Chris Choi

Archive for the ‘Tech’ Category

Digital Policy

leave a comment »

  • 식사 중에 Smartphone을 사용하거나 Screen을 보는 것을 금지한다.
  • [Daniel] iPad는 여가 시간에 하루 최대 30분 동안 사용할 수 있다. Contents는 역사 등 학습으로 제한한다. YouTube 광고는 5초 (혹은 15초) 가 지나면 Skip 한다. 광고 문구를 따라해서는 안 된다. (좋은 말인지, 나쁜 말인지 분간하기 어렵다.)
  • iPad를 포함한 모든 화면은 열린 공간에서 사용한다.
  • 13세까지는 Netflix Kids와 YouTube Kids를 사용한다.
  • 13세까지는 Social Media를 하지 않는다.

 

Penalty

  • 위 규칙을 준수하지 않으면 48시간 동안 Online을 금지한다.

 

아빠와 엄마도 엄수해야 하는 규칙이다. Chris Anderson의 ‘My 12 Rules for Kids and Screens’를 참고했다.

Written by Chris Choi

December 12, 2019 at 12:40 pm

Posted in Tech

인터넷의 힘

leave a comment »

인터넷의 힘을 처음 느꼈던 것은, Desktop과 인터넷만으로 어학 연수를 준비하고 떠났던 일. 2002년의 나에게는 굉장한 일이었다.

Written by Chris Choi

September 24, 2019 at 4:25 am

Posted in Tech

팀 쿡

leave a comment »

대단한 인물이다. Steve Jobs 사후 큰 굴곡 없이 여러 해 Apple을 이끌고 있다는 것만으로도. 그리고 Steve Jobs의 총애를 받았다는 것만으로도.

 

팀 쿡_Image 1.jpg

[Image 1. 『팀 쿡』 출처: 교보문고]

 

나는 결코 그처럼 완벽 지향적인 삶을 살 수 없을 것 같다. 그리고, 그럴 마음도 없다.

Written by Chris Choi

September 16, 2019 at 10:49 pm

Posted in Tech

JupyterLab + Altair

leave a comment »

Project Jupyter를 좀 더 편리하게 사용할 수 있게 되었다. 바로 JupyterLab 이다.

Jyputerlab을 사용하기 위해서는 버전 4.3 이상의 Jupyter Notebook이 설치되어 있는지 확인한다.

—————————————————————————————————————————-

jupyter notebook –version

—————————————————————————————————————————-

 

pip로 JupyterLab을 설치한다.

—————————————————————————————————————————-

Pip install jupyterlab

—————————————————————————————————————————-

 

Visualization Library인 Altair와 JupterLab을 함께 사용할 수도 있다. 먼저 함께 설치한다.

—————————————————————————————————————————-

pip install –U altair vega_datasets jupyterlab

—————————————————————————————————————————-

 

JupyterLab을 실행한다. 브라우저가 자동으로 실행된다.

—————————————————————————————————————————-

jupyter lab

—————————————————————————————————————————-

 

Altair는 Dataframe을 기반으로 한다. Chart는 Altair의 기본적인 Object이다.

—————————————————————————————————————————-

import altair as alt // Altair Library를 import 한다.

from vega_datasets import data

 

df = data.seattle_weather() // Seattle 날씨 데이터를 DataFrame에 저장한다.

 

alt.Chart (df).mark_tick().encode ( // ‘mark_tick()’은 1차원 분포도를 그린다. ‘encode()’는 데이터의 채널을 만드는 역할을 한다.

x = ‘precipitation’

)

—————————————————————————————————————————-

 

JupyterLab Altair_Image 1.png

[Image 1]

 

텍스트로 데이터를 확인하려면 JSON으로 변환해 확인할 수 있다.

—————————————————————————————————————————-

charts = alt.Chart (df).mark_tick().encode (

x = ‘precipitation’

)

print (charts.to_json())

—————————————————————————————————————————-

 

alt.Chart (df).mark_bar().encode ( // ‘mark_bar()’는 Bar chart를 그린다.

alt.X (‘precipitation’, bin = True), // x = alt.X (‘precipitation’, bin = alt.Bin(maxbins = 50)),

y = ‘count()’

)

 

JupyterLab Altair_Image 2.png

[Image 2]

 

chart = alt.Chart (df).mark_line().encode (

x = ‘month(date):T’,

y = ‘average (precipitation)’ // 평균 값을 계산한다.

