deep learning

안녕하세요, 오프라인 공간의 디지털화를 꿈꾸는 메이아이입니다. ‘daram’과 함께하는 딥러닝 투어 1편: Object Detector에서는 물체 인식의 전반적인 내용과 함께, 메이아이의 인공지능 엔진 daram의 물체 인식 모델의 특징을 소개해 드렸습니다.  1편의 내용을 돌이켜보면, 물체 인식 기술이란 이미지 하나에서 타겟 물체들의 위치를 바운딩 박스(bbox) 형식으로 찾는 기술이었습니다. 물체 인식 모델의 대표적인

안녕하세요, 오프라인 공간의 디지털화를 꿈꾸는 메이아이입니다. 지금까지 다양한 오프라인 공간들을 분석하면서 메이아이의 인공지능 엔진 daram에도 많은 발전이 있었고, 몇몇 기회들을 통해 daram의 핵심 기술에는 어떤 특징이 있었는지 간단하게 말씀드릴 기회는 종종 있었습니다. 다만 그럼에도 불구하고, 돌이켜보니 그 동안 daram의 근본을 이루는 인공지능 모델의 전반적인 내용에 대해 설명드린 적은 없었던 것

Q. 간단한 자기소개 부탁드립니다. A. 안녕하세요. 함께 일하고 싶은 사람을 꿈꾸는 디바이스 소프트웨어 엔지니어 고강련입니다. 저는 고객의 요구사항 파악부터 제품 전달까지의 일을 담당하는 Landing Silo에 속해있으며, 그중 영상 수집단에서 문제를 풀어나가고 있어요.  사내의 모든 개발자들이 모여있는 Engineering Chanpter에도 소속되어 소프트웨어 품질관리를 하고 있습니다. Q. 메이아이에서 Device Software Engineer는 어떤 일을

Q. 자기 소개 간략하게 부탁드립니다. A. 고객과의 첫 만남부터 마지막 이별까지 모두 담당하고 있는 Landing Silo 에서 Solution Project Manager(이하 SPM)로 일하고 있는 문현석 입니다. Landing Silo 는 저희 서비스인 ‘mAsh’의 도입을 확정한 고객들에게 제품을 전달하는 과정을 다루고, SPM로서 저는 고객이 mAsh 를 더 빠르고 더 정확하게

Q. 간단한 자기소개 부탁드립니다. A. 안녕하세요. 저는 메이아이 Frontend 개발자 안재민입니다. 저는 Product Silo팀원인 동시에 Engineer chapter의 구성원이기도 합니다. Product Silo는 수집한 데이터를 고객에게 직접 전달하고 고객이 인사이트를 얻을 수 있는 제품을 만드는 팀입니다.  Engineer chapter는 컴퓨팅부터 클라우드, 웹까지 모두 포괄하는 넓은 범위의 엔지니어들로 구성된 챕터입니다. Q. 메이아이에서 Frontend developer는

Q. 간단한 자기소개 부탁드립니다. A. 안녕하세요, 고객 경험이 항상 최우선인 Product Silo의 Backend Developer 천호영입니다. 제품 뒤에서 이루어지는 로직에 끌려 Backend를 담당하게 되었고요. '업무가 겉으로 드러나지는 않지만, 제품의 가장 핵심적인 파트를 담당하고 있다'라는 자부심을 듬뿍 느끼고 있는 중입니다. Backend 업무 중 매쉬(mAsh)의 API 개발, 데이터 모델링, SQL 튜닝,

Q. 간단한 자기소개 부탁드립니다. A. 안녕하세요. 메이아이 AI chapter(AIC)에서 AI Researcher로 일하고 있는 박지승 이라고 합니다. 저는 산업공학과에서 데이터 분석 및 관리 수업을 들었고 자연스럽게 머신러닝/ 딥러닝 분야에 관심이 생겨 인공지능 리서처로 일을 시작하게 되었습니다. 주로 회사가 직면하는 문제들을 인공지능/ 딥러닝 관점에서 해결하는 연구를 하고 있습니다. Q. 메이아이에서

안녕하세요! 메이아이는 2021년 6월에 치뤄진 <2021 인공지능 온라인 경진대회> “운전 사고 예방을 위한 운전자 부주의 행동 검출 모델” 분야에 참가하여 종합 1등이라는 우수한 성적을 거두었습니다! (2020년에도 우수한 성적을 거둔 바 있습니다 ─ 보러가기) 이번 글에서는  저희가 “운전 사고 예방을 위한 운전자 부주의 행동 검출 모델” 을 어떻게 풀었는지 그 속을 낱낱이 파헤쳐 보도록 하겠습니다. 목차는

Convolutional Neural Networks로 LED 상태등을 통해 세탁기의 상태 추정하기 안녕하세요! 메이아이의 연구원 김찬규입니다. 딥러닝을 통한 인공지능 모델, 특히 CNN(Convolutional Neural Networks) 모델은 시각적인 분류, 감지, 추론 등의 문제에서 웬만한 사람보다 더 뛰어난 성능을 보이고 있는 것으로 유명한데요. 이러한 CNN 모델은 학습을 위해 상대적으로 매우 많은 양의 데이터가 필요하다는 측면에서