만렙개발자

1. 레이블과 학습 지도학습(Supervised Learning)은 정답 레이블 데이터가 있는 학습을 말하고, 비지도학습(Unsupervised Learning)은 정답 레이블이 없는 데이터를 이용한 학습을 말합니다. 준지도학습(Semi-Supervised Learning)은 정답 레이블이 있는 작은 데이터셋으로 1차 (지도)학습을 하고, 정답 레이블이 없는 큰 데이터셋으로 2차 학습을 하는 것을 말합니다. 여기서 2차 학습에서 사용되는 대표적인 기법이 수도 레이블링(pseudo-labeling)입니다. 데이터에 정답 레이블을 만드는 과정을 태깅(tagging/annotation/labeling)이라고 합니다. 이러한 과정에는 상당한 노력과 비용이 듭니다. 심지어 성능에도 많은 영향을 미칩니다. 잘못 태..

from tqdm import tqdm for images, targets, image_ids in tqdm(holdout_loader, total=len(holdout_loader)): 위의 코드처럼 tqdm loop을 만들어서 돌리면 아래와 같이 무식하게 출력된다. 이 문제를 해결하는 법은 매우 단순하다. tqdm은 이미 ipython jupyter를 위해 개발이 되어있다. tqdm을 tqdm.tqdm 대신에 tqdm.atuo.tqdm 혹은 tqdm.notebook.tqdm을 사용하면 된다. from tqdm.auto import tqdm 그러면 아래와 같이 깔끔해진다. 의외로 print를 많이하면 속도가 많이 느려지기 때문에, (그리고 끝없이 쌓이면 메모리가 터져버릴 때도 있습니다.) 이쁘게 보이는..

수평적(Horizontal) AI와 수직적(Vertical) AI라는 말을 아시나요? AI 기업을 수평적 AI와 수직적 AI로 분류하곤 합니다. 수평적 AI는 더 큰 문제를 해결하는데 초점을 맞추고 수직적 AI는 틈새 시장에 초점을 맞춥니다. 예를들어 Apple의 Siri, Amazon의 Alexa는 Horizontal AI 애플리케이션의 예입니다. 수요와 자원이 존재하는 한 수평적 AI는 자체적으로 AI 기술을 개발할 수 있습니다. 수평적 AI는 최종 사용자가 필요로 할 수 있는 광범위한 주제를 다룹니다. AI 그 자체를 위한 연구개발하는 기업을 말합니다. 주로 Google, Apple, Amazon과 같은 빅테크 기업이 연구개발하고 있으며, 진입하기가 상당히 어렵고, 생존율이 매우 낮습니다. 하지만 ..