)

print (chart.to_json())

 

alt.Chart(df).mark_line().encode (

x = ‘yearmonth(date):T’,

y = ‘max(temp_max)’

)

 

alt.Chart(df).mark_line().encode (

x = ‘year(date):T’,

y = ‘mean(temp_max)’

)

 

alt.Chart(df).mark_bar().encode(

x = ‘mean(temp_max)’,

y = ‘year(date):O’

)

 

alt.Chart(df).mark_bar().encode (

x = ‘mean(temp_range):Q’,

y = ‘year(date):O’

).transform_calculate(

temp_range = “datum.temp_max – datum.temp_min”

)

—————————————————————————————————————————-

Written by Chris Choi

July 18, 2019 at 8:23 pm

Posted in Tech

Tagged with , ,

자동화와 효율성

leave a comment »

‘자동화’와 ‘효율성’. 기업들이 좋아하는 단어다. (효율성 대신 ‘생산성’이라는 단어를 사용해도 무방하다.) 후자가 목표라면 전자는 과정이다. 자동화를 통해 효율성을 높이려는 시도는 자연스러운 일이다. 다만 자동화를 통해 효율성을 ‘감시’한다면? 각 Task에 소요되는 시각을 정확히 측정한다. Task의 결과 역시 정량적으로 측정한다.

Cogito는 실시간으로 전화 통화 내용을 기반으로 점수를 매긴다. 고객과 상담사의 통화 톤을 분석한다. 고객의 입장에서 만족스러운 전화 상담을 제공하는 데 도움이 될 것이다. 하지만 상담사 입장에서는 일거수일투족이 평가되고 감시받는다는 느낌을 받을 수 있다. 그 기준은 물론 함께 합의한 것은 아니다. 판단은 AI가 한다.

Written by Chris Choi

July 18, 2019 at 12:13 pm

Posted in Tech

NVIDIA AI Conference 2019

with one comment

2017년과 2018년에 이어 NVIDIA AI Conference에 참석했습니다. 기업 인수와 신규 칩셋 등 NVIDIA의 최신 소식을 접할 수 있었고, NVIDIA와 국내 기업들이 협업을 흥미롭게 살펴볼 수 있었습니다.

 

[Link 1. ‘NVIDIA Deep Learning Day 2017’]

[Link 1. ‘NVIDIA AI Conference 2018’]

 

(덧붙인 내용은 이탤릭으로 표시했습니다.)

 

[Video 1. ‘I AM AI: GTC 2019 Kickoff’ 출처: NVIDIA YouTube Channel]

 

Keynote (Marc Hamilton, VP of Solutions Architecture and Engineering)

방콕의 한 호텔입니다. 실제 모습이 아닙니다. 실제 모습으로 착각할 수 있을 만큼 정교한 시각화입니다. 호텔을 건설하기 전에 시각화를 통해 창문, 빛, 반사, 그림자, 조형물의 색상, 소재 등을 시뮬레이션 해 볼 수 있습니다.

 

NVIDIA CEO Jensen Huang 벤쿠버에서 열린 ‘SIGGRAPH 2018’ 컨퍼런스의 Keynote 발표 영상으로, NVIDIA Turing GPU Architecture 기반의 데모를 시연하는 장면입니다. , 명암의 변화에 집착했던 레오나르도 빈치가 르네상스 미술에 획을 그은 것처럼, 21세기의 NVIDIA 여러 영역 중에서도 Graphics 변혁을 이끌고 있는 합니다. 모든 액션이 실시간으로 처리됩니다.

 

[Video 2. ‘SIGGRAPH 2018 – NVIDIA CEO Jensen Huang – Reinventing Computer Graphics’ 출처: NVIDIA YouTube Channel]

 

AI는 2030년에 이르면 Global GDP 기준 16조 달러를 기여할 것으로 예측됩니다. Smart city, Healthcare 등 모든 산업에 영향을 미치게 돌 것입니다. NVIDIA는 ‘Inception Program’을 통해 4천 개 이상의 Startup을 지원하고 있습니다.

