tomato, tomahto

“ChatGPT한테 물어봤는데, 정말 뭐든지 다 알려주는데 너무 편하고 신기하다는 말 주변에서 많이 들렸을 것이다. 그런데 정말 그럴까? 우리가 던진 질문이 모호하면, AI도 그만큼 흐릿한 대답을 내놓는다.1. Prompt Engineering 은 AI 시대 핵심역량? 많은 사이트를 보면 요즘에는 ChatGPT, Gemini, Perplexity, Copilot 등 개인들이 어떻게 하면 프롬프트를 더 잘할 수 있는지 팁 혹은 유료 레슨들을 제공하고 있다.• 프롬프트(Prompt)는 명령을 의미(요즘은 생성형 프롬프트 AI에게 어떤 행동을 해야 할지 자연어로 설명하여 원하는 결과물을 생성하도록 하는 입력하는 것을 의미)• 프롬프트 엔지니어링(Prompt Engineering)은 더 나은 결과물을 제공받기 ..

[회고] AI 프로젝트 1. OTT 추천 서비스(데이터 기반 서비스 기획)[회고] AI 프로젝트 2. 실시간 이미지 합성 서비스- 프로그래밍도 모르는 내가 딥러닝? [회고] AI 프로젝트 3.네이버 개발자 인턴 지원 기회를 받은 실시간 영상 처리 서비스1-Clean data is All You Need [회고] AI 프로젝트 3.네이버 개발자 인턴 지원 기회를 받은 실시간 영상 처리 서비스1이전 에피소드를 본다면 이 글이 더 재미있을 거예요![회고] AI 프로젝트 1. OTT 추천 서비스(데이터 기반 서비스 기획)[회고] AI 프로젝트 2. 실시간 이미지 합성 서비스- 프로그래밍도 모르는 내가 potato-potahto.tistory.com 시리즈 글로 이전 글을 읽고 오시면 더욱 더 재미있어요! 프라..

원티드 하이파이브 2025년 메이커스데이 후기인스타그램 알고리즘이 이끌어 원티드 하이파이브 광고를 보고 확인하고 바로 신청했다. 예전에는 AI가 그렇게 위협적으로 느껴지지 않았으나 현재에는 잘 활용하지 못하면 도태된다고 느껴졌기 때문에 다른 회사에서 어떻게 활용하고 있는지 어떻게 보고 있는지 궁금하여 바로 신청하였다.총 2일로 나누어져 첫날은 HR, 둘째 날은 메이커스데이로 개발자, UX 디자이너, 그로스, PO/PM으로 나누어져 시간마다 세션을 진행한다. 나는 메이커스 데이에 참여하였고 업무에서 기획하는 부분을 담당하고 있어 PO/PM세션만 참석했다. 사실 모든 직무의 사람들이 PO처럼 일해야 한다고 생각하는 사람이라서도 있다.얼리버들로 네트워킹 세션 포함하여 13만 원에 결제! 컨퍼런스 하루..

이전 에피소드를 본다면 이 글이 더 재미있을 거예요![회고] AI 프로젝트 1. OTT 추천 서비스(데이터 기반 서비스 기획)[회고] AI 프로젝트 2. 실시간 이미지 합성 서비스- 프로그래밍도 모르는 내가 딥러닝? 코로나 시대, 집에서 운동을 가능하게 한 나만의 AI 홈트레이너2021년 초, Covid-19으로 인해 집 밖으로 나가 운동할 수 없었던 시기로 이 시점에서 ‘집에서 잘 운동할 수 있는 방법이 뭐가 있을까?’ 질문으로 시작해, 웹캠을 활용한 실시간 AI 홈 트레이너 웹 서비스를 기획하고 개발했다. 이 프로젝트는 단순한 기술 구현을 넘어, 제게 데이터 사이언티스트로서의 문제 정의 능력, 데이터 중심적 사고, 그리고 자율적인 학습 역량을 확립해 준 소중한 경험이었다.회고에 들어가기 앞서 당시 불..

사실 이 AI 서비스 시리즈 상 타임라인으로 첫 번째 에피소드이지만 연결 흐름이 이 프로젝트와 다른 영상 처리 프로젝트가 깊게 엮여 있어 두 번째 에피소드로 작성했다. 첫 번째 회고가 궁금하다면 [회고] AI 프로젝트 1. OTT 추천 서비스(데이터 기반 서비스 기획) [회고] AI 프로젝트 1. OTT 추천 서비스(데이터 기반 서비스 기획)AI 서비스 프로젝트 여러 개 진행했었는데 프로젝트의 버스 드라이버다 보니 짧게 KPT만 정리하고 따로 자세히 남기지 못하여 항상 아쉬웠었다. 그래서 이번에 많이 부족하지만 지금에서라도 시potato-potahto.tistory.com 첫 딥러닝, 첫 컴퓨터 비전, 첫 Python2019년 여름, Python 프로그래밍이나 딥러닝이 뭔지도 잘 모르던 내가 직접 ..

