일 잘하는 사람이 잘하는 두가지: Escalation, Delegation
신입사원 시절, 질문 하나를 무심코 선배에게 했다가 본사로 호출을 당한 적이 있다. 질문이 마치 고객이 하는 것 마냥, 구체적이지 않고 질문을 하는 나의 말투에서
Author
Bongho Lee
합성 데이터(Synthetic Data)에 대해서
합성 데이터 * AI 알고리즘을 활용해 인위적으로 생성한 데이터 * 데이터 사용과 고객 정보 보호 규제를 위반하지 않고, AI를 개발할 수 있음 생성 방법 * Stochastic process
도어대시(Doordash) 데이터팀이 말하는 다른 팀과 "잘" 대화하기 위한 팁
Intro 데이터 팀이 아무리 좋은 분석을 하더라도 비즈니스 팀과 경영진과 공유되지 않으면데이터 팀의 성공은 보장할 수가 없다. 그래서 효과적인 커뮤니케이션은 데이터 팀이 성공하기 위한
멀티버스는 이해하려고 해도 확률분포는 이해하려고 하지 않는다.
얼마전에 닥터스트레인지: 대혼돈의 멀티버스가 개봉하였다. 앤드게임 이후 마블은 어떻게 스토리를 끌고갈지 궁금하였는데, 스파이더맨을 기점으로 멀티버스라는 개념을 도입하면서 새롭게 스토리를 창조하고 연결해내기 시작하였다. 아직은 앤드게임
감사를 정말 잘 표현하는 방법에 대해서
아는 사람들은 알겠지만, 5년 전쯤에 직장인이 "넵"을 습관적으로 사용하는 이른바 "넵"병이라고 불리는 현상을 정리한 글이 한동안 화제가 되었던
[Python] Neural Prophet
* NeuralProphet은 쉽게 이야기 하면 Neural Network(AR-Net)과 Prophet의 결합이다. * \(\hat{y_t}\)는 Trend, Seasonality, Event & Holiday, Regression for known future
[Python]Top2Vec 각 Document 별 Topic 찾기
배경 * Top2Vec으로 토픽 모델링 이후 각 Document 별 해당되는 토픽을 알고자 할 때 해결책 * Top2Vec의 Github 코드를 확인해보니, Single Underscore Function으로 있는 _calculate_documents_
Anchors - High Precision Model-Agnostic Explanations
* Anchor는 쉽게 생각하면 Blackbox 모델의 특정 Instance에 대한 설명을 If-Then 형태의 Rule 형태로 설명한다고 보면 된다. * Anchors는 기존 Blackbox Model을 최대한 적게 호출하기
[풀잎스쿨]LIME(Local Interpretable Model-agnostic Explanations)
풀잎스쿨 - LIME 발표자료(설명가능한 인공지능 기획!) from Bong-Ho Lee
5년간의 블로그 글이 모두 날아가버렸다.
오늘도습관처럼 개인블로그를 접속하였다. 그리고 블로그가 초기화된 것을 확인했다. 원인은 찾았지만, 다행스럽게 이미 백업스크립트를 운용중이었던지라, 최근 7일간 백업 데이터를 다운로드 받아서 복구를 진행하려고 하였다.
LSA(Latent Semantic Analysis)
목적 LSA는 특이값 분해를 이용해서 문서 내에, 잠재되어 있는 의미(예: 토픽 등)를 파악한다. 특징 * 다른 문서의 유사도, 다른 단어의 유사도, 단어(쿼리)
[Python] Top2Vec WordCloud 한글 깨짐 해결하기(임시방편)
Top2Vec 내재 Function 중 하나인 generate_topic_wordcloud를 실행했는데 한글이 모두 깨져나온다. 출력물의 형태를 보니, 대략 Wordcloud 패키지를 쓰지 않았을까 생각되어 Top2Vec의 github를 보니