모두의연구소는 지식을 나누며 함께 성장하는 국내 최대 AI 커뮤니티입니다.

1. Neurosity의 Brain 운영 체제 개선 여정
작년에, 친구 알렉스 카스티요가 그의 회사 Neurosity의 뇌 영상 장치 소프트웨어의 새 버전에서 성능 저하 문제로 도움을 요청했습니다. 복잡한 내장 시스템 작업 경험이 없었지만, 성능 및 확장성을 위한 소프트웨어 재구축 경험이 풍부했기에 도전하기로 했습니다. 이 과정에서 Rust 시스템을 처음으로 생산에 적용하는 재미있는 학습 경험을 했으며, Rust로 코드베이스를 전환하는 과정과 복잡한 내장 소프트웨어 스택을 위한 일반적인 조언을 공유합니다.
https://medium.com/@biasedbit/a-journey-of-improvements-to-neurositys-brain-operating-system-8ef6f9af11ac

2. MongoDB에서 Azure Cosmos DB로의 마이그레이션 - Java SDK V4 마이크로 최적화를 통해 배운 점
이 블로그 포스트는 대규모 소매 고객의 중앙 집중식 사기 분석 플랫폼을 호스팅하는 기존 온프레미스 MongoDB 데이터베이스를 Azure Cosmos DB for NoSQL로 마이그레이션하려는 시도 중에 팀이 진행한 마이그레이션 접근 방법과 Azure Cosmos DB for NoSQL Java SDK V4의 마이크로 최적화를 개요합니다. 포스트는 PoC 성능 벤치마크 요구 사항, 직면한 도전 과제, 그리고 PoC 목표를 달성하기 위해 수행된 해결 단계를 강조합니다.
https://devblogs.microsoft.com/cosmosdb/mongodb-to-azure-cosmos-db-for-nosql-migration-learnings-from-java-sdk-v4-micro-optimizations/

3. Yolov9: PGI와 GELAN 기술로 객체 검출 성능 향상
Yolov9이 드디어 공개되었습니다. Yolov9에서는 데이터가 딥 네트워크를 통해 전달될 때 정보 손실의 중요한 문제, 즉 정보 병목 현상과 가역 함수에 대해 다룹니다. 저자는 다양한 목적에 필요한 다양한 변경 사항에 대처하기 위해 프로그래밍 가능한 그래디언트 정보(PGI) 개념을 제안합니다. PGI는 목표 태스크에 대한 완전한 입력 정보를 제공하여 목적 함수를 계산할 수 있도록 하여 신뢰할 수 있는 그래디언트 정보를 얻어 네트워크 가중치를 업데이트할 수 있습니다. 또한 경로 계획을 기반으로 하는 새로운 경량 네트워크 아키텍처인 일반화된 효율적인 레이어 집계 네트워크(GELAN)을 설계했습니다. GELAN과 PGI를 MS COCO 데이터셋 기반 객체 검출에서 검증했을 때 기존 스크래치부터 학습된 방법보다 객체 검출 성능이 우수하다는 것을 보여줬습니다!
https://huggingface.co/papers/2402.13616

4. Gemma 한영번역 LoRA 파인튜닝 가능! LangChain KR 김태영 대표님의 블로그 공개
LangChain KR 운영진이시자 인공지능팩토리 김태영 대표님께서 어제 공개된 Google 오픈소스 모델 Gemma 한영번역 LoRA 파인튜닝하는 방식을 공개했습니다. 현재 Gemma의 경우 코랩 노트북으로도 돌아갈만큼 모델이 크지 않아서 실제 LoRA 튜닝까지 가능한것 같습니다! 혹시 Gemma 파인튜닝에 관심있는 분들은 해당 블로그를 참고하면 좋다고 생각합니다!
https://tykimos.github.io/2024/02/22/gemma_ko2en_lora_fine_tuning_fast_execute/?fbclid=IwAR0dhKB1wwss5YApi4vmvmQX8iM_zkoQHXpVima_s8hkkZbGvOsgIecSJ94
----

국내 최초 Flutter 도서 ‘생존코딩’ 오준석 저자의 마지막 직강!
🔥 놓치지 마세요! ► https://bit.ly/482TuPf