Velog에 종종 개발과 관련된 글을 올리던 중,나만의 특색있는 기술 블로그를 만들고 싶어 티스토리 블로그를 만들게 되었습니다. 블로그 이름처럼 TIL(Today I Learned)을 잘 기록하겠다는 목표와 함께 시작합니다!첫째, 무조건 많은 양의 지식을 적는 것이 아니라, 나에게 의미 있는 지식과 문제 해결 과정을 적습니다.둘째, 꾸준히 나의 개발 로그를 남기고, 제목은 주제를 명확하게 전달하도록 작성합니다.셋째, 즐거운 마음으로 작성합니다.

AI 커리어업 프로그램 참여시에서 기획한 AI 특강 프로그램에 참여하기로 했다. 3일 동안 표에 있는 주제로 온라인, 오프라인 교육을 병행한다. 첫 번째 교육 'AI 리터러시'에 대해 정선미 강사님의 자료를 바탕으로 리뷰하려고 한다. *이 글은 저작권자의 허락을 받은 후 작성되었습니다.AI 리터러시(AI Literacy)는 무엇을 의미할까?1. 비판적으로 AI 기술을 평가한다.2. AI와 효과적으로 소통하고 함께 일한다.3. 온라인, 집, 직장에서 AI 툴을 활용한다. [1]AI 리터러시는 AI의 기본 이론 및 개발과 관련된 전문가가 되는 것이 아닌, AI 제품을 능숙하고 합리적으로 사용하는 역량을 갖추는 것. [2]비판적으로 AI 기술을 평가할 때 기본적인 질문 3가지1. AI가 만들어낸 이 콘텐츠가 ..

학습 목적ML 논문의 실험 재현에 대해 탐색하던 중, MLOps가 재현성을 개선할 수 있다는 내용을 보았다. 실험 및 배포 이상의 기능을 가지고 있어 내가 시도하려는 '재현' 자체보다는 멀리 가는 것 같기도 하다. 하지만 알아두면 좋을 툴인거 같아서, 튜토리얼 영상을 간단히 정리해보기로 했다.MLOps는 머신 러닝 엔지니어링의 핵심 기능으로, ML 모델을 프로덕션 환경에 배포한 후 모니터링 및 유지 관리하는 프로세스를 간소화하는 데 중점을 둔다. 학습 콘텐츠MLOps 도구 중 하나인 MLFlow에 대한 강의이다. 총 5강으로 짧게 구성되어 있다. 다양한 튜토리얼 영상들 중 이것을 고른 이유는 마지막 강의의 GCP에서 MLFlow 서버를 셋업하는 내용이 궁금했기 때문이다.https://youtu.be/v1..

학습 소감cs231n에서 CNN 아키텍처를 매우 자세히 다루었다면, cs236에서는 최신 생성형 모델과 확률적 모델링 방법을 주로 다루었다. 마지막 강의까지 듣고 나니, 첫 번째 강의에 나온 pdata와 pθ 이야기는 강의에서 소개된 다양한 모델을 최대로 일반화한 모습이라고 느껴진다. Variational Autoencoders, Generative Adversarial Network, Energy Based Model, Score Based Model, Diffusion Model 등 중요한 모델의 주요 개념과 수학적 배경을 알아볼 수 있어서 유용했다. 중요한 내용을 꽉꽉 눌러 담은 강의였다. 이제 곧 학부 졸업을 앞두고 있는데, 학교 강의처럼 누가 떠먹여 주지 않아도 이러한 양질의 강의 또는 자료를..

어떤 논문의 Preliminary 부분을 읽다가 Diffusion model에서 중요한 수식이 일부 요약된 것을 보았다.그 부분을 보다가 Forward process와 Reverse process가 무엇인지 말로는 아는데, 구체적인 수식과 손실함수 계산 방식에 대해 잘 모르고 있다는 걸 깨달았다. Diffusion model 논문을 혼자 잘 이해하면 좋겠지만, 나는 이것을 잘 이해하고 있는 사람의 설명이 필요하다고 느꼈다.그래서 유튜브 영상을 보며, 핵심 내용을 정리해보았다. 수식 전개에서 생략된 부분이나 원리를 설명해주셔서 이해에 도움이 되었다. 영상을 따라 간단하게 정리했으니, 다음에는 논문을 통해 더 꼼꼼히 봐야겠다. 참고한 유튜브 영상, 디퓨젼 수식을 정리한 사이트, 논문 정보는 다음과 같다.h..

💛 송수신 데이터 목록 정리Flutter 앱에서 Lambda 함수로 전달할 데이터, DB 조회 후 람다 함수가 Flutter 앱으로 전달할 데이터 목록을 엑셀로 정리하였다. 아래는 초안 파일이고, 개발하면서 변동이 조금씩 있을 것이다. 플러터 앱 화면, 람다 함수명, 교환할 데이터 종류, 람다 함수에 연결된 API Gateway URL 등 목록을 빠짐없이 잘 정리하기 위해, 문서화하기로 했다. 본인용 앱과 보호자용 앱 각각에 20개 이상(총 40개 이상)의 람다 함수를 만들어야 한다. 데이터가 많이 중복되는 케이스이면 람다 함수를 몇 개씩 통합할 계획도 있다. 구현하기 전에 DB를 생성하는 SQL 문을 싹 점검하고 수정했다. 그리고 모든 테이블에 mock data를 INSERT 하는 쿼리도 실행했다. ..

지난 포스팅에서 IoT Core에 라즈베리파이를 등록하고 보안 규칙을 설정하는 방법에 대해 알아보았다. 이번 포스팅에서는 먼저 간단한 코드로 MQTT 통신을 테스트한다. 이어서 라즈베리파이가 초음파 거리 측정 센서 데이터 Publish하면 AWS IoT Core가 Subscribe 하는 것을 구현한다.MQTT 통신 테스트먼저 라즈베리파이에 mqtt 모듈을 설치한다.npm install mqtt -save 설정 페이지에서 디바이스 엔드포인트를 복사한다. 이 값은 MQTT 통신 테스트용 코드에 사용할 부분이 있다. MQTT 테스트 클라이언트 페이지에 접속한다. 토픽의 이름을 작성하고, 구독 버튼을 클릭한다. 라즈베리파이에서 아래 명령어로 테스트용 코드를 실행하였다. 콘솔에 Connected! 가 출력되고, ..