🧑‍💻 IT 범생이 Finn 18

엔비디아 실적발표를 통해 바라본 AI 산업의 현 주소

특정 기업에 대한 투자 권유 글이 아니며, 산업에 대한 이해를 돕기 위한 글 입니다. 안녕하세요, IT 범생이 Finn 입니다. 오랜만에 글을 쓰는데요, 오늘은 엔비디아의 23년 4분기 실적발표가 있었던 날 입니다. 개인적으로 AI 역사에 있어 다소 기념비적인 날인 것 같아, 짧은 글로 남겨두고자 합니다. 주위에서 요즘 특히 많이 물어보더라구요, 오픈AI의 ChatGPT, 구글의 제미나이를 비롯해 오늘 새벽에 함께 소개된 구글의 젬마까지. 방대한 AI 산업에서 요즘 (개미들에게) 가장 화두인 기업, 엔비디아가 왜 중요하며 산업적으로 어떤 의미를 지니는 지. 몇개의 짧은 포인트로 누구든 이해하기 쉽게 간략히 정리해 보고자 합니다. 쉽게 따라오시도록 대화 형태로 정리해 볼게요! 1. 엔비디아는 무엇을 하..

메타파이 거래소를 통해 나만의 NFT 만드는 법 정리 (메타파이, NFT 그림)

안녕하세요 IT 범생이 Finn 입니다 요즘 자신의 고유 창작물을 블록체인 기반으로 등록하고 판매하는 NFT가 크게 유행하고 있는데요 무려 하나의 JPG, GIF로 몇억씩 벌어가는 사람들도 있다고 하는데요 단순히 그림 하나를 소유하는 것을 넘어서, 해당 NFT를 보유함으로써 특정 공동체의 일원이 되는 '디지털 멤버십'의 형태로 진화해 나가고 있는 것으로 보입니다 그런데 이런 NFT를 만드는 법, 생각보다 어렵지 않습니다 오늘은 메타디움 네트워크 기반의 국내 NFT 플랫폼, 메타파이를 통해 자신만의 NFT를 거래하는 법을 알아봅시다! 첫째. 메타파이 회원가입하기 (마이키핀 인증) 아래 메타파이 사이트에 접속해서 회원가입을 해 줍니다 틈틈이 회원가입, 출석체크 이벤트를 진행하니 관심있으신 분들은 꼭 눈여겨 ..

위믹스(WEMIX) 투자 전 꼭 알아야하는 상식 정리 (p2e 게임, 위믹스 코인 전망)

안녕하세요 IT 범생이 Finn 입니다 요즘 p2e 게임에 대한 관심이 높아지며 자연스럽게 관련 화폐들에 대한 관심 또한 높아지고 있는데요 오늘은 국내 게임 암호화폐의 대표격인 위믹스를 소개드리고자 합니다 위믹스는 어떤 목적으로 만들어졌나요? 위믹스는 미르의전설로 유명한 국내 게임사 위메이드에서 자사 게임 생태계 내 거래를 목적으로 발행하는 암호화폐 입니다 특히 p2e (Play to earn), 즉 게임을 통해 얻은 보상을 현금으로 수익화할 수 있는 게임들이 대세감을 형성하며 자연스레 위믹스가 등장하게 되었습니다 카카오의 클레이튼 메인넷을 기반으로 운영되는 화폐로 클레이스왑 등 클레이튼 기반 서비스에서 거래가 가능합니다 왜 모두들 위믹스에 집중하고 있나요? 위메이드가 위믹스를 활성화하기 위해 압도적인 ..

메타마스크 암호화폐 지갑 만드는 방법 완벽정리 (디파이 투자를 위한 첫 걸음)

안녕하세요! IT범생이 Finn 입니다 요즘 단순히 코인을 보유하고 시세차익을 노리는 것을 넘어서 디파이 투자에 관심을 갖는 분들이 많이 보이는데요! 디파이, 그 중에서도 주요 덱스(DEX)를 이용하기 위한 필수 준비물인 메타마스크 가상화폐 지갑을 만드는 방법을 소개 드립니다 MetaMask 메타마스크란? 이더리움 메인넷을 포함한 주요 암호화폐 네트워크에서 개인지갑을 편리하고 안전하게 관리할 수 있는 프로그램 입니다. 원래는 크롬 브라우저 확장을 통해서만 활용 가능했지만 현재는 모바일 앱도 출시되어 활발히 사용 중이다 이제부터 메타마스크 설치 방법을 단계별로 차근차근 알아볼게요~! 1. 메타마스크 홈페이지에서 프로그램 다운로드 아래 링크를 통해 메타마스크 공식 사이트에서 다운로드 해줍니다 본인이 가장 활..

미국 조지아텍 OMSA 온라인 석사, 이 학점으로도 가능한가요? (데이터 사이언스 석사 Q&A)

안녕하세요, IT 범생이 Finn 입니다! 많은분들이 제가 일과 병행중인 조지아텍 온라인 석사 과정에 관심을 갖고 질문해 주셔서 별도 포스팅으로 주요 질문사항을 정리 답변 드리고자 합니다 1. OMSCS 와의 주요 차이점은 무엇인가요? OMSCS는 컴퓨터공학을 전공으로 하는 과정입니다 OMSA와 OMSCS 모두 조지아텍에서 제공하는 온라인 석사 과정으로 OMSCS가 더 일찍부터 시행되었습니다 OMSA와도 다수의 커리큘럼과 수업을 공유하고 있는 자매 프로그램으로 특이한 점은 OMSCS에도 머신러닝 특화 과정이 있다는 겁니다 재학생 커뮤니티를 통해 문의한 결과 컴퓨터 응용 프로그램 접목 등 머신러닝 엔지니어링, 즉 개발이 목표라면 OMSCS가 더 적합하지만 주요 통계/머신러닝 기법을 통한 현상 분석, 즉 데..

