청소년에게 의욕 한 방울

지난 2014년 6월, 제가 졸업한 모교에서 강연을 할 기회가 있었습니다. 미래에 대해 막연한 불안감을 갖고 있는 청소년들에게 의욕을 불어 넣어주고자 마련한 강연이었는데요, 저도 그 고등학교에서 암울한 시기를 보내봤던 지라 더더욱 좋은 강연 하려 애썼던 기억이 납니다.

전체적인 내용은 초반부엔 저의 소개 ("나도 여기 졸업 했었어. 너희랑 같은 고민을 했었지"), 중반부엔 로봇공학과 로봇공학자에 대한 이야기 ("로봇공학은 화려해보이지만 사실 지금 너희가 배우고 있는 수학과 물리, 영어가 매우 중요하단다."), 그리고 마지막 후반부엔 어떤 태도를 가지고 살아가는게 좋을지에 대하여 이야게 했습니다. (첫 부분에 아이들의 흥미를 끌기위해 자랑조의 슬라이드가 삽입된 점 이해 부탁드립니다;;)

아무쪼록 이 슬라이드가 하루 만이라도 보시는 분들께 의욕을 불어넣어 주었으면 하는 바람입니다. 그럼 즐거운 하루 보내세요 ^^

혁신을 이끈 기업가들의 일곱가지 명언

(원문) "22 Inspiring Quotes from Famous Entrepreneurs" by John Brandon, INC.com 

INC.com에서 "유명 기업가들의 22가지 명언"이란 기사가 흥미로워 그 내용을 공유합니다. 전부는 아니고 그 중 마음에 크게 와닿은 일곱 가지를 공유합니다.

 

구글 : 창의적 기업은 어떻게 만들어지는가?

(원문) "How Google Works" by Eric Schmidt and Jonathan Rosenberg 

창의적인 인터넷 기업 운영과 관련하여 Google의 전 CEO인 Eric Schmidt 와 전 부사장 Jonathan Rosenberg가 "How Google Works"란 책을 출판하였습니다. 이와 관련해 이 책의 프리뷰 격인 프레젠테이션 파일을 slideshare에 공개하였는데요, 내용들이 참 인상적이어서 여러분께 번역/공유합니다.

"How Google Works" from Eric Schmidt & Jonathan Rosenberg.

PCA (Principal Component Analysis), 주성분 분석

우리가 다루는 데이터들은 보통 3차원 공간에선 표현하기 힘든 고차원(high dimension)의 데이터인 경우가 많습니다. 예를 들어 40개의 관절을 가진 휴머노이드 로봇을 제어하기 위해선 40차원의 벡터 (또는 120차원의 벡터)를 다루어야 하고, 또 미스코리아의 얼굴 유사도 분석과 같이 이미지 파일을 분석할래도 픽셀 수(e.g. 64*64=4096) 길이의 벡터를 다루어야 하죠. 생각해보세요. 이렇게 긴 벡터의 데이터를 분석한다면 컴퓨터로서도 매우 힘들지 않을까요? 그래서 필요한 것이 바로 차원 축소의 방법입니다.

* PCA를 처음 접하시는 분이시라면 지난번 T-Robotics 글 "미스코리아 얼굴들을 다 똑같다? PCA의 마법!"을 먼저 읽어주시면 이해에 도움이 되실 것입니다.

미스코리아의 얼굴은 다 똑같다? PCA로 분석한 미스코리아 얼굴의 유사도 분석! T-Robotics 글에서 한번 확인해보시죠. (사진 출처 : Refining Open Minds 블로그)