CPU + GPU Architecture로 많은 난제들을 해결해 왔습니다. 2006년에 출시된 CUDA GPU는 이후로 열 차례 Version release를 통해 속도와 에너지 효율성을 개선하며 성장을 이어가고 있습니다. GPU를 사용하는 Super Computer의 수가 1년 사이 25% 증가했으며, 1위와 2위를 비롯한 다수의 Super Computer가 NVIDIA GPU를 사용하고 있습니다. GPU 개발자가 늘수록 CUDA App도 늘고 있습니다.

CUDA-X는 이제 모든 플랫폼에서 사용 가능합니다. Workstation, Server, Cloud에 관계가 없으며, Expedia, Twitter, Microsoft 등의 기업들이 CUDA-X를 도입했습니다.

 

NVIDIA AI Conference 2019_Image 1.png

[Image 1. CUDA-X 출처: NVIDIA]

 

Supercomputer에 비해 Hyperscale은 서버 당 속도가 현저하게 낮습니다. 대신 서버 간 연결이 많습니다. 동일한 하드웨어 상에서 소프트웨어 업데이트만으로 세 배의 속도 개선 효과를 거뒀습니다. (HPL-AI, Mixed-precisions) Data Science의 등장으로 Supercomputer 보다는 Supercomputer와 Hyperscale의 중간 정도 서버의 수요가 늘고 있습니다. 가장 빠른 단일 서버인 DGX-2는 AI를 위해 설계되었습니다.

AI Datacenter는 전통적인 Enterprise Datacenter와 다릅니다. 엄청난 컴퓨팅을 소화할 수 있는 모델을 만들어야 합니다. 96개의 DGX를 모은 DGX SuperPOD는 Supercomputer 중 22위에 올랐습니다.

 

RAPIDS, GPU Accelerated Platform for Data Science (이상문 전무, NVIDIA)

RAPIDS는 GPU를 이용해 Data Science를 수행하기 위한 Library입니다. Data Science의 Pipeline을 End to End로 구현할 수 있습니다. cdDF, cdML, cdGraph 등의 기능을 활용해 Data Preparation, Model Training, Visualization을 수행합니다.

 

NVIDIA AI Conference 2019_Image 2.png

[Image 2. Data Science Pipeline with GPUs and RAPIDS 출처: NVIDIA Developer Blog]

 

함수들과 Machine Learning 알고리듬이 Library화 되어 있습니다. csv 파일을 로드하는 code입니다.

 

import cudf

gdf = cudf.read_csv(‘path/to/file.csv’)

for column in gdf.columns:

print(gdf[column].mean())

 

기존에는 GPU에서 CPU로 데이터를 보내 연산을 했지만, 이제는 GPU 상에서 연산을 수행할 수 있습니다.

 

Deep Learning Research of NAVER Clova for AI-Enhanced Business (하정우 리더, NAVER)

HDTS Hybrid Dnn Text to Speech 기술로 Clova는 유인나 배우님의 목소리를 합성해 낼 수 있었습니다. 단 네 시간의 음성 녹음만으로 가능했습니다. 그 밖에도 Speech enhancement를 통한 배경 잡음 제거, 상대편 음성 제거 등을 구현했습니다. Google Dupex와 유사한 식당 예약 서비스도 시작했습니다.

특정 인물이 나오는 화면만 편집해 보여 주는 Auto Cut, 특정 인물만을 Cropping 한 Auto Cam도 Clova가 구현한 기술입니다.

 

Kakao OCR Inference 성능 최적화 (이현수, Kakao)

OCR은 Detection Model과 Recognition Model로 구성됩니다. TensorFlow Model을 TensorRT로 변환했습니다.

TensorFlow 모델을 Export 합니다. 복수 개의 Type을 사용할 수 없으므로 Cast를 사용할 수 없으며, Data type을 통일합니다. 가변 Input보다 고정 Input으로 처리하는 것이 좋습니다.

FP32, FP16은 큰 차이가 없으나, INF8은 정확도가 떨어질 수 있어 Network Quantization이 필요할 수 있습니다.

결과적으로 Detector는 4~5배 개선되었고, GPU Memory는 절반 수준으로 사용하게 되어 효율성이 높아졌습니다. Recognizer는 1.5배 가량 개선되었습니다. 개선이 크지 않은 이유는 이미지의 사이즈 자체가 작아 Inference 최적화에 어려움이 있었기 때문입니다.

