Prompt Engineering LLM에게 질문을 얼마나 잘 할 것인가? 이것만 잘하더라도 LLM의 정확도를 엄청나게 높일 수 있다 General Prompt Structure Role Task Context Example Constraint N-shot prompt 예제를 하나 주면 one-shot prompting, 두개를 주면 two-shot prompting 이라고 부른다 보통 한개 두개 예제를 줄 때마다 결과의 정확도가 드라마틱하게 올라가기 때문에 예제를 주는 것이 굉장히 중요하다 Chain-Of-Thought (COT) 어떤 과정을 통해서 생각을 해내야하는지를 설명해서 LLM에게 생각하는 힘을 키워주는 것을 COT라고 부른다 수학 문제 같은 경우에 COT를 사용하면 정확도를 굉장히 높일 수 ..

오늘까지만 하고 내일부터는 실습 위주로 진행이 될 것이다 인공지능을 공부하면서 나는 어떤 쪽으로 방향을 잡고 깊게 들어갈 것인지를 계속 고민하고 있는데 쉽지 않다 모델을 만든다? 연구? 아니면 만들어진 것을 가져다가 사용하는? 어떻게 사용? 열심히 하는 것도 좋지만 하고 싶은 것이 무엇인지, 무엇이 더욱 미래 가치가 높은지를 충분히 고려한 후에 방향을 잡고 꾸준히 공부하는 것이 중요한 것 같다 1. XAI (eXplainable AI) XAI란 설명이 가능한 AI를 의미하며 우리가 사용하는 모델들의 결과가 왜 이런 결과를 도출하게 되었는지에 대한 고민을 조금이라도 덜어주기 위한 메뉴얼? 같은 것이다 XAI를 함으로써 Model은 어떤 feature를 가장 중요하게 생각하는지, 각각의 feature가 Mo..

패스트캠퍼스 환급 챌린지 중간 현황은 3월 8일 금요일에 하는 것으로 전달 받았었다 그리고 대망의 3월 8일...! 메일 한통이 날라왔다 ㄷㄱㄷㄱㄷㄱㄷㄱ 미리보기 방지 ???????? 아니 먼데ㅋㅋㅋㅋㅋㅋㅋㅋㅋ 모든...이라 그래서 다시 가이드를 살펴보았다 강의명을 적어줘야하나 보다...ㅅㅂ; 나는 강의명이 아니라 강의 소제목을 적고 있었다 패스트캠퍼스 환급챌린지 1일차 미션 (2월 1일) : AI, ML, 그리고 딥러닝 이런식으로 아니 이건 좀 너무 아쉬워서 고객 문의를 해보기로 했다 그리고 돌아온 답장은 감사합니다 선생님 ㅜㅜ 열심히 살게요 같은 이유로 환급 챌린지 실패 통보를 받게 되었다... 아니 저렇게 하면 된다면서요!!! 1회에 한해 예외적으로 성공처리 해주었다고 메일에 적기도 했고... 그냥..

이번 강사님의 오티를 듣는데 체계적이고 실습도 많을 것 같아서 재밌어보인다는 생각이 들었다 기대가 되는구만 그리고 어제부터 조대협의 대항로 1기를 5주간 진행하게 되었는데 다들 15년차 급의 시니어들에다가 사업하시는 분들도 있고... 20대에 신입은 나 밖에 없는 것 같다;; 팀을 구성해서 프로젝트를 진행해야 하는데 조금 부담쓰~ 근데 머 일단 해보자. 설마 죽기야 하겄어? 1. 군집 알고리즘의 개념 및 활용 군집 알고리즘이란 주어진 데이터에서 구조와 패턴을 찾아서 유사한 개체를 그룹화하는 군집 분석에 쓰이는 알고리즘이다 그럼 군집 알고리즘을 통해서 무엇을 할 수 있을까? 이전에 했었던 분류랑 다르게 군집 분석은 비지도 학습이다. 군집 분석을 활용하면 기존에 알고 있던 기준이 아니라 새로운 관점에서 그 ..

