그 안에 파인 튜닝이라는 개념이 존재합니다. 파인 튜닝 - 사전 학습된 모델을 특정 목적을 위해서 추가 학슶하는 것- 추가 학습하거나- 전체 파리미터를 미세 조정 파라미터 또는 매개변수는 가중치와 편향... 이며, 여러 오픈 소스가 존재 임베딩 과정 : 문서나 텍스트를 백터화 하는 "은행 몇시에 열어요" 밑에는 메뉴얼 적인 부분 1. 코퍼스 수집 (Raw Data)"은행은 몇 시에 열어요? 대부분의 은행은 오전 9시에 엽니다."2. 데이터 정제 (Cleaning)- 불필요한 공백 제거- HTML 태그 제거- 특수문자 처리→ "은행은 몇 시에 열어요? 대부분의 은행은 오전 9시에 엽니다."3. 청킹 (Chunking) ← 필요시만청크1: "은행은 몇 시에 열어요?"청크2: "대부분의 은행은 오전 ..

머신러닝의 하위 집합 인공 신경망을 통해서 딥러닝은 데이터 속성을 자동 추출하며, 비정형(이미지, 언어) 등 높은 성능 보여줌 전처리 과정 필요예를 들어 : 강아지, 고양이, 햄스터 등 머신러닝은 인간에게 의존하지 않음 즉, 인간 전문가가 머신러닝에서는 "귀", "눈" 등 직접 결정해야함 전통적인 머신러닝에서는 사람이 훨씬 더 많이 개입합니다:강아지, 고양이, 햄스터를 구분한다면, 사람이 직접 "귀 모양", "꼬리 길이", "털 패턴", "코 크기" 같은 특징들을 정의해야 합니다이런 특징 추출(feature engineering) 과정이 매우 중요하고, 전문 지식이 필요합니다어떤 특징이 중요한지 사람이 판단하고 선택해야 합니다딥러닝에서는:사람은 주로 라벨링된 데이터만 제공합니다 (이 사진은 강아지, 이건..

- 일반 개발은 규칙으로 이루어졌지만, 인공지능은 데이터의 패턴을 학습하여 결과 도출 모델 - 데이터에서 학습하는 알고리즘-- 지도학습- 회기 : 연속적인 값- 분류 : 범주형 값-- 강화학습- 보상을 줌 알고리즘 학습 : 머신러닝은 데이터를 통해 수식을 찾고, 각 속성의 가중치와 편향 값을 결정하는 과정ㄴ> 예측치를 서서히 높여값(정확도)

- AI 없으면, 툴이 없으면 만들 수 없다. 그결과, 직장인들의 운명은? - 기획, 설계 등 AI에게 물어봄- 부부간에 싸움을 법원처럼 AI에게 물어봄- Loop(하나의 업무 흐름) - 적어도 한번은 인간이 개입해서 판단, 결정 업무능력이 좋은 인재 > 업무능력이 좋지 않은 인재 어떻게 하면, AI를 잘 쓸까? - 잘 묻고, 잘 판별하고, 잘 결정하기- 어떤 질문을 하느냐?- 단순 "~해줘"는 아니다. Java, Django 등 모듈화하여 개발하기 1. 프롬프트를 '함수(Function)'로 설계하기일반적인 코딩에서는 입력값을 받아 로직을 처리하고 출력값을 뱉는 함수를 짭니다. AI 개발에서는 '기존 프롬프트(베이스 프롬프트)'가 이 함수의 로직 역할을 합니다.기존 방식: if-else 문으로 모..

- 인공지능안에 머신러닝과 딥러닝이 존재한다.- 머신러닝과 딥러닝은 둘다 학습시키는 것은 같다. 하지만 머신러닝은 인공 신경망을 이용한다.- 둘다 데이터를 가지고 학습한다.(차이는 딥러닝은 인공신경망)그렇다고 머신러닝과 딥러닝은 완전 다르지 않다. - 딥러닝은 인공신경망을 이용한다. 그 층은 input, hidden, output 계층으로 구성된다.ㄴ> 밑에 예제... 위 처럼 나이, 키, 몸무게의 데이터를 입력해서 hidden 계층을 넘어서 출력(결과)가 나온다. 그 신경망의 중에 [회귀]가 있다.-> 규칙을 찾고 연속된 값의 출력을 추청(결과치에 대한 분포되어 있고, 점점 학습시켜서 오차를 줄이는 것) [분류]가 있다.-> 입력값에 따라 특정 범주 학습 : fitpredict : 예측 고민?..