본문 바로가기

분류 전체보기

 (393)
애플이 침해한 마시모 특허, 삼성은 괜찮을까? - 혈중산소 측정방법 ”혈중산소 측정센서를 영어로 뭐라부르는지 알아요? SpO2 Sensor라고 해요. 수면무호흡증 같은 몇 안되는거 측정하자고 시계에 넣어뒀는데 이게 확! 특허에 걸려버리면 황당하잖아. 지금 내 기분이 그래. SpO2가 없네~“ 그렇다. 애플이 특허침해로 판매를 중지한 혈중산소센서는 그렇게 활용도가 높지 않음에도 ”기술력“이라는 명목으로 고사양 버전 (애플워치6 이상)에는 모두 탑재되어 있다. 그렇다면 애플이 침해한 특허는 무엇이고, 과연 삼성은 이로부터 자유로울까? 스마트워치를 차본 사람이라면, 시계 뒤편에서 초록불이 반짝이는 것을 본 적 있을테다. 이건 심박센서로, 빨간 피가 초록 빛을 흡수하기 때문에 초록색으로 설정됐다. 초록 빛의 반사율을 측정하면서 혈류를 추정하면 심박을 잴 수 있다. 혈중산소 센서..
세 번째 Tesla Optimus, Gen 2에 숨겨진 기술 (feat. 디즈니 리서치) 테슬라가 세 번째 휴머노이드, 옵티머스 2세대를 공개했다. "범블비"라는 이름의 프로토타입 (2022 9월, 보행만 겨우 가능한 수준), 외관과 제어에 조금 더 신경을 쓴 Gen 1 (2023 3월)을 거쳐 8개월 만에 공개한 로봇이다. 원본 영상은 X (옛 트위터)에만 올라와있지만, 유튜브에서도 시청은 가능하다. X의 Tesla Optimus님(@Tesla_Optimus) There’s a new bot in town 🤖 Check this out (until the very end)! https://t.co/duFdhwNe3K twitter.com 이게 다야? 하는 사람이라면 Gen 2를 통해 휴머노이드를 처음 본 사람일테다. 반면에 움직임이 자연스러운 것에 놀랐다면, 기존 Gen 1을 눈여겨 본 사..
[UChicago] 과학기술의 혁신이 주식시장에 미치는 영향 chatGPT로 시작했다고 볼 수 있는 생성형 AI에 대한 관심, Tesla로 시작한 휴머노이드에 대한 관심은 모두 관련 주식 가격의 폭발적인 성장을 가져왔다. 이런 기술 혁신들과 주식시장의 관계에 대한 연구를 2008년 시카고 대학에서 발표했다. 100 페이지 남짓한 분량으로, 논문보다는 교과서나 소책자에 가깝다고 보는 것이 더 정확한 표현인지라, 첫 두 장을 읽다가 페이지 수를 확인하고는 포기하고 말았다. 하지만 핵심만 파헤쳐보기로 했다. 봐야할 것은 단 두가지, 1. 과학기술의 혁신을 어떻게 정의하는가, 2. 과학기술의 혁신과 주식시장의 반응에는 패턴이 있는가 1. 과학기술의 혁신을 어떻게 정의하는가 가장 먼저 생각나는 방법은 논문의 피인용수이다. 머신러닝의 유행을 촉발시킨 Alex Krizhevs..
[2023 ver.] tensorflow에서 GPU를 사용하는 방법 Windows 개발 환경은 하루가 멀다 하고 바뀌기 때문에, 종이 책으로 공부하는 것은 절대로 추천하지 못한다. 심지어 인터넷 자료들조차도 라이브러리 업데이트 속도를 따라가지 못하는 경우가 허다하다. 아래 자료가 가장 최신 (2023년 11월 기준)으로, Windows 11 / Tensorflow 2.10 이하 / python 3.9 이하에서 GPU를 사용하는 방법을 정리한 것이다. pip로 TensorFlow 설치 pip로 TensorFlow 설치 Learn the latest in machine learning, generative AI, and more at WiML Symposium 2023Register 이 페이지는 Cloud Translation API를 통해 번역되었습니다. Switch to English..
[STM] 2023 ST K-Tec Conference 참가 후기 231122 ST K-TEC Conference ST에서 주최하는 제품 전시회에 참여했다. 명확한 목적은 오전 11시에 30분간 진행하는 “AI on STM32, Multiple object detection on STM32MP1”이라는 세미나였기에 오전에만 참여한 뒤 나갈 예정이었지만, 로비에 전시해둔 다른 시연제품들을 보면서도 다양한 것을 접할 수 있었다. Key speech 및 ST 주요 target markets 사실 전자장비가 들어가는 모든 영역을 target으로 잡았다고 해도 무방할 만큼 넓은 범위에서 사업소개를 했다. 빠진 산업이라고 하면 우주항공, 방산 정도가 될 것 같은데, 이렇게 다양한 산업에 적용 가능하다고 하니 왠지 모르게 심드렁해지는 기분이다. STM 보드를 조금만 써보면 버그 투..
