아래 기사는 한경의 2020.09.23.일자 기사입니다. [AI 이야기]인간을 넘어선 이미지 인식 기술…객체 탐지에서 분류, 영역 분할까지 자유자재 https://magazine.hankyung.com/business/article/2020092301295000511 여기를 보닌 제가 단순하게 생각했던 이미지 인식에 대한 기술이 크게 3가지 영역으로 나누어져 있네요 1. 이미지 분류(Classification) 2. 객체 탐지 (object detection) 3. 이미지 영역 분할(image segmentation) 사진을 보고 강아지인지, 강아지라면 견종이 어떤건지 찾는게 1번 분류에 해당되고 스마트폰으로 사진을 찍을때 사람 얼굴을 인식하고 해당 사람에 포커싱을 하는게 객체 탐지라는 기능이라고 하네요. 마지막으로 세번째는 사진으로 된 이미지 전체 영역을 사물로 분할해서 어디까지가 배경이고, 어디영역이 각각의 사물인지 분류하는것으로 가장 고난도 기술이라고 합니다. 영역 분할의 경우 경계영역을 찾는게 가장 핵심인것 같습니다. 제가 이미지 인식을 업무에 적용해 보고 싶은 분야가 있습니다. 항공영상을 통해 특정 토지(필지라는 용어를 쓰기도 하는데요)의 영역의 변화가 있었는지를 자동으로 감지하여 대상을 추울하고 싶거든요. 이걸 이용하면 저희 회사 업무상에서는 관리하는 토지가 무단점유를 해서 사용중인건 아닌지? 그사이 변화(변경)가 있는건 아닌지를 자동으로 감지하여 선별이 되고 이를 업무 담당자에게 알려주어 조치를 취하게 할수 있지 않을까? 이런 생각을 해보고 있습니다. 그런데 아직은 저런 이미지 영역 분할이 어려운 영역이라고 하니~ 조금 더 공부를 해봐야겠습니다. 관련해서 최근에 DACON에서 위성영상 식별 대회가 있어서 한번 공부하면서 도전을 해볼까 생각중입니다. 관심있으신 분들은 이미지 관련 공부를 해보시는것도 재미있을것 같네요~ 근데 이런걸 처음 공부하는 사람 입장에서는 어떤 기술을 사용해야 할까요? R이나 Python 기반에서 하는 패키지나 라이브러리 같은게 있을까요? * DACON 아리랑 위성영상 AI 객체 검출 경진대회 https://newfront.dacon.io/competitions/official/235644/overview/

3명이 함께 진행하고 있는 업무를 하고 있습니다. 1명은 계획한바와 같이 진행되고 있고, 정기적으로 진행상황을 공유해줘서 저도 맞춰서 진행하고 있는데, 나머지 1명은 당췌 몇번을 얘기해도 진행도 안될 뿐더러 공유도 늦네요. 착하게 얘기하면 착하게 미안해할뿐 반복됩니다. 일부러 이러는지..능력이 안되는건지.. 닥달하지도 못 할 성격이라..답답할 지경입니다. 어떻게 끌고 가야 될까요ㅜ

전례 없는 성능을 보이는 gpt3를 마소가 독점 라이센스를 가졌다고 합니다. https://zdnet.co.kr/view?no=20200923105820#_enliple gpt3로 할 수 있는 비즈니스 모델이 어마어마할거 같은데 기대가 되면서 무섭기도 하네요

