) 논문을 중심으로 소개드리고자 합니다. CGD 논문 소개[ kmhana.tistory.com/19?category=842461 ] 이후, 어떤 Metric Learning관련 논문을 소개해 드릴까 고민하던 중에 CBAM(Convolutional Block Attention Module) 논문을 선정했습니다. 이전에 소개해 드린 Learning Loss for Active Learning 논문을 쓴 루닛(Lunit)에서 kmhana.tistory.com/10?cat..

☆딥러닝 공부를 위해서 꼭 읽어야 할 논문(사이트)들의 리스트를 정리해보고자한다. 순수히 개인적인 의견으로, 사용자의 관점에서 평가했다. 실제 AI 프로젝트를 진행할 때 도움이 되었던 논문들을 중심으로 우선순위를 작성했다. * 지표 : 1. 논문의 중요성 : 마일드스톤, 인용, 중요저자 등 2. 실용성 : 실제 모델 개발 시, 활용도 * 참고사이트: 1. github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap 2. github.com/terryum/awesome-deep-learning-papers 3. paperswithcode.com/sota/image-classification-on-imagenet Papers with Code - ImageNet B..

Abstract 딥러닝 발전은 얼굴인식(Face Recognition)을 상당히 개선 시켰다. 1. Network Architecture와 Loss function 2. "one-to-many augmentation"와 "many-to-one normalization" 카테고리로 나눈 후, 모델 학습 및 평가에 사용되는 데이터베이스를 비교한다. 3. 기타 응용 FR 기술을 다룸 4. 기술적 과제와 유망한 방향성을 강조함 Introduction 얼굴인식(Face Recognition)은 신원 인증을 위한, 생체인식 등에서 널리사용되는 분야다. 얼굴인식의 발전은 1990년 부터의 4단계의 주요 기술 변화가 일어나면서 발전했다. ※ 얼굴 인식의 발전 과정 - 세부 설명 더보기 ※ 얼굴 인식의 발전 과정 - 세..

*크롬으로 보시는 걸 추천드립니다* Active Learning(능동적 학습)에 이어서, 다룰 주제는 Metric Learning입니다! Active Learning(능동적 학습) 설명 : kmhana.tistory.com/2?category=838050 실용적인 Deep Learning 적용을 위한 시작 'Deep Learning을 실산업에 적용할 때 가장 큰 문제가 무엇일까?' 라는 질문에 주저없이 답변 드릴 수 있다. 첫번째도, 데이터와 레이블링 두번째도, 데이터와 레이블링 세번째도, 데이터와 레이블링 kmhana.tistory.com 우여곡절 끝에, 데이터를 모아서 딥러닝을 학습하려고 봤더니 문제가 생겼습니다. 매일 분류해야 되는 대상이 변경된다는 겁니다. 분류(class) 대상이 매일 바뀌는 경..