Bongho Lee

Author

Bongho Lee

학습시 "존재"하는 고유범주값을 고유정수값으로 치환하는 Label Encoder
Data

학습시 "존재"하는 고유범주값을 고유정수값으로 치환하는 Label Encoder

Background * 가게별로 예측치를 제공할 때 가게에 대한 식별자를 어떻게 전달할 것인가에 대해서 고민한 적이 있고, Label Encoder를 사용했던 적이 있다. Label Encoder is. * Label

· 2 min read
[책]성장의 과정을 신경쓰는 리더가 되야한다, "평가보다는 피드백"
book

[책]성장의 과정을 신경쓰는 리더가 되야한다, "평가보다는 피드백"

팀 리더로서 나는 격주로 1:1을 진행하는 편이었다. 그리고 그 때 가장 많이 언급한 말이 있었다. 법인은 하나의 법적인 인간라는 것이다. 그리고 인간으로서 비전,

· 8 min read
ReLU의 대안, Leaky ReLU
Data

ReLU의 대안, Leaky ReLU

사실 너무나도 오래된 Activatio Function이지만, 복기 차원에서 정리해보았음 Leaky ReLU is * Leaky ReLU(Leaky Rectified Linear Unit)는 ReLU(Rectified Linear Unit)의 변형으로,

· 3 min read
현상만 해결하려고 하면 문제의 수는 많아지고 해결은 안된다.
Team

현상만 해결하려고 하면 문제의 수는 많아지고 해결은 안된다.

회사의 규모가 커지게 되면 부서가 많아진다. 전문화라는 측면에서 부서가 많아지는 이유가 설득이 된다. 하지만 부서가 많아지면 얻게 되는 문제도 있다. 바로 고객과의 커뮤니케이션이 파편화될

· 4 min read
[책]휴직 중 위로가 되었다, "구글 임원에서 실리콘밸리 알바생이 되었습니다"

[책]휴직 중 위로가 되었다, "구글 임원에서 실리콘밸리 알바생이 되었습니다"

육아 휴직 이후에, 반복적인 삶의 패턴 속에 잠시 몸을 맡기다보니 시간이 2개월이나 흘러버렸다. 처음에는 돌아갈 직장도 있기에 그리 걱정할 것이 없어보였다. 하지만 의외로 스스로에게

· 7 min read
이상치에 덜민감한 L1+L2 = Huber Loss
Data

이상치에 덜민감한 L1+L2 = Huber Loss

Why Huber Loss * 주요 모델링 업무 중 하나로 배달시간을 예측하다보면, Long Tail Distribution 형태의 모습을 자주 보게 된다. 이 부분에 대응하기 위해 Doordash도 비슷한

· 4 min read
ONNX, 다양한 ML 프레임워크 간 모델의 상호운용 및 배포를 도와주는 프레임워크
Data

ONNX, 다양한 ML 프레임워크 간 모델의 상호운용 및 배포를 도와주는 프레임워크

Onnx is * Open Neural Network Exchange의 약자로 Pytorchs나 Tensorflow 등 다양한 Framework를 통해 생성된 모델을 결합하여 사용할 수 있도록 일관성과 상호 운용성을 보장하는 오픈소스

· 3 min read
지속가능한 개발팀 리더로 성장하기 위한 7가지 팁
Career

지속가능한 개발팀 리더로 성장하기 위한 7가지 팁

개발자로 계속 일을 하고 싶어하는 이가 있는가 하면, 개발팀의 리더로서 성장하고 싶은 이가 있다. 나는 후자였던 것같다. 최근 육아휴직을 하면서 지난 2년간 개발팀 리더로

· 4 min read
대량 데이터에 대한 유사도 측정의 대안, MinHash & LSH
Data

대량 데이터에 대한 유사도 측정의 대안, MinHash & LSH

MinHash & LSH are * MinHash는 두 집합간의 유사도를 측정하는 기술로 각 집합을 기존 데이터보다 적은 형태의 Signature로 변환하여 연산비용을 줄여준다 * LSH는 Locality Sensitivity Hashing의

· 3 min read
[책]두렵다는 것은 촉이 좋은 것이니 행동만 하면 된다, 커리지
book

[책]두렵다는 것은 촉이 좋은 것이니 행동만 하면 된다, 커리지

사실 이제는 출처가 기억이 나지 않는 이야기가 있다. 한 일본 검사에 관한 이야기였던 것으로 기억한다. 아이는 두려움이 너무나도 많아 툭하면 울곤 하였다. 이를 사람들은

· 6 min read
Representation Fine Tuning
Data

Representation Fine Tuning

FineTuning 장점 * Privacy * Reliability * Cost-Efficient Performance * More Control FineTuning * Full Fine Tuning: 모든 Layer & Parameter를 업데이트 * Parameter-Efficient Finetuning (PEFT): Parameter의 일부만

· 1 min read
[책]모든 것을 생각하기란 생각보다 어렵다, 모든 순간의 물리학
book

[책]모든 것을 생각하기란 생각보다 어렵다, 모든 순간의 물리학

사실 왜 이 책을 읽게 된지는 기억이 정확하게 나지 않는다. 데이터 업에 근무한 이래, 우리가 보는 데이터는 어떠한 분포의 산물일 뿐이고, 나머지가 불확실성으로 가려져있다는

· 3 min read