AI 서비스 프로젝트 여러 개 진행했었는데 프로젝트의 버스 드라이버다 보니 짧게 KPT만 정리하고 따로 자세히 남기지 못하여 항상 아쉬웠었다. 그래서 이번에 많이 부족하지만 지금에서라도 시리즈 형태로 남겨보려고 한다. [회고] AI 프로젝트 2. 실시간 이미지 합성 서비스- 프로그래밍도 모르는 내가 딥러닝?이번에 첫번째 소개할 프로젝트는 2022년에 진행했던 추천 시스템 서비스이다.❝ 넷플릭스, 왓챠, 디즈니+... 대체 오늘은 뭘 봐야 하지? ❞코로나 시대에 자신의 취향에 따라서 OTT를 2~3개쯤은 구독하거나 콘텐츠에 따라서 OTT 유목민 생활을 하는 게 당연했었다. 당시에 오징어 게임 1 이 나오면서 신규 설치자가 월평균 대비 2배 이상 증가 했었었고 또, 피클 플러스와 같이 구독 공유 중개 플랫폼..

Light GBM(Light Gradient Boosting Machine) 데이터 분야로 공부하면서 Light GBM이라는 모델 이름을 들어보셨을 겁니다. 특히 캐글에서는 여러 개의 유명한 알고리즘들이 상위권에서 주로 사용되고 있습니다. 그중 하나가 Light GBM이고 이번에 Light GBM에 대한 핵심적인 특징과 설치방법, 사용방법과 파라미터와 같은 핵심만 소개하겠습니다. 그리고 사용방법을 익히고 나서 하이퍼파라미터를 과적합이나 속도 향상을 위해서 무엇을 어떻게 조절하는지를 최하단에 소개하겠습니다. Boosting 머신러닝 앙상블 중 하나로 무작위 선택보다 성능이 약간 좋은 weak learner를 순차적으로 결합하여 높은 성능의 모델을 만들어 내는 방식입니다. Light GBM Gradient ..

A Chat with Andrew on MLOps: From Model-centric to Data-centric AI 이번 플로그 포스팅에서 간단하게 영상을 요약해보았으나 1시간 정도의 내용으로 인공지능에 관심있는 사람이라면 꼭 듣기를 추천드립니다. A Chat with Andrew on MLOps: From Model-centric to Data-centric AI by Andre Ng Model-centric vs Data-centric 모델 중심의 생각(Model centric view) 데이터 중심의 생각(Data centric view) - 수집가능한 데이터를 모으고 데이터의 노이즈를 잘 이겨내는 좋은 모델을 만들어 낸다. - 데이터의 일관성이 제일 중요하다. 데이터의 질을 유지할 수있는 툴 ..

3. Collaborative Filtering(협업 필터링) ‘사람들이 과거에 좋아했던 것들이 크게 변하지 않아서 미래에도 비슷한 것들을 좋아할 것이다.’라는 가정을 전제로 한다. 동시에 유저와 아이템 간의 유사도를 이용해서 추천한다. 추천할 유저와 비슷한 유저들의 데이터 기반으로 추천한다. 이전의 content-based filtering처럼 직접 특성을 엔지니어링 하지 않고 모델이 자동으로 학습한다. (1) 종류 memory based 방식 사용자 평가 데이터를 사용하여 사용자 또는 항목 간의 유사성을 계산 종류 : user-based, item-based 알고리즘:KNN Model based 방식 평가되지 않은 항목에 대한 사용자의 평가를 예측하는 다양한 데이터 마이닝, 기계학습 알고리즘을 사용 ..

2. Content-based Filtering(콘텐츠 기반 필터링) 유저가 좋아하는 아이템의 특성을 기반으로 유사한 아이템을 추천해준다. 예를 들여 영화에서도 유사한 장르나 줄거리를 추천해 줄 수 있다. 특성: 이전의 기록(구매 기록, 검색 기록 등), 명시적인 피드백(좋아요, 싫어요, 위시리스트) (1) 유사도 구글 플레이스토어를 예시를 들어보겠습니다. 특성 행렬(feature matrix)에서 행은 아이템인 앱, 각 열은 특성을 나타낸다. 해당 앱의 특성은 카테고리, 앱 개발자 등의 특성이 있는데 여기에서는 앱의 카테고리로 정하였다. 가정: 단순화 하기 위해서 해당 특성 행렬은 0과 0이 아닌 값 만 갖는 이진 값으로 이루어졌다. 0은 해당 특성에 속하지 않는 것이고 0이 아닌 값은 해당 특성에 속..