
[23. 5. 23] 해석가능한 의료 인공지능 모델
딥러닝의 블랙박스 한계를 설명하며 의료 분야에서 해석가능한 인공지능의 필요성을 정리했습니다. 또한 AITRICS-VC의 해석 기능과 멀티모달 확장 방향을 소개했습니다.

딥러닝의 블랙박스 한계를 설명하며 의료 분야에서 해석가능한 인공지능의 필요성을 정리했습니다. 또한 AITRICS-VC의 해석 기능과 멀티모달 확장 방향을 소개했습니다.

패혈증은 초기 증상이 비특이적이고 검사 결과도 늦어 조기 판단이 어렵습니다.\nAI 기반 사전 예측이 기존 위험도 평가 도구의 한계를 보완할 수 있습니다.

미리캔버스의 여러 검색 과제를 하나의 임베딩 공간으로 묶기 위한 모델 개발 과정을 소개했습니다. 태스크별 운영의 한계를 줄이고 디자인 도메인 특성에 맞게 학습한 방식이 핵심이었습니다.

에이아이트릭스의 AITRICS-VC가 MEDICA 스타트업 컴피티션 AI in healthcare 분야 TOP12에 선정되었습니다. 국내 유일 기업으로 뽑혀 식약처 허가 기술과 예측 기능도 함께 소개했습니다.

에이아이트릭스가 2년 연속 코리아 AI 스타트업 100에 선정됐습니다. 병원 응급상황 조기 예측 솔루션을 바탕으로 헬스케어 AI 성장을 이어가고 있습니다.

AI 연구용 GPU가 부족하고 활용률도 낮아 효율적 운영이 필요했습니다. 데스크톱 가상화로 연구 규모에 맞게 나누고 자동 회수해 공정성을 높였습니다.

검색 리랭킹의 콜드 스타트와 임베딩 공간 불일치 문제를 안정화 기법으로 해결했습니다. 오프라인과 A/B 테스트에서 성능과 매출 개선도 확인했습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

SageMaker Immersion Day에서 MLOps와 통합 ML 개발 환경을 체험한 워크샵 후기를 소개했습니다. 모델 구축, 튜닝, 배포까지의 흐름과 실무 적용 가능성을 살펴보았습니다.

기존 SOFA와 qSOFA의 한계를 짚고, 패혈증 조기 예측을 위한 딥러닝 모델 개발 과정을 소개했습니다. 데이터 확보부터 레이블링, 학습, 임상시험까지의 흐름과 의료 현장 적용 필요성을 설명했습니다.

토스는 2,800만 MAU를 이해하기 위해 이용 패턴 기반 세그먼트 TUES를 만들고 활용했습니다. 이를 통해 성장 전략, 탑라인 분석, 타겟 마케팅을 더 정교하게 수행했습니다.

버추얼 휴먼의 초기 한계였던 불쾌한 골짜기와 높은 비용 문제를 사이버가수 아담 사례로 설명했습니다. AI 기술 발전으로 제작 효율이 높아지며 의료 등 다양한 분야로 활용이 넓어질 가능성을 짚었습니다.

얼굴인식 기술의 발전사를 60년 흐름으로 정리하고 페이스페이의 결제 적용을 소개했습니다. 에지·클라우드 구조, 보안, 안티스푸핑, 성능 검증과 서비스 성장도 함께 다뤘습니다.