디파이라마에서 새로운 가상화폐 덱스를 찾고 투자하는 법 (DefiLlama, DEX, 바이스왑)

안녕하세요, IT 범생이 Finn 입니다! 2022년 임인년에는 모두 성투하셨으면 좋겠습니다 😍 요즘 디파이에 대한 관심이 높아지며 덱스 DEX를 적극적으로 찾아나서며 투자하시는 분들이 부쩍 많아졌는데요 오늘은 제가 새로운 덱스를 찾아내는 방법과, 최근 거래하고 있는 두 덱스를 소개드리고자 합니다 디파이 DeFi란? Decentralized fiance의 약자로 탈중앙화된 금융을 통칭합니다 전통적인 금융업이 법정화폐의 예치를 통한 대출, 예금, 파생상품 취급을 담당하였다면, 디파이는 암호화폐의 예치를 통해 위 업무를 수행하는 기관/프로젝트를 통칭합니다 최근 암호화폐를 통한 추가 수익을 기대하시는 분들이 많이 몰리며 시장이 급격히 커지고 있습니다 덱스/DEX란? Decentralized exchange, ..

SVM 서포트 벡터 머신 알고리즘 개념 정리 (2): 불완전한 분류편

전 장에서 SVM 알고리즘의 특정 예시, 모든 점을 완벽하게 분리할 수 있는 경우를 살펴보았다. 그러나 현실 속에서 데이터는 100% 정확히 분류하기 어려운 경우가 더 많을 것이다. 사과와 수박을 부피 및 무게에 따라 분류하는 것은 상대적으로 쉬울테지만, 사과와 오렌지를 분류한다고 하는 경우는 난이도가 더 높을 것으로 예상되지 않는가? 이번 장에서는 두 데이터를 깔끔하게 분리할 수 없는, 즉 어느정도의 오류가 불가피한 경우의 SVM 알고리즘에 대해 살펴보고자 한다. 그 전에, 간단히 Support Vector Machine 알고리즘의 명칭에 대한 유래를 소개하고자 한다. 지탱하는 Support Vector, 그 사이의 분류기 서포트 벡터의 개념을 이해하기 위해서는 볼록포, 혹은 Convex hull 에 ..

SVM 서포트 벡터 머신 알고리즘 개념 정리 (1): 완벽한 분류편

이번 장에서는 이론적으로 가장 논의가 활발하고, 또한 가장 효과적인 분류 알고리즘으로 평가받는 SVM, 서포트 벡터 머신에 대해 알아보겠습니다. 편의 상 SVM 으로 통칭하겠습니다. 우선 '분류'라는 문제 상황에 대해 좀 더 자세히 알아본 후, 마진에 기반한 SVM 의 이론적 기반을 간단히 제시할 예정입니다. 선형 분류의 문제란? X 가 N개의 차원을 갖는 공간이고, Y = {-1, +1} 그리고 f: X→ Y 라고 정의하자. 쉽게 말해, N차원의 변수 X 를 함수 f 에 대입 하였을 때 +1 또는 -1 을 결과값으로 갖는 관계라는 말이다. 예를 들어, 과일의 무게 및 부피를 입력했을 때 이 과일이 수박인지 (+1), 사과인지 (-1) 를 알려주는 함수를 생각해 볼 수 있다. 우리의 목표는 실제 데이터의..

꼭 알아야 하는 머신러닝 필수 개념 (3): 학습방법 편

학생별로 알맞은 교육법이 모두 다르듯이, 머신러닝 또한 당면한 문제를 효과적으로 해결하기 위해 여러 '학습'방법 중 하나로 데이터를 받아들인다. 즉, 학습 알고리즘 별로 Training/Test 데이터를 활용하는 순서 및 방법에 차이가 있는 것이다. 이번 장에서는 머신러닝의 주요 학습방법들을 소개하고, 간단한 예시를 통해 이해를 돕고자 한다. Supervised Learning: 기출 문제를 열심히 푸는 학생 Supervised learning 또는 지도학습은 레이블이 포함된 학습 데이터를 바탕으로 모델을 구축하여, 알려지지 않은 새로운 값에 대한 예측을 스스로 해 내는 학습 방법이다. 공부법에 비유하자면, 사전에 정답이 주어진 기출문제를 바탕으로 공부를 한 뒤, 시험을 치루는 공부법이다. 따라서 기출문..

꼭 알아야 하는 머신러닝 필수 개념 (2): K-fold CV 교차검증

데이터분석 혹은 머신러닝을 공부하게 되면 꼭 배우는 것이 학습 방법론에 따른 데이터 분류법이다. 데이터 분석을 처음으로 배우는 경우, 모델을 배우고 너무 들뜬 나머지 자신이 가진 데이터 100% 를 전부 활용하여 모델을 학습하고 분석하기 바쁜데 이는 굉장히 큰 오류이다. Train 데이터를 활용하여 학습한 모델은 해당 데이터의 특성을 이미 반영하고 있으므로, 똑같은 데이터로 예측을 하는 것은 당연히 '실제 대비 더 좋은' 결과를 낼 것이기 때문이다. (이러한 경우를 과적합 이라고 한다) 예를 들어, A문제집으로 시험 공부를 한 학생(모델)이 있다고 하자. 이 학생이 '비슷하지만 새로운 유형의 문제'로 구성된 시험을 치루는 경우와, '문제집과 완벽히 동일한 문제'로 구성된 시험을 치루는 경우를 비교 한다면..