본문 바로가기

회사 소개

임베디드 시스템과 우분투(Ubuntu) 임베디드 시스템과 우분투(Ubuntu)는 둘 다 컴퓨팅 시스템의 범주에 속하지만, 그 목적, 운영 방식, 하드웨어 요구 사항 등에 있어 많은 차이가 있습니다. 다음은 임베디드 시스템과 우분투 간의 주요 차이를 설명한 내용입니다: 1. 용도 및 목적임베디드 시스템: 특정한 기능이나 작업을 수행하기 위해 설계된 시스템입니다. 주로 실시간 제어, 자동화, 특정 산업용 장비, 가전제품, 차량, 의료기기 등에 사용됩니다. 임베디드 시스템은 자원을 효율적으로 사용하며, 제한된 기능을 수행하는 것이 특징입니다.우분투 (Ubuntu): 일반적인 컴퓨터에서 실행되는 범용 운영체제입니다. 주로 데스크탑, 서버, 클라우드 환경에서 사용되며 다양한 소프트웨어 및 서비스를 지원합니다. 범용 컴퓨팅 작업에 적합하게 설계되었습니다.. 더보기
PBL(Problem-Based Learning) 강의실 통합제어 시스템 1. PBL 강의실 개요PBL(Problem-Based Learning) 강의실은 전통적인 교사 주도의 강의 방식에서 벗어나, 학생들이 주도적으로 학습을 이끌어 나가는 문제 기반 학습 환경을 조성하는 학습 공간입니다. PBL은 주어진 문제를 해결하는 과정에서 학습자가 스스로 지식을 탐구하고, 이를 실제 상황에 적용하는 학습 방법으로, 이를 효과적으로 지원할 수 있는 물리적·디지털 학습 공간이 필요합니다.PBL 강의실은 이러한 학습 방법을 효과적으로 구현하기 위한 교육 공간으로, 학생들의 협력적 학습, 문제 해결 능력 배양, 자기주도 학습을 촉진하는 다양한 기능과 기술을 포함하고 있습니다.2. 필요성현대 사회는 복잡한 문제를 창의적으로 해결할 수 있는 인재를 요구합니다. 따라서 기존의 수동적 학습 방식보다.. 더보기
LAG 에서 인스트럭션 튜닝 방법 RAG(Retrieve-Augment-Generate) 기반 시스템에서 Instruction Tuning(인스트럭션 튜닝)은 주로 **LLM(Large Language Model)**이 사용자로부터 더 명확하고 유용한 답변을 생성할 수 있도록, 다양한 입력과 지시 사항을 학습하는 방법입니다. RAG 구조는 대화형 AI 시스템에서 검색(Retrieve), 정보 보강(Augment), 응답 생성(Generate)의 단계를 거치므로, 인스트럭션 튜닝은 주로 Generate 단계에서 중요한 역할을 합니다. 인스트럭션 튜닝의 목적LLM이 다양한 명령(인스트럭션)을 더 잘 이해하고, 주어진 지시에 맞춰 응답할 수 있도록 학습을 강화하는 것입니다. 튜닝된 모델은:사용자 의도를 정확히 파악하여 더 적절한 정보를 검색하.. 더보기
다중 동영상 원격제어 소프트웨어, 현대중공업 적용 사례 구축 사례 - 현대중공업  스마트 홍보관 시스템기본적인 동영상 관리 시스템을 넘어서 스마트 홍보관을 구축할 수 있습니다. 이를 통해 방문자의 프로필이나 관심사에 맞는 맞춤형 콘텐츠를 자동으로 추천하고, 동영상과 조명, 네트워크 상태를 실시간으로 모니터링할 수 있습니다.예를 들어, AI 기반 관람객 분석을 통해 실시간 데이터를 수집하고 분석하여 고객의 관심 분야에 맞춘 콘텐츠를 동적으로 제공할 수 있습니다.이외에도 다중 언어 지원 시스템을 통해 글로벌 관람객을 대상으로 한 맞춤형 서비스가 가능하며, 멀티채널 홍보 전략으로 온라인, 오프라인을 통합 관리할 수 있습니다.기업 전시회 및 박람회 솔루션전시회 및 박람회에서 기업은 제품과 서비스를 효율적으로 홍보하기 위해 다양한 멀티미디어 콘텐츠를 활용합니다. 확장.. 더보기