앞부분 강의는 들으면서 나중에 이해될거야! 하면서 일단 받아들이는 느낌으로 갔었는데 혁펜하임 성님 강의는 기초부터 찬찬히 설명해주셔서 이해가 쏙쏙되니까 들을 맛이 난다!!! (물론 이해 안되는 부분도 있긴 함ㅎ) 언젠가 인공지능 박사까지 취득하는 그 날을 상상하며 오늘도 달려보자~! 0. Optimizer Optimizer는 딥러닝에서 Network가 빠르고 정확하게 학습하는 것을 목표로 한다 밑에 그림들은 포스팅 전체를 읽고 다시 훑어보면 좋을 것 같다 1. Momentum vs RMSProp (Root Mean Square Propagation) 1-1. Momentum 모멘텀이랑 관성, 탄성, 가속도를 의미하는 단어이다 즉, SGD처럼 휙휙 꺾이지 말고 이전의 그라디언트를 계속 고려해주며 마치 관성..

드디어 진짜 인공지능이 어떤건지 개념들에 대해서 강의가 시작되었다!!! 오예~ 딥러닝 공부할 때 논문을 많이 읽는게 답이라고 해서 어제 좀 찾아보다가 바로 덮었다ㅋ 영어;; 영어 공부 좀 하자... 1. AI(Artificial Intelligence) vs ML(Machine Leanring) vs DL(Deep Learning) AI 즉, 인공지능이란 사람의 사고 방식을 흉내낸 것을 의미한다 보통 사람은 어떻게 사고를 할까? 아기들을 생각해보면 주변에 보이는 행동들을 따라하면서 학습을 한다 즉, 많은 양의 데이터들이 입력이 되고 그에 맞는 행동들이 출력이 되는 것이다 이것처럼 똑같이 AI 모델에 많은 양의 데이터를 입력하여 학습시키고 우리가 원하는 출력값을 얻을 수 있는 것이다 AI, ML, DL은 ..

이제 파이토치를 통해 예시 데이터셋을 가져와서 모델을 생성해보고 테스트하고 검증하는 강의를 들었다 실습을 진행하면서 들은 생각은 너무 빠르게 지나간다는 점...? 이전부터 느끼고 있었던 패스트캠퍼스 강의들의 문제점이 느껴졌었다 새로운 기술들을 습득하고 배우는데에 있어서는 패스트캠퍼스 강의보다는 책을 읽어보던가 다른 강의들을 찾아보는 것을 추천한다 그럴 수 밖에 없는 것이 너무 많은 내용을 단기간에 전달하려고 하다보니 그런 것 같다. 하지만 그렇다고 패스트캠퍼스가 좋지 않다는 것은 아니다. 어느정도 기반 지식이 있고 다양한 오픈소스들 또는 관련 기술들을 접해보고 싶을 때는 패스트캠퍼스만한 게 없는 것 같다. 나는 인공지능이 처음이라 지금 머릿속이 매우 복잡하긴 하지만 내가 항상 생각하고 있는 낯섦을 익숙함..

선수지식으로 확률과 통계를 공부하고 있는데 패스트캠퍼스 강의 특성상 엄청 딥하게 들어가지는 않기 때문에 추가적인 부분은 개인적으로 공부를 해야할 것 같다. 요즘 들어 느끼는 건데 직장을 다니면서 공부를 하려고 하다보니 평일은 3~4시간이 최선인 것 같고 주말을 정말 잘 활용해야 겠다는 생각이 든다. 아자 아자, 오늘도 화이팅~⭐ 1. 베이즈 정리 베이즈 정리란, 조건부확률을 구하는 공식이다. 베이즈 정리를 이용하면, 다양한 확률 문제를 해결할 수 있다. 베이즈 정리 공식: 𝑃(𝐴|𝐵) = 𝑃(𝐵|𝐴)𝑃(𝐴)/𝑃(𝐵) [베이즈 정리 유도] 조건부 확률 정의: 𝑃(𝐴|𝐵) = 𝑃(𝐴, 𝐵)/𝑃(𝐵) → 𝑃(𝐴,𝐵) = 𝑃(𝐴|𝐵)𝑃(𝐵) 마찬가지로, 𝑃(𝐵|𝐴) = 𝑃(𝐴,𝐵)/𝑃(𝐴) → 𝑃(𝐴,𝐵) = ..