AI와 예술 창작 - AI 그림이라는 진지한 취미
김재인 교수님의 주선으로 AI를 도구로 예술을 하는 분들과 같은 자리에 섰습니다. 내가 끼어도 되는 걸까 싶은 걱정과 이런 분들과 함께 한다는 기대가 공존했습니다. 말이 토론이었지 오가는 말씀 속에서 많이 배우고 시야가 크게 넒어지는 느낌을 받았습니다. 1. 발표 전1.1. 김재인 교수님 김재인 교수님 블로그youtube: 기술은 예술의 자원일까? 위협
Tag: presentation
인공지능을 활용한 슬기로운 연구생활
서울대학교 응용물리연구소의 초청을 받아 대학원생 대상 강의를 드렸습니다. 생성 AI를 이용한 연구 활용 강의지만, 평소보다 오용에 대한 주의를 몇배 더 강하게 드렸습니다. 연구를 업으로 삼아야 하는 분들입니다. 기술은 바뀌더라도 남을 마인드가 중요하다고 생각했습니다. 인공지능을 활용한 슬기로운 연구생활 강의자료 다운로드 (219 pages) 기존 발
태재미래교육포럼 - 실용적 AI 업무 활용 방안
“교육의 미래: 사라지는 것과 생겨나는 것”이라는 주제로 태재미래교육포럼이 열렸습니다. 교육에 대해 고민하는 많은 연사들의 발표 가운데, 저도 평소의 고민을 담아 한 말씀을 드렸습니다. “안경을 쓴다고 눈이 좋아지지 않듯, AI를 쓴다고 스스로의 역량이 강화되지 않습니다. 별도의 노력이 필요합니다.” 실용적 AI 업무 활용 방안 ancient origi
인공지능소사이어티 - 연구활용 실전 LLMs
contributor : the better 커뮤니티 박준님 한국정보과학회 AI Society에서 The AI Korea 2024 행사를 열었습니다. 8/19~20 양일간 진행된 행사 중 패턴인식 기계학습 강연을 요청받아 90분간 발표를 드렸습니다. 실제 연구에 사용하는 GPT의 조금은 고급 기술을 적용한 사례들을 공유드렸습니다. 한국정보과학회 A
INNOPOLIS SPACE-S Meet-up Day AI를 활용한 논문작성법
지난 8월 13일 대전에 위치한 INNOPOLIS SPACE-S에서 열린 Meet-up Day에서 발표를 드렸습니다. AI를 활용한 논문 작성법이라는 제목으로 여러 도구를 소개해드리는 재능기부 강연이었습니다. 유튜브 업데이트가 늦어 (2024.10.23.) 다소 늦은 감이 있지만 지금이라도 공유드립니다.
연구소의 문헌분석 기술 활용
2022년 12월 13일 모두의 연구소 초청으로 MODUPOP 강연을 했습니다. 몸담고 있는 연구원에서 적용하고 있는 문헌분석 기술을 공유드렸습니다. 짧은 시간에 압축해서 전달드린터라 세부 기술보다는 적용처 중심으로 봐주시면 감사하겠습니다. 저녁 7시부터 시작된 강의였고, 비와 눈으로 날씨가 많이 나쁜 날이었습니다. 귀중한 시간을 내서 온라인, 오프라인
Deep Learning by Open API
한국에너지기술연구원 AI 학습조직에서는 2022년 한 해동안 머신러닝을 공부하고 있습니다. 이번에는 직접 하는 코딩을 벗어나 공개된 딥러닝 모델을 사용하는 방법을 알아봅니다. 영상과 자연어 처리를 중심으로 OpenAI에서 제공하는 여러 모델이 있습니다. 강의실 예약 시간 문제로 마무리가 매끄럽지 못했습니다. 요약본이 번역되다 만 문제는 max_tokens
딥러닝 공개 모델 활용 정보 수집 효율화
한국전자통신연구원 오픈소스센터가 주축이 되어 ETRI Open Source Tech Day가 열렸습니다. 과학기술정보통신부가 주최하고 한국전자통신연구원, 한국과학기술정보연구원, 한국식품연구원, 한국에너지기술연구원, 한국원자력연구원, 한국화학연구원, 한국항공우주연구원이 공동 주관했습니다. 2021년 내가 해온 연구에 데이터 분석 끼얹기라는 제목으로
gaussian process
한국에너지기술연구원 AI 학습조직에서는 2022년 한 해동안 머신러닝을 공부하고 있습니다. 실험을 계획하고 최적 실험 조건을 탐색하는 방법들을 살펴봅니다. 전통적인 실험계획법(design of experiment), 반응표면법(response surface method)을 살펴보고, 효과적인 실험 설계를 도와주는 Gaussian Process와 이 바탕에
nonlinear models
한국에너지기술연구원 AI 학습조직에서는 2022년 한 해동안 머신러닝을 공부하고 있습니다. 이번 시간에는 가장 기초가 되는 선형 모델과 함께 위한 비선형 모델을 소개했습니다. 대부분의 데이터가 비선형이기 때문에 선형의 한계를 벗어나기 위해 다항변환과 커널을 이용합니다. 강의에서 하나를 빼먹었는데요, PCA는 데이터 값의 영향을 크게 받기 때문에 Stand