이번주 한경비지니스 AI섹션에 소개된 기사에서 엘리먼트AI 한국 지사장의 인터뷰 기사인데요. https://magazine.hankyung.com/business/article/2020092201295000471 이분의 경우 유튜브, 미디엄(Medium), 팟캐스트를 추천하셨네요. 저는 유튜브를 많이 보는 편은 아니지만 요즘은 거의 모든 정보가 유튜브에 꽤 많이 있어서 검색을 구글이 아닌 유튜브에서 먼저 해보는 경우도 많습니다. 그런데 너무 많이 나오니~ 이 중에 나에게 맞는걸 찾을때는 일단 조회수와 구독자수가 많은 컨텐츠 부터 보게 되더라구요. 미디엄의 경우 글의 깊이가 제법 있어서 저도 종종 보고 있는데 두번째 사진이 저의 미디엄 메인입니다. 요즘 시계열(Timeseries)과 이상치(Outlier)를 공부중이라 관련된 게시물이 먼저 보이네요~ 이분이 소개한 팟캐스트도 구독을 한번 해보려고 합니다. 여러분은 주로 어디서 AI트랜드와 정보를 얻으시나요? * 미디엄 https://medium.com/ * AI in business Podcast https://podcasts.apple.com/us/podcast/ai-in-business/id670771965

하시면 참석멤버는 어떻게 구성되고, 어느 주기로 어떤 방식으로 하시는지 여쭤봐도 될까요? 실제로 효과가 있는지도 궁금해요. 기술 뿐 아니라 배워야하고 도입해봐야하는 문화가 많네요. ㅎㅎ 심리적 안정감을 위해 노력중입니다..

중소기업 직원 11명내외되는 곳에 합격했습니다 사장님과 면접을 봤고요 합격은 했는데 좀 생각해본다고 월요일 날 면접보고 금요일날까지 연락 하겠다고 했는데 사장님이 수요일 까지 연락달라고 하더라고요 운영에서 개발로 가는 거라 개발쪽 경력은 그리 많지 않아서 연봉을 조금 깎이긴 했으나 조정을 해서 많이 깎이지는 않았습니다. 그런데 오늘 금요일 인데 아직 연락을 안해줬습니다 일도 있고해서. 전화는 이사님 통해서 하고 있었는데, 원래 개발 쪽에 관심이 많았고요 지금이라도 연락을 하는게 나을까요?

물론 리더로서 동기부여 해주는 거 중요한데, 너무하다 싶을 정도로 매 순간 '아 나는 이런 동기부여 떨어지는 곳에서 일하기 힘들어' 라는 표정과, 말... 등등을 달고 삽니다. 그게 제 역할이라지만 스스로 어느 정도는 참고 하는 것도 있어야 하는데, 그런게 없습니다. 엔지니어들은 자기 성장 욕구가 높은 편이고 해서 이런 경우 많이 못 느껴봤는데, 제가 팀운영을 크게 잘못하고 있는 건가 싶기도 하고요. 뭔가 '잘 되는 조직의 0가지 특징'같은 글 보고 그대로 현업에 와서 '왜 우리는 이렇게 못하냐'라고 외치는 것 같달까요. 참 힘듭니다.

도커, 쿠버네티스 업무에 얼마나 사용하시나요? 개인적으로 클라우드와 ml 는 궁합이 굉장히 잘 맞다고 생각하는데요. 쿠다 버전, 프레임워크 버전 등을 많이 타기도하고 gpu서빙이 있기도 하고요. 저희팀은 거의 모든 업무에 도커와 k8s를 사용하고 있습니다. 하지만 아직 mlflow나 kubeflow 와 같은 툴은 사용하지 못하고 있는데요. 아직 이런 툴을 제대로 활용할만한 수준은 아니고 인프라상 어렵더라고요. 당근마켓이나 42dots는 kubeflow를 빡세기 사용하는거 같던데 다른 분들 조직에서는 어떤 환경에서 업무하시나요?

이미 웹에서 Vue를 쓰도 있지만, 앱은 React Native를 쓰려고 합니다. 완전 네이티브로 가기에는 리소스가 부족한 상황이고 그렇다고 vue기반의 앱프레임워크는 쓰는 곳아 없어서 RN을 쓰려고 합니다. 그렇게 하는 곳이 있는지 궁금하네요.😯

재택이 꽤 길어지다보니 집이 있는 의자를 장시간 쓰게 되는데요. 어느순간부터 허리가 좀 아프기 시작하네요ㅠㅜ 회사 의자가 돈값하나 봅니다.