Transformer 를 Classification/Regression에 사용하려면 어떻게 해야 할까 [2화] Transformer 이해를 하기 위해 필요한 것들 [1화] (tistory.com) Transformer 이해를 하기 위해 필요한 것들 [1화] "Attention is all you need", Transformer 모델을 처음으로 제시한 2017년 논문의 제목이다. [1706.03762] Attention Is All You Need (arxiv.org) 익살스러운 이름이지만, 2023년 11월 현재 97,503 건의 피인용수를 자랑한다. mech-literacy.tistory.com Transformer 를 통해 번역기 모듈을 만든다면 모르겠지만, Regression 혹은 Classification에 Transformer를 적용하기 위해서는 약간의 시행착오가 필요하다. Transformer의 구조..
Transformer 이해를 하기 위해 필요한 것들 [1화] "Attention is all you need", Transformer 모델을 처음으로 제시한 2017년 논문의 제목이다. [1706.03762] Attention Is All You Need (arxiv.org) 익살스러운 이름이지만, 2023년 11월 현재 97,503 건의 피인용수를 자랑한다. 저자들은 모두 구글 브레인 소속이었지만, 현재는 모두 (!) 퇴사하여 창업을 했다는 점도 인상적이다. Attention Is All You Need The dominant sequence transduction models are based on complex recurrent or convolutional neural networks in an encoder-decoder configuration. The..
IROS 2023 키워드로 보는 트렌드 정리 뒤늦었지만, IROS 2023 키워드를 정리해봤다. IROS는 intelligent robot and system이라는 제목이 뜻하듯, 로봇과 관련된 연구를 종합적으로 발표하는 학회다. 학회 리뷰는 어떤 로봇 연구가 유행하는지, 어떤 방법의 연구가 유행하는지 확인할 수 있는 좋은 방법이다. 제대로 연구 결과물을 살펴보면 더 좋겠지만, 제목만 보고 키워드를 정리해보기로 했다. 1. 학회 전체 키워드 가장 큰 것은 Control, 로봇 제어다. 나로서는 제어를 전혀 할 줄 모르기에 좀 뜨끔하지만, 역시 로봇에는 제어가 꽃이구나 (난 뭐했지?). Learning이라는 키워드는 당연하게도 눈에 띄지만 의외의 포인트는 Multi이다. Multi가 쓰이는 부분은 좀 더 파헤쳐봐야 알 수 있을 것 같다. 2. Lea..
python 활용 투자 포트폴리오 [3화: VAA 전략 구현] 강환국의 "거인의 포트폴리오"에서 소개됐던 VAA 전략을 직접 python으로 구현해보기로 했다. 책에서 소개하기로는 가장 수익률이 높은 자산 배분방법인데, 계산이 조금 까다로워 python으로 작성하려니 시간이 좀 걸렸다. VAA 전략은 아래와 같다. 글이 많아 좀 헷갈리지만, 쉽게 말하면 공격형 자산배분 (변동이 큼)과 안전자산 (변동이 작음) 으로 투자처를 나누고, 모멘텀에 따라서 어디에 투자할지 교차하는 방법이다. 책의 말에 따르면 "흐름이 좋다" 싶으면 한 투자처에 몰빵, "앗 조금 안 좋은데" 싶으면 바로 안전자산으로 꽁무니를 빼는 것과 마찬가지이다. 코드는 github에 올려뒀다. JWAlmighty/investment (github.com) GitHub - JWAlmighty/investm..
[딥러닝] 마구잡이 개발에 지쳤다면... Google, EfficientNet (2019) 딥러닝은 참 묘하다. 똑똑한 것 같으면서도 단순해서, 더 많은 정답을 알려주기만 해도 (더 많은 데이터 확보), 학습 기간을 늘리기만 해도 (레이어 더 많이 쌓기) 성능이 좋아진다. 그 과정에서 더 많은 데이터를 확보하고, 레이어를 깊이 만들며 성능을 테스트 하는 것은 온전히 개발자의 몫이다. 그러다보니, 이것 조금 바꾸고 저것 조금 바꾸면서 성능을 확인해봐야 하는 것이 여간 번거로운 일이 아닐 수가 없다. 어느 정도 데이터 확보/레이어 변형을 해야 개선이 어느 정도 이뤄지는지 정량 모델이라도 있으면 좋으련만! 구글에서 2019년 발표한 EfficientNet은 그런 답답함을 어느 정도 해소해줄 수 있는 논문이다. 저자인 Mingxing Tan과 Quoc Le는 현재 모두 구글 브레인 소속 연구원인데, ..

티스토리툴바