# Machine_Learning Continual Learning: 꾸준히 성장하는 모델을 만들기 위한 기술 Continual Learning은 지속적으로 들어오는 데이터 스트림을 학습하기 위한 방법입니다. 데이터가 지속적으로 주어짐에 따라 데이터의 분포 혹은 데이터가 다루는 태스크가 변화하고, 모델은 현재 주어진 데이터를 학습할 때 기존에 배운 지식을 일부... 서상우, 송제인 | 2022년 07월 20일
# Engineering # Machine_Learning AWS Inferentia 를 이용한 모델 서빙 비용 최적화: 모델 서버 비용 2배 줄이기 1탄 머신러닝 엔지니어링(MLE)팀에서는 제품에 사용되는 여러 딥러닝 모델을 최대한 낮은 지연 시간과 적은 비용으로 서빙하기 위해서 여러 하드웨어 및 소프트웨어 최적화 기법을 실험해보고 실제 프로덕트에 적용하고 있습니다. 높은 수준으로 최적화된 모델... 김준성, 오혜린 | 2022년 07월 13일
# Engineering 개발자를 위한 AWS 클라우드 보안 (3) - 인프라 보안과 사고 대응 핑퐁팀에서 AWS 보안 강화를 위해 작업했던 내용을 AWS Well-Architected Framework와 함께 소개하는 마지막 글로, 인프라 보안 영역과 사고 대응 영역을 소개하려고 합니다. 이전 내용이 궁금하신 분들은 1편과 2편에서 확인하실 수... 김성훈, 이성찬 | 2022년 07월 06일
# Machine_Learning ACL 2022 Review 올해로 60회를 맞은 Annual Meeting of the Association for Computational Linguistics (ACL)는 자연어 처리 분야 최고의 국제 컨퍼런스로서 최신 NLP 연구들이 발표되는 행사입니다. 엔데믹 상황으로 접어들면서 올해 ACL은 오프라인과 온라인에서... 이주홍 | 2022년 06월 16일
# Machine_Learning # Engineering Apache Beam으로 머신러닝 데이터 파이프라인 구축하기 2편 - 개발 및 최적화 지난 글에서는 핑퐁팀이 어떻게 Apache Beam을 도입하였는지를 설명드렸어요! 이번 글에서는 본격적으로 유지보수성을 높이면서 어떻게 머신러닝 데이터 파이프라인을 개발하였는지 차근차근 설명해 드릴게요. 😄 김성환, 홍승환 | 2022년 06월 09일
# Engineering 개발자를 위한 AWS 클라우드 보안 (2) - 로깅 및 모니터링과 데이터 보호 지난 글에 이어 이번 글에서는 로깅 및 모니터링 영역과 데이터 보호 영역에 대해 살펴보겠습니다. 이성찬, 김성훈 | 2022년 06월 03일
# Machine_Learning # Engineering Apache Beam으로 머신러닝 데이터 파이프라인 구축하기 1편 - 도입과 사용 핑퐁팀은 Apache Beam을 사용하여 사용자 데이터의 가명처리, 대규모 데이터 정제, 임베딩 벡터를 사용한 데이터 샘플링과 TFRecord 변환에 이르는 다양한 작업을 처리하고 있습니다. 핑퐁팀이 왜 Apache Beam을 사용하는지, 어떻게 사용하는지 자세하게... 홍승환, 김성환 | 2022년 05월 25일
# Machine_Learning 알라꿍달라꿍의 대화요약 이모저모 저(박상준), 최기원, 오혜린 셋은 작년에 열렸던 2021 한국어 음성·자연어 인공지능 경진대회에 함께 팀을 이뤄 대화요약 부문에 참가했습니다. 회사에서 공식적으로 참가한 건 아니지만 자주 보면서 이야기를 나눠야 하다 보니 자연스레 회사... 박상준 | 2022년 05월 25일
# Engineering 개발자를 위한 AWS 클라우드 보안 (1) - 클라우드 설계 원칙과 IAM 스캐터랩에서는 루다를 비롯한 회사의 서비스를 배포하고 운영하기 위해 AWS를 사용하고 있습니다. 컴퓨팅, 네트워크 장비를 직접 구매해서 모든 것을 세팅할 필요 없이, 클라우드에서 인프라 구축, 자동 스케일링, 네트워크, DNS 구성 등을... 이성찬 | 2022년 05월 13일
# Machine_Learning # Engineering TensorFlow Custom Op으로 데이터 변환 최적화하기 핑퐁팀에서는 모델 학습의 효율성을 위해 자주 TFRecord를 생성합니다. 하지만 정제할 데이터가 많은 경우에는 변환이 느려지고, 속도 최적화가 필요합니다. 이 때의 병목점을 Custom Op으로 교체하면 처리 속도를 매우 빠르게 만들 수... 정욱재, 홍승환 | 2021년 01월 06일