누구의 리딩을 받느냐에 따라 커리어가 천차만별이구나... 라는걸 느끼고 있는 주니어입니다. 여러분의 리더는 어때요? 어떤 장/단을 갖고 있으며 그게 내 성장에 어떤 도움이 되는지요? (물론 제가 잘 해야하는 것도 있지만, 팀장과 팀원의 관계에서요 ㅎㅎ)

촤근 인공지능 인력 육성을 위하여 많은 교육 프로그램이 있고 독학할 수 있는 많은 환경이 있습니다. 주로 어떤 환경을 사용하시는지요? 구글의 Colab이나 아마존 Sagemaker 인가요? 아님 회사에서 별도 만든 환경이나 본인이 직접 환경을 만들어 하나요? 만약 국가에서 관련 지원을 해 준다면 무엇을 해주면 좋을까요?

리멤버 커뮤니티 팀에 가장 많이 들어온 문의 중 하나가 ‘PC버전은 없냐' 였습니다. 일할 때 켜놓고 그때그때 물어보면 참 좋을 것 같은데 모바일로 써야 하다보니 불편한 점이 많다는 거였죠. 그 불편함 잘 알기에 더 기쁜 마음으로 전합니다. 리멤버 커뮤니티 PC 버전이 런칭되었습니다. 리멤버 앱에서 커뮤니티를 이용하셨던 것과 거의 비슷한 화면에서, 훨씬 편하게 이용하실 수 있습니다. 이제 길고 복잡한 고민도 쉽게 작성하세요. 마지막으로 한 가지 더, 리멤버 커뮤니티는 ‘업무 시간에 사용해도 괜찮은 서비스'입니다. 실제로 일 관련 소통만 오고가니까요. 혹시나 딴 짓을 하고 있는 것처럼 보이지 않을까 걱정하지 마세요. PC 버전 경험해보기 ▼▼ https://abit.ly/rc_notice

저는 구글 포토를 잘 쓰고 있습니다. 무제한 용량에 자동으로 백업을 해주어서 쓰고 있는데요. 간혹 이 녀석이 물어봅니다. 2개의 사진을 보면서 같은 사람이냐? 다른사람이냐? 그럼 제가 친절하게 알려주죠. 맞다, 틀리다. 이게 바로 라벨링 작업중에 하나인데요. 구글의 머신러닝하는 녀석이 얼굴인식으로 같은 사람인지 판단이 애매할때 결국 답을 알고 있는 사용자 본인에게 직접 라벨링을 하라고 지시를 하는 셈이죠. 전 공짜로(구글 포토를 쓰고 있으니 해야하는?) 그 라벨링 작업을 해준셈이고,구글 머신러닝은 제가 라벨링한걸 가지고 다시 학습을 해서 보다 정밀하게 사람들을 분류하게 됩니다. 이런게 AI에게 꼭 필요한게 이런 라벨링 작업이지요~ 혹시 실무에서 AI를 쓰신다면 이런 라벨링 작업들이 필수 불가결 할것 같은데 어떻게 해결들 하시나요? 저는 아직 회사에서 이정도 수준까지는 아니라서 고민을 안하고 있지만,데이터 라벨링 자체가 데이터 산업에서 중요한 포션을 차지하는것도 사실인 것 같습니다. 리멤버분중에 이런 데이터 라벨링 사업을 하는 회사 소속도 계시는지도 궁금합니다. 아래 글은 관련 기사와 블로그입니다. 첫번째는 비즈조선의 라벨링 사업이 우리가 소위 말하는 인건비가 싼 중국,인도를 이용해 라벨링을 하고 있다는 내용이구요 두번째는 아마존 AWS상에서 라벨링을 좀더 자동화 하는 방법을 소개하는 포스팅인데 Amazone Sagemaker Ground Truth라는 라벨링 인터페이스를 소개하는 글입니다. ---------------- 함께 보면 좋을 글 ---------------- ● AI의 머신러닝, 알고보니 中·인도의 값싼 노동력 덕분 https://biz.chosun.com/site/data/html_dir/2019/12/19/2019121900144.html ● 데이터라벨링 노가다는 이제 그만 https://brunch.co.kr/@zigzag/13

