233

- 337s 430ms/step

time 6393.3229768276215

781/782 [============================>.] - ETA: 0s

782/782 [==============================] - 489s 625ms/step

time 11854.210300922394

426ms/step

time 6319.543957948685

1) 높은 유지보수 비용의 부담

2) 잦은 장애로 인한 업무 중단

3) 복잡한 현장 제약을 수용하고 있지 못함

4) 신규 제약과 규칙 추가의 어려움

5) 전 부서 상황 고려한 통합 최적 생산계획 수립이 어려움

6) 노후화로 인한 생산 시스템 교체 필요

7) 기타

모집직무

담당업무

자격요건

법무

(사내변호사)

- 법률적인 전문성과 이해를 바탕으로,

자회사의 국내 · 외

사업영역 전반에 관한 국/영문 계약검토,

법률자문, 분쟁 관리 등의 업무 담당

- 한국 변호사 자격증 소지자

(유관경력 1년 이상 5년 이하)

ㆍ콘텐츠&서비스

모집직무	담당업무	자격요건
사업	- 머천다이징 및 출판사업	- 머천다이징 및 라이선스 산업 관련 업무 (유관경력 2년 이상) - 파트너사(라이센시, 출판사 등) 확보를 위한 외부 커뮤니케이션이 가능한 분
기획	- Series 서비스의 기획 및 Project Manager - Series 서비스 운영	- 서비스 기획/설계 업무 경력 3년 이상
데이터분석	- 다양한 컨텐츠 서비스의 효율적인 운영과 마케팅 플래닝을 위하여 사용자 경험 분석을 통한 인사이트 도출 및 액션플랜 지원	- 그로스해킹/데이터분석 관련 업무 (유관경력 2년 이상) - 디지털 콘텐츠 서비스 사용 경험이 많고, SQL 쿼리를 작성하여 데이터 추출 및 인사이트 도출 가능한 분

ㆍ기술

    '''
    Example of penalize steering, which helps mitigate zig-zag behaviors
    '''

    # Read input parameters
    distance_from_center = params['distance_from_center']
    track_width = params['track_width']
    steering = abs(params['steering_angle']) # Only need the absolute steering angle
    # Calculate 3 markers that are at varying distances away from the center line
    marker_1 = 0.1 * track_width
    marker_2 = 0.25 * track_width
    marker_3 = 0.5 * track_width
    # Give higher reward if the agent is closer to center line and vice versa
    if distance_from_center <= marker_1:
        reward = 1
    elif distance_from_center <= marker_2:
        reward = 0.5
    elif distance_from_center <= marker_3:
        reward = 0.1
    else:
        reward = 1e-3  # likely crashed/ close to off track
    # Steering penality threshold, change the number based on your action space setting
    ABS_STEERING_THRESHOLD = 15
    # Penalize reward if the agent is steering too much
    if steering > ABS_STEERING_THRESHOLD:
        reward *= 0.8
    return float(reward)
Training algorithm and hyperparameters Info

PPO
A state-of-the-art policy gradient algorithm which uses two neural networks during training – a policy network and a value network.
Hyperparameters
Gradient descent batch size

32

64

128

256

512
Number of epochs

AWS DeepRacer
Your models
Create model
Step 1
Specify the model name and environment
Step 2
Choose training type and agent
Step 3
Customize reward function and training algorithm
Create model
Reward functionInfo
The reward function describes immediate feedback (as a score for reward or penalty) when the vehicle takes an action to move from a given position on the track to a new position. Its purpose is to encourage the vehicle to make moves along the track to reach its destination quickly. The model training process will attempt to find a policy which maximizes the average total reward the vehicle experiences.
Code editor
Reward function examples
Reset
Validate

2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

08:30~9:30 UITableView를 이용하여 점검 현황판 구현 점검

9:30~10:30 UITableView를 대체 할 오픈소스 라이브러리 검색

10:30~11:30 대체 라이브러리 없음 UIScrollView에 UITableview 구현

11:30~12:10 구현된 UITableView의 경우 스크롤 이동이 부드럽지 않아 구현 가능성 확인

점심

12:10~01:30 UIScrollView에 UIView 삽입하여 스크롤 확인

01:30~2:30 UIView에 삽입된 View에 핀치 줌 적용, 해당 뷰 알파값 적용 및 그림 적용가능 확인

2:30~3:30 UIView에 Core Graphics를 이용하여 사각형 그림, 색상 적용

3:30~4:30 그려진 사각형을 뷰에 붙이고 아핀변환 적용하여 확대 축소 및 이동 확인

4:30~5:30 스크롤 크기 맞지 않는 버그, 아핀 변환시 사용자 줌과 실제 확대/축소 움직임에

많은 괴리가 있어 파라미터 수정하며 디버깅 중.

5:30까지 디버깅 해도 해결될 것으로 보이지는 않아 디버깅 후 일요일 출근하여 월요일 까지

버그 해결 및 이 차장님 쿼리 적용하여 사각형에 모두 먹도록 구현.

Mission	- Cloud UI 및 Cloud Gaming 등 Cloud 기반 앱 가상화 관련 개발 업무 수행 - Cloud Streaming 내 서버 영역 개발 수행
Responsibilities	- SKB향 Video Cloud Streaming UI Solution 서버 영역 개발 - Game Cloud용 Video Cloud Streaming Server 개발
Requirement	- C, C++ 개발 가능(5년이상 선호) - Window, Linux 기반 개발 가능 - Cloud 기반 앱 가상화에 대한 이해와 개발 경험 - Single-GPU, Muilti-GPU 환경에서의 Encoding 개발 경험
Preferred	- Linux Kernel 최적화 업무 경험 - Windows Crash Dump 분석 가능