Getting better

• 

  [자격증] AIFB AICE Associate 합격 후기 💡 AIFB 란 (최근 AICE 로 명칭이 바뀌었다) AIFB 자격 시험은 기업 AI 실무 역량을 검정하는 민간자격 시험으로 KT 와 한국표준협회가 공동으로 주관하는 시험에 해당한다. 자격 시험에는 3가지 트랙 중 하나를 선택해 응시할 수 있는데, 필자는 Basic , Associate, Professional 중 Associate 시험에 응시했다. 시험에 대한 자세한 내용과 설명은 아래 링크를 참고하면 큰 도움이 될 것 같다. https://aifb.kt.co.kr/certi/mainSub AIFB aifb.kt.co.kr https://contents.premium.naver.com/maekyung/jobschool/contents/220307173301411Fg 토익, 한국사도 아닌 AI 실무자격인.. 2022.08.02

• 

  [Blog] DeepAR: Mastering Time-Series Forecasting with Deep Learning https://medium.com/towards-data-science/deepar-mastering-time-series-forecasting-with-deep-learning-bc717771ce85 DeepAR: Mastering Time-Series Forecasting with Deep Learning Amazon’s autoregressive deep network towardsdatascience.com 👀 Summary ▸ DeepAR : Amazon's autoregressive deep network (work on multiple time series) • first successful model to combine Deep learning with traditional Probabil.. 2023.02.07

• 

  [CS224W] NetworkX , pytorch geometric Tutorial 1️⃣ NetworkX Tutorial 🔹 NetworkX https://networkx.org/ NetworkX — NetworkX documentation NetworkX is a Python package for the creation, manipulation, and study of the structure, dynamics, and functions of complex networks. networkx.org • Software for complex networks • 정형, 비정형 데이터를 네트워크에 입력할 수 있다. • 다양한 유형의 네트워크를 생성할 수 있다. • analyze network structure, build network models, design new network alg.. 2022.10.07

• 

  NER 실습 📌 필사 자료 링크 : https://colab.research.google.com/drive/1wsD4VE-GIwn6CASc7RWk3s0PO7FC9LC4?usp=sharing week4_NER_실습.ipynb Colaboratory notebook colab.research.google.com NER _ 개체명 인식 ✔ 태깅 작업 태깅 : 각 단어가 어떤 유형에 속하는지 알아내는 작업 대표적인 태깅 작업으로 개체명 인식과 품사태깅이 있다. 품사태깅 : 단어의 품사가 명사, 동사, 형용사 인지 알아내는 작업 ✔ 개체명 인식 개체명 인식을 사용하면 코퍼스로부터 어떤 단어가 사람, 장소, 조직 등을 의미하는 단어인지를 찾을 수 있다. '호비는 2022년에 카카오 인턴에 합격했다' 👉 호비 - 사람 , 202.. 2022.06.02

• 

  [Causal ML] Causal inference 고려대 산공 세미나 내용정리 • 본문 내용에 대한 출처 ① 상관관계와 인과관계 ◯ 상관관계와 인과관계 • 상관관계 : 통계적 변수와 다른 변수들이 covariance (공변) 하는 관계 ⇨ 예측 목적 • 인과관계 : 선행하는 한 변수가 후행하는 다른 변수의 원인이 되고 있다고 믿어지는 관계 ⇨ 원인설명 목적 • AI 는 데이터의 상관관계 패턴을 학습한다. 외부 환경에 따른 데이터의 변화나 패턴 변화가 적은 분야에서는 상관관계를 학습하는 것만으로도 성능이 뛰어나다 (NLP, vision, collaboration filtering) • 그러나 왜 그러한 결과가 나왔는지에 대해서는 설명하지 못한다. ◯ 예시 • 구독갱신여부를 예측하는 모델링을 진행한 후 SHAP 기반의 변수 중요도를 그려본 그림은 아래와 같다. 광고지출, 버그 리포트,.. 2023.05.07