이번 글은 글또 8기에서 진행하는 DevOps 스터디에서 발표한 내용을 정리한 글입니다.
글에서는 컨테이너 오케스트레이션과 쿠버네티스에 대한 개요를 간단히 소개하였으며, Kompose를 사용하여 Docker Compose 파일을 쿠버네티스 매니페스트로 변환하는 방법과 Minikube를 활용하여 로컬 환경에서 쿠버네티스 클러스터를 실행하고 매니페스트를 배포하는 방법을 정리하였습니다. 이후의 포스팅에서는 실제로 로컬 환경에서 쿠버네티스 클러스터를 구성하고, 가능하다면 대시보드를 추가하는 방법에 대해서도 다룰 예정입니다. 앞으로의 글에서는 더욱 실질적인 쿠버네티스 활용과 관련된 내용을 다루도록 하겠습니다.

이번 포스팅에서는 python을 이용한 테스트 코드를 작성하는 방법 중 pytest를 이용해서 테스트 코드를 작성하는 방법에 대해 알아보고자 합니다. 더 나아가 Copilot와 ChatGPT API를 이용해서 테스트 코드 작성하는데 도움을 얻는 방법도 알아 보고자 합니다.
이런 방법을 알아보기 전에 DevOps를 위한 Pytest 챕터를 스터디하고 정리한 개념적인 내용에 대해 한번 알아보도록 하겠습니다.

DPM (Diffusion Probabilistic Models)

• 이미지나 비디오 데이터에 랜덤한 노이즈를 더한 후 이를 제거하는 과정을 학습하는 모델입니다. 이를 위해 DPM은 Forward process와 Reverse process 과정을 사용합니다.
• forward process (diffusion process): data에 noise를 추가하는 과정으로 Markov Chain을 통해 점진적으로 노이즈를 더해갑니다. 이 과정에서 노이즈 텀의 분포는 가우시안 분포(Gaussian Distribution)를 다르며 노이즈의 크기는 시간에 따라 점차 감소합니다.
• reverse process : 가우시안 분포에서 시작하여 점진적으로 노이즈를 제거해가는 과정입니다.

한빛 미디어 서평단 활동의 일환으로 책을 제공 받고 작성된 리뷰입니다.

의료 AI 스타트업에 인턴으로 입사

석사 과정 3학기 때 어서 실무 경험을 해보고 싶다는 마음 하나로 졸업 하기 전에 인턴 경험을 쌓기 위해 관심있는 회사를 알아봤다. 하지만 회사들은 대부분 인턴을 안뽑고 정규직만 뽑아 간절한 마음으로 무작정 인턴 채용 안하냐고 포트폴리오와 CV를 첨부해서 보냈다. 그 결과 몇 군데에서 연락이 왔으며 전부 다 최종 합격을 하게 되었다.

글또 7기

대학원생 때부터 시작한 글또 3기를 시작으로 4기, 5기, 6기 그리고 지금 7기까지 참여를 하게 되었다. 3기, 4기 때는 열심히 참여했지만 취업을 하고 난 후 5기, 6기 떄는 열심히 참여를 못 했던 거 같다. 그래서 이번 7기 때는 더 나은 성장을 위해, 예치금을 100% 환급받기 위해 이번 글또 7기에 참여하게 되었다.

이번 포스팅은 코엑스에서 개최된 2022 AI Expo에서 KAIST 김재철AI대학원 AI기술설명회 세미나 참석하고 간단하게 개인 의견을 포함하여 두서없이 정리한 마지막 포스팅 입니다.

✔️ 설명 가능한 인공지능 동향 [Link]
✔️ 의료 인공지능의 동향 [Link]
✔️ 생성모델 기술 동향 [Link]
✔️ Federated learning
✔️ 자기지도(self-supervised) 기반 비지도 학습 기술
✔️ 가상인간 기술

정리한 내용이 많아 글은 총 3편으로 나누어서 작성하겠습니다.

이번 포스팅은 코엑스에서 개최된 2022 AI Expo에서 KAIST 김재철AI대학원 AI기술설명회 세미나 참석하고 간단하게 개인 의견을 포함하여 두서없이 정리한 내용입니다.

✔️ 설명 가능한 인공지능 동향 [Link]
✔️ 의료 인공지능의 동향 [Link]
✔️ 생성모델 기술 동향
☐ Federated learning [Link]
☐ 자기지도(self-supervised) 기반 비지도 학습 기술 [Link]
☐ 가상인간 기술 [Link]

정리한 내용이 많아 글은 총 3편으로 나누어서 작성하겠습니다.

이번 포스팅은 코엑스에서 개최된 2022 AI Expo에서 KAIST 김재철AI대학원 AI기술설명회 세미나 참석하고 간단하게 개인 의견을 포함하여 두서없이 정리한 내용입니다.

✔️ 설명 가능한 인공지능 동향
✔️ 의료 인공지능의 동향
☐ 생성모델 기술 동향 [Link]
☐ Federated learning [Link]
☐ 자기지도(self-supervised) 기반 비지도 학습 기술 [Link]
☐ 가상인간 기술 [Link]

정리한 내용이 많아 글은 총 3편으로 나누어서 작성하겠습니다.

• 본 논문은, GAN의 Generator를 F, G로 Discriminator를 E, D로 각각 분리해서 연구를 진행했습니다.
• F에서 나온 Latent space와 E를 통해 나온 latent space가 서로 동일한 분포를 가진다고 가정을 한 상태로 연구가 진행 되었으며, F는 deterministic하게 latent space mapping이 이루어지고, G와 E는 독립적이고 이미 알려진 분포의 노이즈인 \( \eta\)를 입력으로 주어 stochastic하게 만듭니다.
• 결론적으로 Latent space의 확률 분포를 Adversarial하게 학습할 수 있는 장점이 있으며 그로 인하여 GAN과 비슷한 생성 능력을 지니고 disentangled representations을 학습 한 점을 보여주고 있습니다.