데이터 과학자가 AI를 비즈니스에 잘 도입하기 위한 팁 6 가지
created: 2023-05-11 19:54 modified: 2023-05-11 19:54 title: Write Here tags: (default: []) * tag1 * tag2 featured: false published: false 복잡한
Author
Bongho Lee
Causal Random Forest
* 해당 내용은 Causal Inference Study 때 발표(2023/05/03)한 내용으로 Introduction 성격으로 짜집기된 내용임을 밝힌다.
Transformers are RNNs: Fast Autoregressive Transformers with Linear Attention
Summary Motivation * Transformer는 성능은 매우 좋으나 내부 구조의 복잡함으로 인해서 계산비용이 기하급수적으로 증가하는 문제가 있다. 이 부분에 대한 개선은 Dot Product를 이용해서 지속해서 개선해왔으나,
산출물의 크기는 유지한 채, 더욱더 빠르게 프로덕트를 만든다면?
더 빠르게, 더 빠르게 프로덕트를 만들면 어떨까? 매 스프린트에서 만들어야 하는 산출물의 사이즈를 줄이고 줄이면서 속도를 맞출 수 있겠지만, 사이즈를 줄이지 않고 어떻게든 납기일을
롤모델이 필요한 이유, What Would Jesus(My Role Model) Do?
이전에 존잡생각에서 "회사에서 본인을 빠르게 성장시키는 방법"에 관한 글을 본 적이 있다. 구체적으로 내용이 기억나지는 않지만, 거기서 나오는 그래프는 기억이 난다.
[요약]AI기반 생성 컨텐츠에서 고려해야할 세가지 리스크
서론 * AI 생성 콘텐츠(AIGC)는 이미지, 텍스트, 오디오, 비디오 등의 콘텐츠가 포함된 몇 년간의 중요한 관심사 . * AIGC는 양날의 검이 되어 최근 책임 있는
Uber Eats의 배달예상시간(ETA) 후보정 모델 DeepETANet 정리
Excerpt * Abstrct * Commonly used route planning algorithms predict an ETA conditioned on the best available route, but such ETA estimates can be unreliable when
리더로서 내 사람을 만드는 것은 중요하다.
회사에서 팀장으로 이제 만 1년을 채운다. 이제는 실무 자체는 손을 대지 않되, 코드리뷰나 방향성 정도만 개입을 하고 기타 관리 측면에서 일정이나, 놓치고 있는 부분들에
비즈니스에서는 Output보다 Outcome을 고민해야 한다.
개발조직의 팀장으로 온지 이제 1년을 채워간다. 생각보다 쉽지 않고, 여전히 가야할 길이 멀다. 그 중에 가장 쉽지 않았던 부분이 바로 Output과 Outcome에 대한 구별과
리더의 이력서에 포함되어야 하는 것 - "언리더십"을 읽고 나서 든 생각
최근에 언리더십이라는 책을 알게 되어 읽게 되었다. 제목자체가 여타 책과 달랐던 탓이다. 그 책에서는 기업을 알파와 베타기업으로 나눠서 설명하고 있었고 리더 역시 비슷한 관점에서
Rejection Sampling in Python
Summary * Rejection Sampling은 Sampling 기법의 하나로, 특정 Distribution을 따르는 수를 임의로 생성하는 기법이다. * Proposal Distribution $g(x)$에 Scale Factor M을 곱해서 $f(x)
[책] 언리더십, 이끌기보다는 함께 하는 것이 조직을 바꾼다.
리더가 된지 이제 1년이 되어간다. 여전히 조직에서는 리더로서의 의무를 팀의 방향성을 이끌고, 의사결정을 하는 최종 책임자로 인식하고 있지만, 나보다 더 뛰어난 구성원과함께 하는 입장에서는