AI 대규모 학습과 실시간 분석을 위한 최적의 연산 인프라 AI 모델의 크기와 복잡도가 급격히 증가하는 오늘날, 연산 인프라는 선택이 아닌 필수입니다.네피리티는 국내 최초로 NVIDIA Blackwell 아키텍처 기반 RTX 5090 GPU 서버를 도입하고, 고성능 AI 인프라 시장에 본격 진입했습니다. Blackwell 아키텍처 기반 RTX 5090, 무엇이 다른가? Blackwell은 NVIDIA의 차세대 GPU 아키텍처로, 기존 대비 연산 밀도와 전력 […]
이 글에서는 Ubuntu 24.04에서 Nvidia 드라이버를 설치하는 방법을 안내합니다. 특히 NVIDIA Turing 및 Ampere 아키텍처를 기반으로 하는 데이터센터용 GPU의 경우, 오픈소스 GPU 커널 모듈을 통해 설치하는 방식이 적용됩니다.만약 Nvidia RTX 5090이나 RTX 5080 드라이버를 설치했지만 장치를 인식하지 못한다면, Nvidia 오픈소스 GPU 커널 모듈도 함께 설치해야만 장치를 정상적으로 사용할 수 있습니다. 1. Nvidia 드라이버 설치 후 […]
이커머스 시장이 AI와 만나 새로운 패러다임을 만들어가고 있습니다.네피리티는 인공지능(AI) 솔루션 전문기업으로, 생성형 AI와 검색 증강 생성(RAG, Retrieval-Augmented Generation) 기술을 결합한 ‘AI 고객지원 솔루션’을 출시하며 쇼핑몰 운영의 혁신을 예고하고 있습니다. 이 게시물에서는 해당 솔루션이 어떻게 이커머스 환경을 변화시키고 있는지 자세히 살펴보겠습니다. AI 고객지원 솔루션 관리 화면. ‘AI 고객지원 솔루션’ 소개 네피리티의 ‘AI 고객지원 솔루션’은 자체 개발한 […]
Stable Diffusion 모델은 Stability AI 에서 오픈소스로 공개한 이미지 생성 모델(text-to-image)입니다. Dall-e2나 구글의 Imagen과 같은 기존 모델들보다 필요 컴퓨팅자원을 대폭 줄여 VRAM 4GB이하의 환경에서도 구동이 가능합니다. 이 게시물에서는 Stable-Diffuwion의 간략한 사용방법과 네피리티에서 제공하는 테스트환경에(클라우드) 대해 소개합니다. Stable Diffusion 프로세스(출처 : https://namu.wiki/w/Stable%20Diffusion) Stable Diffusion 소개, 간단한 사용 방법 기본적으로 프롬프트(Prompt)와 네거티브 프롬프트(Negative Prompt)라는 텍스트 키워드를 사용해 […]
지도 학습 알고리즘은 Bias-Variance 트레이드오프의 렌즈를 통해 가장 잘 이해할 수 있습니다. 이 게시물에서는 Bias-Variance 트레이드 오프와 이를 사용하여 머신러닝 알고리즘을 더 잘 이해하고 데이터에서 더 나은 성능을 얻는 방법을 알아봅니다. 편향(Bias)과 분산(Variance) 개요 지도 학습에서 알고리즘은 학습 데이터에서 모델을 학습합니다. 지도 학습 알고리즘의 목표는 입력 데이터(X)가 지정된 출력 변수(Y)에 대한 매핑 함수(f)를 가장 잘 추정하는 것입니다. […]
지도 학습이란 무엇이며 비지도 학습과 어떤 관련이 있나요? 이 게시물에서는 지도 학습, 비지도 학습 및 준지도 학습에 대해 알아볼 것입니다. 이 게시물을 읽은 후 다음을 알게 될 것입니다. 분류 및 회귀 지도 학습 문제에 대해. 클러스터링 및 연관 비지도 학습 문제에 대해. 지도 문제와 비지도 문제에 사용되는 알고리즘의 예. 준지도 학습이라고 하는 지도 학습과 비지도 학습 사이에 […]
파라메트릭 알고리즘이란 무엇이며 비파라메트릭적 머신러닝 알고리즘과 어떻게 다릅니까? 이 게시물에서는 파라메트릭 머신러닝 알고리즘과 비파라메트릭 머신러닝 알고리즘의 차이점을 알아보겠습니다. 함수 학습 머신러닝은 입력 변수(X)를 출력 변수(Y)에 매핑하는 함수(f)를 학습하는 것으로 요약할 수 있습니다. Y = f (x) 알고리즘은 훈련 데이터에서 이 목표 매핑 함수를 학습합니다. 함수의 형태를 알 수 없으므로 머신러닝 실무자로서 우리의 임무는 다양한 머신러닝 […]
머신러닝 알고리즘은 어떻게 작동합니까? 예측 모델링을 위한 모든 감독 머신러닝 알고리즘의 기초가 되는 공통 원칙이 있습니다. 이 게시물에서는 모든 알고리즘의 기초가되는 공통 원칙을 이해함으로써 머신러닝 알고리즘이 실제로 어떻게 작동하는지 알아볼 것입니다. 함수 학습 머신러닝 알고리즘은 입력 변수(X)를 출력 변수(Y)에 가장 잘 매핑하는 대상 함수(f)를 학습하는 것으로 설명됩니다. Y = f (X) 이것은 입력 변수 (X)의 […]
이 게시물에서는 가장 인기 있는 머신러닝 알고리즘을 살펴보겠습니다. 사용 가능한 방법에 대한 느낌을 얻기 위해 현장의 주요 알고리즘을 탐색하는 것이 유용합니다. 알고리즘이 너무 많아서 압도 당할 수 있지만, 알고리즘이 무엇인지, 어디에 적합한지 알 수 있어야 합니다. 현장에서 접할 수 있는 알고리즘에 대해 생각하고 분류하는 두 가지 방법을 알려 드리고자 합니다. 첫 번째는 학습 스타일에 따라 알고리즘을 그룹화하는 것입니다. […]
파이썬은 머신러닝을 위한 사실상의 공용어가 되었습니다. 배우기 어려운 언어는 아니지만 언어에 특히 익숙하지 않은 경우 더 빨리 또는 더 잘 배우는 데 도움이 되는 몇 가지 팁이 있습니다. 이 게시물에서는 프로그래밍 언어를 배우는 올바른 방법과 도움을 받는 방법을 알게 될 것입니다. 이 게시물을 읽은 후 다음을 알게 될 것입니다. 머신러닝에 사용하기 위해 Python을 배우는 올바른 […]