빅웨이브에이아이 기술블로그

시작 안녕하세요! 빅웨이브 이현상입니다. 저희 팀에서는 일주일에 한번(수요일) 기술 리뷰를 진행하는데요, 최근 사업에서 시계열(Timeseries) 분석 분야에 대한 수요가 많이 존재하여 이의 SOTA 알고리즘을 소개드리고자 합니다! 기존 포스트에서는 미래에 미리 알고있는 변수를 트랜스포머 구조에서 디코더에 입력하는 TFT(Temporal Fusion Transformer) 모델에 대해서 설명드렸습니다. TFT는 2019년에 발표된 논문으로 그 후 우수한 성능의 모델들이 다수 등장했습니다! 그 중 단변량 시계열 예측에서 우수한 성능을 나타내는 SCINet을 소개합니다. SCINet 시계열 예측 분야는 일반적으로 다변량 및 단변량 문제를 구분합니다. 단변량이라는 것은 변수를 하나로 설정하여 미래 시점의 변..

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 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..