Kim Jeong Ju haje01

이 글은 안드레이 카패시의 글 소프트웨어 2.0 을 번역한 것입니다. 의/오역이 있을 수 있습니다.

소프트웨어 2.0

나는 때때로 사람들이 뉴럴넷을 "기계학습 도구 상자의 또 다른 도구"로 언급하는 것을 본다. 뉴럴넷은 장단점이 있다. 여기 저기에서 동작하고, 때로는 캐글 경쟁에서 승리하는데 사용할 수도 있다. 그러나 이 해석은 완전히 나무만 보고 숲을 보지 못하는 것이다. 뉴럴넷은 단지 또 다른 종류의 분류기가 아니다. 그것은 우리가 소프트웨어를 작성하는데 있어 근본적인 변화의 시작을 나타낸다. 그것은 소프트웨어 2.0이다.

소프트웨어 1.0의 "고전적인 스택"은 우리가 익숙한 것이다. 그것은 Python, C++ 등의 언어로 작성이 되어 있고, 프로그래머가 작성한 구체적 명령으로 구성되어 있다. 프로그래머는 코드의 각 라인을 작성하는 것으로 프로그램 공간의 특정 포인트를 어떤 원하는 행동으로 확정짓고 있다.

분산 텐서플로우

이 글을 작성하는 시점(2017-01-11)에서 분산 텐서플로우의 관련 자료 부족으로 확실히 분산 학습이 되는지 확인이 되지 않았습니다. 안타깝지만 본 내용은 참고만 하시기 바랍니다.

원문 [https://www.tensorflow.org/how_tos/distributed/] (https://www.tensorflow.org/how_tos/distributed/)

개념 설명

클러스터는 텐서플로우 그래프의 분산 수행에 참여하는 테스크들의 집합

DeepMind Lab 설치

호스트가 Linux가 아닌 경우 VM 셋팅

VirtualBox 설치
Ubuntu 개발자용 Desktop 받기 https://www.ubuntu.com/download/desktop
VirtualBox에서 가상머신을 만들고 시작
받아둔 Ubuntu .ISO를 지정

설치

최근 인공지능을 활용한 챗봇에 대한 관심이 높아지고 있습니다. 챗봇 설계에 관한 좋은 글이 있어 번역을 해보았습니다. 이 글은 IBM DeveloperWorks에 기재된 Michael Yuan의 글을 번역한 것으로 의역이 있습니다. - 김정주([email protected])

대화형 챗봇 설계의 과제

사용자는 챗봇이 매우 간단하고 최소한의 요구만 하기에 좋아합니다. 그것은 대화식 문자 메시지처럼 간단해질 수 있습니다. 또한, 사용자는 자신이 선호하는 메시지 앱에 계속 머물기를 선호합니다. 앱, 웹 URL, 메뉴, 버튼, 광고, 크롬 및 기타 요소를 탐색하지 않고 바로 목표를 달성하고자 합니다. 그러나 이 단순성은 큰 설계 과제도 제시합니다. 챗봇은 사용자의 말을 정확하게 이해하고 적절히 행동해야 합니다. 이것은 오늘날 최고의 자연어 AI (인공 지능)에게도 매우 어려운 과제입니다.

현재 상태의 AI에서는, 대화식 문자 메시지 또는 대화식(Conversational) UI, 즉 CUI는 (안타깝게도) 거의 항상 잘 설계된 그래픽 UI(GUI)보다 열등합니다. GUI와 비교하여 CUI는 초기 단계에 있습니다. 커뮤니티로서 우리는 여전히 CUI의 디자인 패턴과 우수 사례를 모색하고 있습니다. 이 튜토리얼에서는 챗봇이 왜 실패하고 성공할 수 있는지 설명합니다.

Kinesis로 App 로그 다루기

글쓴이: 김정주([email protected])

이 글은 AWS 블로그를 참고하고 추가/보완하여 작성되었습니다.

Kinesis는 아마존 웹서비스(AWS)에서 제공하는 실시간 데이터 처리기이다.

	# -----------------------------------------------------------------------------
	# AI-powered Git Commit Function
	# Copy paste this gist into your ~/.bashrc or ~/.zshrc to gain the `gcm` command. It:
	# 1) gets the current staged changed diff
	# 2) sends them to an LLM to write the git commit message
	# 3) allows you to easily accept, edit, regenerate, cancel
	# But - just read and edit the code however you like
	# the `llm` CLI util is awesome, can get it here: https://llm.datasette.io/en/stable/

	gcm() {

	## 다수 서버의 타임존 한 번에 갱신 하기
	#
	# # Asia/Seoul 존의 경우 ($ 에 주의)
	# $ snakemake -F temp/Asia/Seoul$ -j
	#
	# # America/Argentina/Cordoba 의 경우
	# $ snakemake -F temp/America/Argentina/Cordoba$ -j
	#

	# 업데이트 대상 호스트 주소

	def do_group(gdf):
	"""각 그룹별 처리."""
	# 대상 그룹이 아니면 그대로
	if gdf.group.iloc[0] not in groups_need_change:
	return gdf

	# value가 없는 인덱스
	nidx = gdf.value.isna()
	# value가 있는 인덱스
	pidx = ~nidx

	import time
	import random

	import pytest
	import numpy as np


	EPS = 0.1
	ALPHA = 0.1
	MAX_EPISODE = 100000