|
|
|
|
|
 |
이 과정은 데이터와 모델 구조 간의 관계를 깊이이 해하게 해준 결정적 경험이었습니다.
앞으로 저는 HDC랩스에서 사람이 사는 공간을 더 정밀하게 읽어내는 AI 모델을 개발하고 싶습니다.
자신이 직접 설계한 모델 중 가장 복잡했던 구조는 어떤 것이었고, 어떻게 해결했나요?
앞으로 HDC랩스에서 어떤 모델을 개발해보고 싶나요?
|
|
|
 |
이 과정은 데이터와 모델 구조 간의 관계를 깊이이 해하게 해준 결정적 경험이었습니다.
단순히 성능이 높은 모델이 아니라, 사용자의 삶을 바꾸고 공간을 이해하며 문제를 해결하는 모델. HDC 랩스가 그리는 스마트 환경의 중심에는 이런 '공감하는 모델'이 있다고 생각했고, 저는 그 중심에서 일하고 싶었습니다.
대학 시절부터 저는 모델 구조에 집중해왔습니다.
RNN, LSTM, Trans former기반의 시계열 예측과 BERT 기반 분류 모델을 활용한 경험을 쌓아왔으며, 특히 데이터에 맞는 구조 선택과 하이퍼파라미터 튜닝, 과적합 방지를 위한 정규화 전략 수립에 강점을 갖고 있습니다.
최근에는 교외연구소의 협력 프로젝트에 참여해 'AI 기반 실내 이동 경로 예측' 모델을 개발했습니다.
실내 공간에서의 사람의 이동 데이터를 기반으로 행동 시퀀스를 예측하는 모델로, 기존 RNN 대비 정확도를 높이기 위해 GRU와 AttentionLayer를 조합하고, 공간적 요인을 반영한 임베딩 구조를 설계해 예측률을 12% 이상 향상시켰습니다.
앞으로 저는 HDC랩스에서 사람이 사는 공간을 더 정밀하게 읽어내는 AI 모델을 개발하고 싶습니다.
자신이 직접 설계한 모델 중 가장 복잡했던 구조는 어떤 것이었고, 어떻게 해결했나요?
복잡한 시퀀스 패턴을 해석하면서도 연산량을 줄이기 위해 TemporalD ropout을 적용했고, 공간 임베딩 구조를 조정해 최적 성능을 도출했습니다. |
 |
모델, 기반, 데이터, 공간, 기술, 예측, 구조, 오다, 시오, 지원, 가장, 랩스, hdc, 설계, ai, 싶다, 개발, 생각, 경험, 과정 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.04.03
4페이지