Written by Chris Choi

July 3, 2019 at 11:38 pm

Posted in Tech

Tagged with ,

10 Breakthrough Technologies by Bill Gates

with one comment

매년 MIT Technology Review‘10 Breakthrough Technologies’를 발표합니다.

 

  • Robot dexterity
  • New-wave nuclear power
  • Predicting preemies
  • Gut probe in a pill
  • Custom cancer vaccines
  • The cow-free burger
  • Carbon dioxide catcher
  • An ECG on your wrist
  • Sanitation without sewers
  • Smooth-talking AI assistants

 

10가지 기술 중 건강과 환경에 관한 기술 세 가지를 소개해 드립니다.

 

Predicting preemies

온타리오 공대 교수인 Carolyn McGregor는 이전에는 충분히 활용하지 못했던 심장 박동 수, 호흡 수, 체온, 혈압, 혈중 산소 수준 등의 데이터 흐름을 분석해 미숙아의 감염 여부를 선제적으로 대응하는 데 활용했습니다.

그런데 출산 전에 미숙아 여부를 알 수는 없을까요? 한 해에 1,500만명에 이르는 미숙아가 태어나고, 그 중에서 안타깝게도 사망으로 이어지는 태아도 적지 않다고 합니다. 정밀 검사를 위해 감염의 위험이 있는 양수 검사를 하기도 합니다. 스탠포드大의 Stephen Quake는 산모와 태아에 위험이 없는 미숙아 여부 검사를 개발하고 있습니다. 저비용의 혈액 검사로 산모의 혈액 내 RNA의 변화를 측정하는 방식입니다. 고가의 초음파 측정과 비교해도 출산 예정 일자와 미숙아 여부 측정의 정확도는 뒤지지 않습니다.

 

Gut probe in a pill

제목은 기억 나지 않지만, 어린 시절 TV에서 본 외화 시리즈가 하나 생각납니다. 박사와 탐험가가 몸을 축소시켜 인체 곳곳을 탐험하는 내용이었습니다. 꿈 같은 이야기가 현실이 될 지도 모르겠습니다. 캡슐로 인체를 분석하는 기술입니다.

EED Environmental Enteric Dysfunction 같은 장 기능 장애로 인해 수백만 명에 이르는 저소득층 국가의 아이들이 정상적인 성장에 어려움을 겪고 있습니다. 기존에는 소아에게 마취를 하거나 관을 삽입해 검사를 해야 했으며, 경제적 부담도 컸습니다. 물론 치료 역시 쉽지 않았습니다. 이제는 카메라와 라이트가 포함된 알약 형태의 기기를 삼켜 검사를 용이하게 하고, 비용을 낮춰 부담을 덜게 하는 시도를 하고 있습니다. 단, 무선은 아니며, 선을 통해 전력을 공급하며 카메라가 찍은 장 내 영상과 사진을 받게 됩니다.

 

Carbon dioxide catcher

기후 변화는 이제 인류의 과제가 되었습니다. 그 중에서도 CO2는 지구 온난화의 주범으로 꼽힙니다. CO2의 배출량을 줄이는 일은 좀처럼 진전이 없으며, 마냥 기다릴 수만은 없습니다. 근원적인 해결책이 되지는 않더라도, 배출된CO2를 재활용하는 기술이 꾸준히 연구되고 있습니다.

공기를 통과시켜 CO2를 흡수합니다. 수분을 통과시켜CO2를 수집해 합성 연료를 만들거나, 매탄을 만들어 탄산 음료 회사에 판매합니다. Carbon EngineeringClimeworks가 선두 주자입니다. Bill Gates는 Carbon Engineering에 투자했습니다.

 

Quality of Life

인류가 그 동안 ‘Quantity’, ‘양’에 초점을 맞춰 왔다면, 이제는 ‘Quality’, ‘질’의 차례입니다. Bill Gates가 선정한 10대 기술은 의료, 환경 등 인류의 ‘삶의 질’을 향상시키는 데 초점이 맞춰져 있습니다. Bill & Melinda Gates Foundation이 지향하는 방향입니다.

 

[Video 2. ‘Q&A with Bill Gates, 2019 Breakthrough Technologies’ 출처: MIT Technology Review YouTube Channel]

Written by Chris Choi

March 11, 2019 at 12:54 am