[ 네트워크 통신 분야 펌웨어 및 딥러닝 분야 개발 및 컨설팅 전문 ] 음성인식 ( 음향모델 / 언어모델 ) 알고리즘 분석관련 돈이 되는 근거 기술자료를 갖고 있읍니다 ...

제 나이 올해 59 세 입니다 ....   요즘 경기가 최악 이라 중소기업 이건 대기업 이건 검증된 결과물이 있느냐 이것이 사람을 평가하는 기준이 되고 있읍니다 ...   요즘엔 30 대도 재취업을 1 년내에 하는게 쉽지 않다고 합니다 ...   요즘엔 본인이 가진 기술이 100 점에 가까우냐가 평가 기준 인것 같읍니다 ...  본인이 가진 기술이 100 점 정도면 당신의 능력을 믿을수 있다고 평가할수 있다 이것이 요즘 중소기업 이건 대기업 이건 공통적인 상대방의 능력을 평가하는 기준 인것 같읍니다 ...   저도 그동안 제가 사업수완이 부족해서 푼돈벌이 밖에 안되는 펌웨어 개발용역 일을 했었는데 최근부터는 이것을 탈피해서 한  2 - 3 년동안 준비해서 이제는 제 사업을 해야 하겠다 라는 생각을 했읍니다 ...   접속자수가 수십만명되는 미디어 데이터 송수신 서비스 구현을 위한 기술을 파악하려고 목표를 정했었고  이게 Publish / Subscribe 구조의 메시지 통신 설계 구현의 세부 노하우를 파악하는것도 산너머 산 이었구요 ...  이것도 우여곡절 끝에 노하우 확보에 성공했읍니다 ...  그런데 이게 끝이 아니더라구요 ...    접속자수가 수십만명되는 미디어 데이터 송수신 서비스 구현을 하려면 네트웍 장비 L4 스위치 장비로 어떻게 네트웍 부하를 분산시키는 설계가 가능한지 그 세부 방식의 파악에 어려움을 겪다가 파악에 성공했읍니다 ....    또 이어서 제가 준비했던 기술을 소개드리면  딥러닝  사업화를 위해 한 2 년 가까이 해외논문을 한 400 편 이상 살펴봤구요 ...  논문을 400 편 살펴봤다고 글을 쓰니까 어떤 분들은 논문 읽고 분석하는것은 대학원 석사과정도 다 한다 라고 이야기를 하시더라구요 ...   다 남들도 대학원 딥러닝 석벅사과정을 거치면서 논문을 수백편 분석하면서 논문의 개선 방안을 제시해서 석박사를 받듯이  저도 그런 과정을 한 2 년 겪었다고 보시면 됩니다 ...    논문을 수백편 분석하면서 논문의 개선 방안을 제시하는것 가지는 아니어도 해당 논문에서 핵심이슈가 무었이고 여기에서 내가 파악할것은 무었인가를 고민하는 시간을 한 2 년 겪었읍니다 ...  저는 오디오쪽 비디오쪽 딥러닝 기술 이슈 수십 수백 가지 논문의 이슈 분석에 시간을 투자했었구요 ...   요즘 ChatGPT 가 세상을 뒤집고 있는데 내가 2 년전 딥러닝 논문 분석을 준비 안해서 딥러닝 노하우를 지금 파악하고 있지 못하다고 생각하면 끔찍할것 같읍니다 ...   저는 딥러닝 비젼쪽 논문도 분석을 했었고,  최근에는 GPT-3.5 ChatGPT 의 핵심 이슈가 무었인지와 OpenAI 에서는 이 사람들은  GPT-3.5 ChatGPT 를 어떻게 설계했는지 그런것을 세부적으로 분석하고 있고  OpenAI 의  GPT-3.5 ChatGPT 의 학습 및 추론은 어떻게 설계되었는가를 어느정도 파악에 성공했읍니다 ...    요즘은 대기업 AI 연구소도 약간 젊으신 미국 일류대 AI 박사님들이 연구소장을 하시더라구요 ...    OpenAI 의  GPT-3 을 한번 학습시키는데 미화 1200 만불이 든다고 합니다 ...    OpenAI 의  GPT-3 을 한번 학습시키려면 엔비디아 딥러닝 서버를 최소 수십대 이상 클러스터링 구축 설계를 해야하고 클러스터링 설계시 네트웍 통신도 채널당 수십 - 수백 Gbps 급의 네트웍 통신도 같이 설게시 고려되야 하더라구요 ...  요즘은 이런 엔비디아의 딥러닝 서버를 적용한 클러스터링 설계가 구현된 솔루션을 엔비디아가 제공하더군요  ....   저는 Vision 쪽으로는 StyleGAN 분야를 세부 검토를 했었고  엔비디아 NeRF 논문도 세부 검토를 했었읍니다 ...  그래도 나름 이슈 파악을 했으니 이렇게 소개드리는것 이구요 ...    OpenAI 의  GPT-3 학습 구현도 토큰나이져 설계와 모델 설계 이런것들의 세부 검토가 필요 합니다 ...   저 보러 너는 그럼 OpenAI 의  GPT-3 학습 파악한게 100 점에 가까우냐 라고 물으시면 한 85 점 정도 라고 답변을 드릴수 있을것 같읍니다 ...   그래도 나름 돈이 되는 노하우도 파악하고 있읍니다 ...    저는 딥러닝을 예를 들면  OpenAI 의  GPT-3 학습 파악한게 100 점에 가까우냐 라고 물으시면 한 85 점 정도 파악했구요 ...   위에서 말씀드린  접속자수가 수십만명되는 미디어 데이터 송수신 서비스 구현을 위한 기술도  파악한게 100 점에 가까우냐 라고 물으시면 한 85 점 정도라고 말씀드릴수 있읍니다 ...   

여러가지로 제가 운영하는 딥 네트워크와 협력해서 위의 두가지 사업분야 의 일을 추진하는것 검토가 필요하시면 아래의 메일주소로 귀사의 기술이슈를 보내주시면 한번 같이 고민해 볼수 있을것 같읍니다  ....

 

 

제가 운영하는   일인기업   

일인기업 딥 네트워크 장석원

기업블로그 : https://videocodec.tistory.com/   제 기업블로그 사이트도 자세히 살펴봐 주시구요 ....

이메일 : sayhi7@daum.net

HP : 010-3350 6509