002 AI 프로젝트의 전체 과정: 문제 정의에서 서비스 운영까지

AI STUDY NOTESFOUNDATIONS / 002AI 입문 · 프로젝트 설계 · 면접 준비AI 프로젝트의 전체 과정문제 정의에서 서비스 운영까지모델의 점수가 높아도 프로젝트는 실패할 수 있다. 누구의 어떤 문제를 줄일 것인지부터 출발하자.연재 002 / 193 · 작성일 2026. 09. 27.학교 도서관에 하루 수백 건의 문의가 들어온다고 하자. “AI 챗봇을 만들자”는 제안은 그럴듯하지만, 아직 풀어야 할 문제가 분명하지 않다. 담당자의 반복 작업을 줄이려는 것인지, 야간에도 답변하려는 것인지, 문의를 알맞은 부서에 배정하려는 것인지에 따라 필요한 데이터와 평가 방법이 달라진다.이번 글에서는 도서관 문의를 담당 부서로 분류하는 서비스를 가상의 사례로 삼아 프로젝트를 처음부터 따라가 본다. 제시..

  • format_list_bulleted AI기본지식
  • · 2026. 9. 27.
  • textsms

001 AI의 큰 그림: AI·머신러닝·딥러닝과 네 가지 학습 방식출처

AI STUDY NOTESFOUNDATIONS / 001AI 입문 · 개념 정리 · 면접 준비AI의 큰 그림AI·머신러닝·딥러닝과네 가지 학습 방식용어를 외우기 전에 두 가지를 구분하자.어떤 기술을 쓰는가, 그리고 무엇을 보고 배우는가.연재 001 / 193 · 선수 지식 없음 · 작성일 2026. 09. 27.“딥러닝으로 만든 생성형 AI가 자기지도학습을 한다.” 처음 들으면 비슷한 말을 반복하는 것처럼 느껴진다. 하지만 이 문장에는 서로 다른 질문의 답이 들어 있다. 딥러닝은 모델을 만드는 방법을, 생성형 AI는 만들어 내는 결과물의 성격을, 자기지도학습은 학습에 사용할 정답을 어디서 얻는지를 말한다.이 구분을 잡아 두면 새로운 모델이나 서비스를 만났을 때도 이름에 휘둘리지 않고 구조를 파악할 수 있..

  • format_list_bulleted AI기본지식
  • · 2026. 9. 27.
  • textsms
[Vision AI] 정답(Ground Truth)이 없을 때 화질을 평가하는 방법: BRISQUE, NIQE, PIQE 그리고 MRI super-resolution 적용기

[Vision AI] 정답(Ground Truth)이 없을 때 화질을 평가하는 방법: BRISQUE, NIQE, PIQE 그리고 MRI super-resolution 적용기

Super-Resolution(SR)이나 생성형 AI 모델을 개발하다 보면 반드시 부딪히는 거대한 벽이 하나 있습니다. 바로 "정답(Ground Truth, HR)이 없을 때 내 모델의 성능을 어떻게 증명할 것인가?"입니다. PSNR이나 SSIM, LPIPS 같은 훌륭한 지표들이 있지만, 이들은 모두 완벽한 원본 이미지(Reference)를 필요로 합니다. 하지만 의료영상을 복원하는 연구처럼 애초에 고해상도(HR) 데이터가 존재하지 않는 도메인에서는 어떨까요? 이때 우리의 구원투수가 되어주는 것이 바로 무참조 화질 평가(No-Reference Image Quality Assessment, NR-IQA) 지표인 BRISQUE, NIQE, PIQE입니다. 오늘은 이 세 가지 지표의 본질적인 개념과 계산 방식..

  • format_list_bulleted 의료AI/딥러닝
  • · 2026. 9. 1.
  • textsms
🚀 AI 시대의 심장, 반도체 완벽 가이드: HBM부터 SSD까지

🚀 AI 시대의 심장, 반도체 완벽 가이드: HBM부터 SSD까지

최근 엔비디아(NVIDIA)와 AMD 같은 글로벌 AI 거물들이 삼성전자와 SK하이닉스 문턱이 닳도록 찾아오는 이유가 바로 여기에 있습니다. 인공지능 연산의 핵심인 GPU가 제 실력을 발휘하려면, 데이터를 빛의 속도로 실어 나르는 고성능 메모리 반도체가 필수적이기 때문이죠. 하지만 뉴스에서 연일 쏟아지는 HBM, DRAM, 낸드플래시... 이런 용어들, 들어는 봤지만 정확히 무엇이 다르고 왜 중요한지 헷갈리지는 않으셨나요? 그래서 오늘은 AI 시대를 이해하기 위해 반드시 알아야 할 반도체 핵심 용어를 아주 쉽게 정리해 드리려 합니다. 이 글만 읽으셔도 앞으로의 테크 뉴스가 훨씬 선명하게 들리실 거예요. 지금 바로 시작합니다! 1. DRAMDRAM(Dynamic RAM)은 컴퓨터가 현재 하고 있는 일을..

  • format_list_bulleted 기타
  • · 2026. 3. 19.
  • textsms
#3 local에서 돌린 medvit 결과

#3 local에서 돌린 medvit 결과

medvit을 backbone으로 tuberculosis 분류 모델 만들었는데open dataset의 class 불균형 때문인지normal은 기가 막히게 잘 맞추는데 tuberculosis는 accuracy가 낮다 tuberculosis가 유독 cxr이미지가 노이즈가 많아서 그런것 같기도하고임상의가 아닌 나는 cxr만 보고 구분이 어렵다CAM 도대체 뭘보고 구분하는지 정말 모르겠다이상하게 tuberculosis는 팔을 많이본단 말이지,, 데이터가 tuberculosis는 팔이 많이 찍혀있나 보다어렵다... ㅎㅎ cxr lung segmentation foundation model이 있을줄 알았는데 없다 허허medsam2를 backbone으로 cxr lung seg mask있는 data를 학습시켜서 사용해..

  • format_list_bulleted 경험기록/2026AI챌린지
  • · 2026. 1. 29.
  • textsms

#2 mssql 쿼리문을 gemini없이 작성하시오

복붙도 안되는 환경

  • format_list_bulleted 경험기록/2026AI챌린지
  • · 2026. 1. 29.
  • textsms