빅웨이브에이아이 기술블로그

안녕하세요! 빅웨이브에이아이의 박정환입니다. 지난 SOTA 알고리즘 포스팅 글은 정형 데이터 분석 분야의 TabNet에 대해서 알아보았는데요, 이번 시간에는 이미지 분류 분야의 SOTA 알고리즘인 ViT(Vision Transformer)-G/14에 대해서 알아보도록 하겠습니다! Key Idea 트랜스포머(Transformer)란 멀티헤드 어텐션(Multi-Head Attention) 기법이 적용된 인코더 디코더 구조의 모델을 의미합니다. ViT 모델은 트랜스포머 방법론을 이미지 분석 분야에 적용한 것입니다. ViT는 이미지를 고정된 사이즈로 분할하여 선형으로 모델에 입력한 후 포지션 임베딩 및 벡터 시퀀스를 모델의 인코더에 입력합니다. 분류 Task를 위해 추가적으로 클래스 토큰을 시퀀스에 추가하는 방..

안녕하세요 ! 빅웨이브에이아이의 박정환입니다. 지난 포스팅글은 정형 데이터 분석 분야의 SOTA 알고리즘인 TabNet에 대해서 알아보았었는데요~ 이번 포스팅글은 모델 서빙을 훨씬 쉽게 ! 훨씬 간단하게 ! 도와주는 BentoML에 대해서 알아보도록 하겠습니다 ! Serving BentoML을 알기 전, 모델 서빙이 무엇인지부터 알아보도록 하겠습니다. 서빙(Serving)이란, 개발된 모델을 서빙 하는 것, 맛있는 음식을 손님에게 서빙해주는 것이라고 생각하면 되겠습니다 ! 이 서빙의 방식으로는 Batch, Online, Edge(Mobile)으로 나뉘어져 있는데요, Serving 시 의존성 관리를 중요하게 취급되기 때문에 Docker나 쿠버네티스를 기반으로 합니다. 그럼, Batch Serving이 뭔지..

안녕하세요! 빅웨이브에이아이의 박정환입니다. 지난 SOTA 알고리즘 포스팅 글은 이상치 탐지 분야의 PANDA, DEVNET, GAN, OCNN에 대해서 알아보았었는데요~ 이번 시간에는 정형 데이터 분석 분야의 SOTA 알고리즘인 TabNet에 대해서 알아보도록 하겠습니다! Key Idea 딥러닝이 발전의 발전을 거듭하고 있다고 해도, 이상하리만큼 정형 데이터쪽에서는 힘을 쓰지 못하고 있어왔습니다. 오히려, 정형 데이터는 기존 통계적 기법들이 우수한 성능을 보여주고 있었죠. 그러나, 딥러닝쪽에서도 어깨를 펼 새로운 모델이 등장했습니다 ! ! Google Cloud AI의 Sercan님과 Tomas님이 제안한 이 모델은 트리 룰에 기반하는 gradient boosting과 신경망 모델 구조의 장점을 모두 ..

안녕하세요! 빅웨이브에이아이의 박정환입니다. 지난 SOTA 알고리즘 포스팅 글은 시계열 분석 분야의 TFT(Temporal Fusion Transformer)에 대해서 알아보았었는데요~ 이번 시간에는 이상치 탐지 분야의 SOTA 알고리즘인 PANDA, DEVNET, GAN, OCNN에 대해서 알아보도록 하겠습니다! Key Idea 자 먼저, Anomaly detection이 무엇인지부터 알아보겠습니다! Anomaly detection이란, 주어진 sample에 대한 정상 여부를 판별하기 위한 알고리즘입니다. 예를 들어, 신용카드 사기 여부나, 침입 탐지, 의료 진단, 자율 자동차 주행 등과 같은 다양한 분야에서 사용될 수 있으며, 특히 제조업에서의 장비 및 불량 제품 탐지와 같은 중요한 문제를 해결할 수..

안녕하세요! 빅웨이브에이아이의 이현상입니다. 인공지능 분야에서는 특정 분야에 대해 가장 높은 성능을 달성한 모델을 SOTA 알고리즘이라고 부르기도 합니다. 즉, 모델 성능이 예술의 경지에 도달했다고 할 만큼 좋은 성능을 가지고 있는 모델이라는 것입니다. AI 분야는 최신 SOTA 기술을 활용하는 것이 모델의 성능에 영향을 미치기 때문에 아주 중요한 요소가 됩니다. 읽어주시는 분들에게 더욱 유용한 정보를 드리고자 "SOTA 알고리즘 리뷰" 시리즈를 포스트할 계획입니다. 오늘은 시계열 분석 분야의 SOTA(State Of The Art) 알고리즘인 TFT(Temporal Fusion Transformer)에 대해서 알아보겠습니다. 핵심 아이디어 위주로 간단하게 설명 드리겠습니다. Key Idea 2019년 ..

안녕하세요! 빅웨이브에이아이 선임 연구원 이현상입니다. 지난 포스트에서는 차별 및 혐오 표현 탐지 솔루션에 대해서 소개드렸습니다. 이번에는 새로운 주제로 고객 등급을 과학적인 방법으로 분할하고 딥러닝 기술을 활용하여 고객 이탈을 방지할 수 있는 시스템에 대해서 소개드리겠습니다. 본 주제는 2020 AI Championship 위메프 부문 "고객 세부 등급화와 등급 변화 감지를 통한 맞춤 홍보 서비스 제공 AI"에서 2위를 수상했다는 점 미리 말씀드립니다. 2020 AI Championship 2020 AI Championship은 위메프, 네이버, 한국타이어 등 8개의 대기업이 다양한 인공지능 관련 주제를 가지고 경연하는 대회였습니다. 여타의 AI 경진대회와 다르게, 2020 AI Championship..

코드 예제 지난 포스트에서 다뤘던 딥러닝 기반 악성 댓글 분류 모델링을 실제 python code 예제를 실행 해보겠습니다. import pandas as pd import re import konlpy from konlpy.tag import Okt from tensorflow.keras.callbacks import ModelCheckpoint import sklearn import multiprocessing okt = Okt() import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers import numpy as np import os 필요한 모듈을 불러옵니다. Konlpy 패키지는 자바 설정을 ..

안녕하세요! 빅웨이브에이아이 선임 연구원 이현상입니다. 오늘의 포스트 주제는 2020 인공지능 온라인 경진대회에서 빅웨이브 팀이 악성 댓글 분류 부문 1등을 달성했던 딥러닝 모델링에 대한 것입니다. 2020 인공지능 온라인 경진대회는 과학기술정보통신부를 주최로 다양한 주제에 대한 인공지능 모델의 성능을 평가하는 대회입니다. 총 400팀의 대학생, 대학원생, 연구소, 기업 등 다양한 소속의 인원들이 이 경진대회에 참가했습니다. 경진대회에서 우수한 성과를 낼 수 있다면 사업화 지원금 총 1.6억을 지원받을 수 있기 때문에 경쟁 수준이 상당히 치열했던 것으로 기억합니다. 빅웨이브 팀은 총 5명으로 구성되어 악성 댓글 분류, 태양입자유입(Proton Flux) 양상 예측, 일부 구간 통행량 예측 task에 참가..