총 10개 글 · 원본 블로그 방문 →
산업 AI 기업 마키나락스의 기술 블로그
안녕하세요. 마키나락스입니다. 마키나락스가 홈페이지 블로그를 신설함에 깃블로그 채널 운영이 종료됩니다. 그 동안 마키나락스에 관심을 갖고 방문해주신 모든 분들께 진심으로 감사드립니다. 마키나락스의 더욱 다양하고, 새로운 소식은 다음의 공식 채널을 통해 만나보실 수 있습니다. 홈페이지: makinarocks.ai 블로그: makinarocks.ai/blog 링크드인: linkedin.com/company/makinarocks/ 유튜브: youtu
Dear all, This is MakinaRocks. We would like to inform you that with the launch of our new blog on the official website, we will be discontinuing the operation of our Gitblog channel. We sincerely appreciate your continued interest and support for th
Related to Reinforcement learning, take on the challenges of the industry! – ASIC semiconductor design (Floorplan) automation (Naver Deview 21 presentation video) ) Application Specific Integrated Circuit (ASIC) Floorplan Automation - Part I Abstract
MakinaRocks’ Combinatorial Optimization Problem (COP) team is working on a floorplan automation project, which automates component placement on Application-Specific Integrated Circuits (ASICs). In this post, we will provide a summary of the concept o
Related to 강화학습, 산업의 난제에 도전하다! - ASIC 반도체 설계 (Floorplan) 자동화 (Naver Deview 21 발표 영상) ASIC-Chip-Placement 1부 ASIC-Chip-Placement 2부 문제 소개 안녕하세요. 마키나락스 Combinatorial Optimization Problem(이하 COP)팀입니다. 저희는 산업 현장에서 효율 개선이 필요한 부분을 찾고, 여러 프로젝트를 통해 문제들을 해결하고
Related to 강화학습, 산업의 난제에 도전하다! - ASIC 반도체 설계 (Floorplan) 자동화 (Naver Deview 21 발표 영상) 주문형 반도체 (ASIC) Floorplan 자동화 - Part I 프로젝트 소개 FIGURE ABSTRACT 위 애니메이션은 약 1500 iterations 정도의 학습 과정을 보여주고 있습니다. 녹색의 큰 사각형은 Macro, 청색의 작은 사각형은 Standard Cell Cluster를 나
MakinaRocks의 COP(Combinatorial Optimization Problem) 팀에서는 주문형 반도체(Application Specific Integrated Circuit, ASIC)에서의 소자 배치를 자동화하는 Floorplan Automation 프로젝트를 진행하고 있습니다. 저희는 총 2부에 걸쳐 진행한 Floorplan Automation 프로젝트에 대해서 소개하고자 합니다. 이번 포스팅에서는 산업에서 Floorplan
마키나락스의 Platform 팀에서는 Kubeflow를 기반으로 하여 ML/DL 모델의 실험과 배포의 간극을 줄이는 MLOps 플랫폼을 개발하고 있습니다. Kubeflow는 ML Workflow 를 Kubernetes-native하게 실행하고 관리할 수 있는 플랫폼이지만, 아직 v1.0 이 released 된 지 약 1년 반 정도밖에 지나지 않은 프로젝트이기에 Kubernetes에 익숙하지 않은 Data Scientist, ML Engineer
마키나락스의 OLP(Off-line Programming) 팀에서는 제조 공장에서 사용되는 Multi-Robot Arm의 경로계획(Path Planning) 문제를 강화학습을 이용하여 풀고 있습니다. 경로계획은 다수의 로봇팔이 효과적으로 동작할 수 있는 경로를 생산하는 문제입니다. 실제 로봇 이용 시 시행 착오를 거치며 학습하는 강화학습 모델의 특성으로 인해 시간과 안전, 비용상의 문제가 발생할 수 있어, 시뮬레이터를 이용해 모델을 학습시키고
마키나락스는 제조업에서 실시간으로 생산 장비와 공정의 고장 및 이상을 사전에 예측하는 이상탐지 시스템을 제공하고 있습니다. 이상탐지 시스템을 적용하고자 하는 제조 생산 현장은 제품 및 공정의 변화가 잦은 곳이 많습니다. 공정이 변하면 데이터 분포가 달라지기 때문에, 사전에 학습된 모델이 적용하려는 시점에는 정상 작동하기 어렵습니다. 이런 문제를 해결하기 위해 학습과 추론이 동시에 가능한 코드 형태로 모델을 배포하고, 배포된 동안 새롭게 수집한
페이지 1 / 1 (총 10개)
