전체 글

해당 글은 ISLR 2nd Edition 영문판을 학습하고 번역한 글 입니다. 따라서, 일부 오역이 있을수도 있습니다. 2.1 What is Statistical Learning? 그림은 통계 학습을 설명하기 위해 광고 단가 대비 매출을 나타낸다. 또한, 매출을 예측하기 위해 선형 회귀를 통해 각각의 그래프를 fit을 진행한다. 각각의 그래프의 파랑 추세선을 보았을 때 TV가 가장 좋은 효율을 보여준다. 출력 변수를 Y, 입력 변수를 X로 가정하였을 때 X는 광고 단가, Y는 매출이다. 일반적인 식으로 표현 하자면 아래와 같이 표현된다. $$Y = f(x)+ϵ$$ 식에서 $f$는 X와 Y의 관계를 규정 짓는 함수이며, $ϵ$는 x와는 관계 없는 추가적인 noise이며, 평균은 0이다. 본질적으로 통계적 ..

글또 두 번째 포스팅에 이어 Operational AI 후반부 내용을 정리하였습니다. 해당 발표는 Makina Rocks의 김기현 님이 발표하셨습니다. Beyond Deplotment : Operational AI 모델 학습 후 배포가 끝? 성능 유지 및 향상을 위한 지속적인 학습이 필요함 모델 학습 및 배포 파이프라인 입출력 데이터 분포 변화, Coner Case 발생 코너 케이스는 여러 가지 변수와 환경의 복합적인 상호작용으로 발생하는 문제 성능 하락 발생 실행/운영 측면이 고려된 모델(재) 학습 및 (재)배포 파이프라인 LifeLong Learning MLops Challenges in Lifelong Learning AI를 Real World로 가져오기 위해서 실행/운영 측면의 문제들이 있음 비효..

글또 두 번째 포스팅은 DEVIEW 2019라는 세미나에서 Operational AI 내용을 정리하였습니다. 지속적으로 학습하는 Anomaly Detection 시스템이라는 주제가 흥미로워서 듣고 정리하였습니다. 해당 발표는 Makina Rocks의 김기현 님이 발표하셨습니다. 제조업에서의 AI 배경 반도체 공장의 기계는 비쌈 IoT의 발달로 많은 데이터 생성 딥 러닝의 발달로 큰 모델 생성 가능 제조업에서의 AI 도입을 통해 수익률 및 원가 절감 기대 현실에서 Digital Manufacturing Solution을 도입하려는 대부분의 기업은 아직 파일럿 Page에 머무름 파일럿 Page에 머물러 있는 이유가 무엇일까? 사례의 부족으로 문제 정의의 어려움이 있음 선행 비용 발생으로 인한 리스크 증가 데..

ubuntu 16.04 CUDA Toolkit 설치 1. Nvidia 드라이버는 미리 설치해야함 2. 아래 링크를 통해 본인 환경을 선택 (본인은 Installer Type : deb(local)으로 선택함) http://developer.nvidia.com/cuda-downloads 3. Base Installer에 나와 있는 Installation Instructions을 따른다. 4. 모든 코드를 설치하고 환경 변수를 설정하여 준다. $nano ~/.bashrc export PATH=/usr/local/cuda/bin:/$PATH