안녕하세요. 오늘은 미국 비영리 인공지능 연구소인 오픈에이아이(OpenAI)가 개발, 공개한 ‘GPT-3’ 에 대해서 글을 써볼까 합니다. 늘 AI, 빅데이터 분야 관련하여 최신 소식을 글로 공유드려보려고 하는데 쉽지가 않네요. 오늘도 어떠한 참신하고 흥미있는 주제로 글을 써볼까 고민하던중에 '글을 잘 쓰는 AI가 있다고?' 저의 흥미부터 유발시키는 기사 글을 발견하였습니다. ‘무서울 정도’로 글 잘 쓰는 인공지능 - http://m.koreadaily.com/news/read.asp?art_id=8668951 바로 GPT-3라는 인공지능의 글이었습니다. 아시는분은 아실 수 있겠습니다만 최근 Hot한 인공지능이라고 하네요.(업무로 저는 소식의 습득이 조금 늦었네요!^^;) 스포츠나 주식 관련 기사와 같이 사실 전달 중심의 글을 쓰는 데 인공지능이 활용되어 왔지만, GPT-3는 논설문과 같이 복잡한 문장까지 생성해 낼 수 있는 새로운 경지에 도달했음은 물론 스스로 간단한 프로그래밍도 가능하다고 합니다. GPT-3 개발자들은 새로운 인공신경망 구조나 학습 방법을 고안해 낸 것이 아니라 그저 인공신경망의 크기를 키웠을 뿐이라네요. 그것도 종래의 언어처리 인공신경망보다 100배 넘게 크기를 키워서 지금의 성능을 가지게 되었다고 합니다. OpenAI, 혁신적인 AI 자연어처리(NLP) 모델 'GPT-3' 공개 - http://www.aitimes.kr/news/articleView.html?idxno=16599 OpenAI는 전체 코드는 공개하지 않았지만, 모델에 의해 생성된 텍스트 샘플 모음뿐만 아니라 일부 테스트 데이터 세트를 포함하는 내용은 깃허브에 공개 했으며, 관련 연구 논문(Language Models are Few-Shot Learners)은 지난 1일 아카이브에 공개하며 GPT-3에 대해 소개하였습니다.(위 링크 참조) 물론 혁신적이고 대단한 모습속에 한계점을 발견하여 공유한 기사 글도 보입니다. 아직 발전해가는 AI로써 부족한 부분은 당연히 존재하겠지요. GPT-3... 휼륭하지만 '다섯 가지' 한계를 짚어본다 http://www.aitimes.kr/news/articleView.html?idxno=16599 가지고있는 한계점을 고려하더라도 글을 너무나도 잘 쓰기때문일까요? 영국의 일간지 가디언에서는 GPT-3에게 재미난 질문을 하고 답변을 칼럼으로 작성하도록 하고 해당칼럼을 게시하였습니다. "AI를 무서워하지 않아도 될까" 인간이 묻자 AI가 내놓은 답 - https://n.news.naver.com/article/025/0003034542 물론 이를 두고 일각에선 가디언이 원문을 공개하지 않고 8개의 글 중 좋은 부분만 선택한 것에 대해 인공지능의 성능을 과대 평가하게 만들 수 있다고 비판했다고 하네요. 그래도 이슈몰이에는 성공적인 인공지능으로 보여집니다. 마지막으로 떠들썩한 인공지능 GPT-3에 대해서 가볍게 배워볼수있는 기사글을 공유하며 이번 글을 마치도록 하겠습니다. 혹시 알고계시는 다른 인공지능 모델에 대해 알려주시면 감사하겠습니다~! [영상] 초보자도 쉽게 GPT-3를 사용해 혼자서 GPT-3 모델을 구현한다 - http://www.aitimes.kr/news/articleView.html?idxno=17777