ARM - 모바일 AI SoC 개발 검토 사항 Fastest Path to Production Silicon with World-Leading Performance, on Leading-Edge Technolog 오늘날의 컴퓨팅 인프라에 대한 압박은 클라우드, AI, 5G 및 네트워킹 시장에서 전문화된 처리에 대한 필요성을 촉진하고 있습니다. Arm Neoverse Compute Subsystems(CSS)를 통해 Arm은 최첨단 파운드리 프로세스에서 검증되고 성능이 최적화된 컴퓨팅을 제공하므로 Arm의 인프라 파트너는 부족한 실리콘 설계 리소스를 차별화되고 시장에 맞춤화된 솔루션을 구축하는 데 집중할 수 있습니다.  Arm Neoverse Compute Subsystems(CSS)를 통해 Arm은 위험을 줄이고, NRE를 낮추고, CPU 출시 시간.. 더보기
ResNet 모델 SSD 모델 YOLO 모델 EfficientNet 모델 MobileNetV3 모델 각 모델의 특성 및 요구 사항 강조ResNet 모델ResNet50, ResNet101, ResNet152, ResNet200D형질:아키텍처: 경사 소실 문제를 해결하기 위해 건너뛰기 연결이 있는 깊은 잔차 네트워크.사용 사례: 주로 이미지 분류 작업에 사용됩니다. 성능:ResNet50: 입력 크기: 224x224, 지연 시간: 0.71ms, 처리량: 2,758.44 항목/초ResNet101: 지연 시간: 4.82msResNet152: 지연 시간: 5.81msResNet200D: 입력 크기: 320x320, 지연 시간: 12.17ms 필요 사항:정규화: BatchNormalization을 효율적으로 활용합니다.입력 크기: 특정 모델 및 작업에 따라 다르지만 일반적으로 224x224 또는 320x320입니다.. 더보기
BatchNormalization, LayerNormalization 및 InstanceNormalization의 특성 딥러닝 정규화 함수의 특징정규화 기능은 훈련 프로세스를 안정화하고 가속화함으로써 딥러닝 모델 훈련에서 중요한 역할을 합니다. BatchNormalization, LayerNormalization 및 InstanceNormalization의 특성을 자세히 비교하면 다음과 같습니다.배치 정규화(BatchNorm)형질:미니 배치 전체의 정규화: BatchNorm은 각 미니 배치 전체에서 뉴런의 활성화를 정규화합니다.계산:평균 및 분산: 미니 배치 전체에서 각 특성에 대해 계산됩니다.스케일링 및 이동: 정규화된 출력의 크기를 조정하고 이동하기 위해 학습 가능한 매개변수(감마 및 베타)를 도입합니다.공식:BN(x)=γ(x−μbatchσbatch2+ϵ)+β\text{BN}(x) = \gamma \left( \fra.. 더보기
환경 변수의 파일 이름은 '.env' 환경 변수의 파일 이름은 '.env'여야 합니다. 자세한 구조는 다음과 같습니다.파일 구조bash코드 복사my_project/├── .env├── .gitignore├── main.py각 파일의 내용1. .env이 파일에는 비밀 API 키가 포함되어 있습니다.plaintext코드 복사# .env fileOPENAI_API_KEY=abc1232. .gitignore이 파일은 Git에게 API 키가 공유되지 않도록 .env 파일을 무시하도록 지시합니다.plaintext코드 복사# .gitignore file.env3. main.py이 Python 스크립트는 .env 파일에서 API 키를 로드하고 이를 OpenAI 클라이언트와 함께 사용합니다.python코드 복사import osfrom dotenv impor.. 더보기

티스토리툴바