#딥러닝 — Public Fediverse posts

#UbuCon Korea 2026 릴레이 #주제 소개 2탄!
발표가 망설여진다면?
지난 발표 사례와 함께 확인해 보세요.

🤖 인공지능과 에이전트

#Ubuntu 를 활용한 #빅데이터 분석, #기계학습, #딥러닝 과 같은 심도 있는 주제부터, 최근 트렌드로 떠오르는 #인공지능 #에이전트 까지!
AI로 더 편리하게 개발 또는 활용하는 이야기를 들려주세요.

지난해에는 이규석 님께서 WSL의 GPU 병렬 활용을 발표해 주셨습니다 :)

#UbuCon Korea 2026 릴레이 #주제 소개 2탄!
발표가 망설여진다면?
지난 발표 사례와 함께 확인해 보세요.

🤖 인공지능과 에이전트

#Ubuntu 를 활용한 #빅데이터 분석, #기계학습, #딥러닝 과 같은 심도 있는 주제부터, 최근 트렌드로 떠오르는 #인공지능 #에이전트 까지!
AI로 더 편리하게 개발 또는 활용하는 이야기를 들려주세요.

지난해에는 이규석 님께서 WSL의 GPU 병렬 활용을 발표해 주셨습니다 :)

#UbuCon Korea 2026 릴레이 #주제 소개 2탄!
발표가 망설여진다면?
지난 발표 사례와 함께 확인해 보세요.

🤖 인공지능과 에이전트

#Ubuntu 를 활용한 #빅데이터 분석, #기계학습, #딥러닝 과 같은 심도 있는 주제부터, 최근 트렌드로 떠오르는 #인공지능 #에이전트 까지!
AI로 더 편리하게 개발 또는 활용하는 이야기를 들려주세요.

지난해에는 이규석 님께서 WSL의 GPU 병렬 활용을 발표해 주셨습니다 :)

#UbuCon Korea 2026 릴레이 #주제 소개 2탄!
발표가 망설여진다면?
지난 발표 사례와 함께 확인해 보세요.

🤖 인공지능과 에이전트

#Ubuntu 를 활용한 #빅데이터 분석, #기계학습, #딥러닝 과 같은 심도 있는 주제부터, 최근 트렌드로 떠오르는 #인공지능 #에이전트 까지!
AI로 더 편리하게 개발 또는 활용하는 이야기를 들려주세요.

지난해에는 이규석 님께서 WSL의 GPU 병렬 활용을 발표해 주셨습니다 :)

특히 최근에는 #인공지능 (AI) 분야에도 주목하고 있어, #생성형AI, #머신러닝, #딥러닝, #LLM 엔지니어링, #MLOps 등 최신 AI 기술을 다룬 실무 중심의 도서를 다수 출간하고 있습니다. 이를 통해 AI 시대를 살아가는 개발자와 IT 실무자들이 기술 흐름에 뒤처지지 않고 역량을 강화할 수 있도록
3/4

특히 최근에는 #인공지능 (AI) 분야에도 주목하고 있어, #생성형AI, #머신러닝, #딥러닝, #LLM 엔지니어링, #MLOps 등 최신 AI 기술을 다룬 실무 중심의 도서를 다수 출간하고 있습니다. 이를 통해 AI 시대를 살아가는 개발자와 IT 실무자들이 기술 흐름에 뒤처지지 않고 역량을 강화할 수 있도록
3/4

특히 최근에는 #인공지능 (AI) 분야에도 주목하고 있어, #생성형AI, #머신러닝, #딥러닝, #LLM 엔지니어링, #MLOps 등 최신 AI 기술을 다룬 실무 중심의 도서를 다수 출간하고 있습니다. 이를 통해 AI 시대를 살아가는 개발자와 IT 실무자들이 기술 흐름에 뒤처지지 않고 역량을 강화할 수 있도록
3/4

특히 최근에는 #인공지능 (AI) 분야에도 주목하고 있어, #생성형AI, #머신러닝, #딥러닝, #LLM 엔지니어링, #MLOps 등 최신 AI 기술을 다룬 실무 중심의 도서를 다수 출간하고 있습니다. 이를 통해 AI 시대를 살아가는 개발자와 IT 실무자들이 기술 흐름에 뒤처지지 않고 역량을 강화할 수 있도록
3/4

최근 #AI 연구들 나오는게 패턴이 다 거기서 거기라 (개개의 의미있음과는 별개로) 좀 식상한감이 없잖았는데.. 간만에 진짜 재밌는 논문을 하나 읽었습니다. ACL 2023에 발표된 논문인 것 같은데 인사이트가 매우 근사하네요.

전문: https://aclanthology.org/2023.findings-acl.426.pdf

저자들은 굉장히 단순한 #kNN (k-최근접 이웃) 알고리즘을 써서 #딥러닝 + #트랜스포머 기반의 모델들을 (특히 기존의 sota였던 #BERT 를) 능가하는 텍스트 분류 모델을 만들어 냈습니다. 그 아이디어가 진짜 기가 막힌데.. 압축 알고리즘을 핵심 거리측도로 사용했네요.

이게 뭔말이냐면
: 텍스트 A만 압축 → 별도로 A와 B를 같이 압축 → 사이즈가 비슷할수록 A와 B는 '가깝다'!

구현도 이해도 무척 직관적입니다. 그리고 *당연히* 딥러닝보다 훨씬 리소스를 덜먹습니다. 요즘 기준으로 BERT가 그리 무거운 모델은 아닙니다만 대규모 분류작업이 줄 이점을 생각하면 이 연구의 시사점은 큽니다.

먼저 한상곤님의 "#머신러닝 #딥러닝 개발자 연구자에게 필요한 개발 연구 환경" 발표 녹화 영상입니다. https://www.youtube.com/watch?v=epPs9PzSV6A

먼저 한상곤님의 "#머신러닝 #딥러닝 개발자 연구자에게 필요한 개발 연구 환경" 발표 녹화 영상입니다. https://www.youtube.com/watch?v=epPs9PzSV6A

먼저 한상곤님의 "#머신러닝 #딥러닝 개발자 연구자에게 필요한 개발 연구 환경" 발표 녹화 영상입니다. https://www.youtube.com/watch?v=epPs9PzSV6A