movie5

Part 1 개요 01 안내서 발간 배경 및 목적 생성형 AI와 파인튜닝을 통해 AI를 특정 요구사항에 맞게 파인튜닝하여 잘 맞춤화된 콘텐츠 생성을 할 수 있게 되었다. 그러나 데이터 알고리즘 편향으로 인한 잠재적 편견, 차별 및 기본 인권 침해에 대한 우려가 제기되어 이에 대한 합법성, 윤리, 사회적 안전성에 대한 평가 기준을 마련하여 신뢰성을 확보하고자 한다 국가와 기업에서 AI 도입의 위험을 완화하고 신뢰할 수 있는 AI 시스템을 구축하기 위해 많은 국제적 요구사항을 통합하여 가이드라인을 제공하고 있다. 포괄적인 리소스를 통해 생성 AI 및 도메인별 파인튜닝 모델 기반 서비스를 제공하고자 하는 기업과 조직은 신뢰성을 확보..

해결하고 싶었던 문제 많은 양의 "지식"을 필요로하는 공개 도메인의 문제에 대한 답변하기 를 수행하기 외부 지식 참고를 해야한다. 자유도 높은 답변을 생성해야한다. RAG가 신기한 점 1. 외부 지식()을 사용하여 직접적으로 "지식"을 디코딩(지식을 저장하고 질문에 맞는 답을 찾아 생성)할 때 이용하는 방법을 제시 2. Retriever-based와 Generator-based의 프레임워크를 사용해서 knowledge intensive task와 같은 NLP task를 처음으로 해결한 논문 3. end-to-end 학습이 가능하다 RAG 모델 구조의 특징 1. Retriever-and-Reader -> Retriever-and-Generator 로 바뀌면서 정답이 없는 경우에도 답변을 생성할 수 있는 구..

KoLlava에서 python -m pip install이 있다. -m이 어디서 나왔나 궁금해서 찾아봤더니 pyproject.toml을 읽기 위해서 만들어둔 코드이다. setup.py는 pip install -e 를 써야하는데, toml 을 사용해서 run에서 바로 실행할 수 있게 한다.

KoLLaVA : tabtoyou/KoLLaVA: KoLLaVA: Korean Large Language-and-Vision Assistant (feat.LLaVA) (github.com) GitHub - tabtoyou/KoLLaVA: KoLLaVA: Korean Large Language-and-Vision Assistant (feat.LLaVA) KoLLaVA: Korean Large Language-and-Vision Assistant (feat.LLaVA) - GitHub - tabtoyou/KoLLaVA: KoLLaVA: Korean Large Language-and-Vision Assistant (feat.LLaVA) github.com Paper Preview of [논문 리뷰] LLaVA..

https://colab.research.google.com/gist/movie5/fe356735fb45c2e037422310e94659d1/use_minigpt4.ipynb use_minigpt4_final.ipynb Run, share, and edit Python notebooks colab.research.google.com 공식 github에서 제공하는 colab은 버전 문제, LLaMA 모델 다운받는 문제로 한번에 사용하기 힘들다. 그래서 이번에 Colab에서 requirements만 다운받으면 실행할 수 있도록 버전을 수정한 코드를 작성했다.

돌려보고 싶었는데 Colab Pro를 써야한다. MiniGPT-4: ChatGPT for your images | by Sriram Parthasarathy | Towards AI MiniGPT-4 : ChatGPT for your images Use MiniGPT-4 to describe your images in detail, identify objects, recognize scenes, generate captions & social media ads pub.towardsai.net Datasets : Vision-CAIR/cc_sbu-align : Use_minigpt4.ipynb - Colaboratory (google.com) Use_minigpt4.ipynb Colaboratory note..

d

보호되어 있는 글입니다.

채용 페이지에 있던 질문을 약간 수정해서 답변을 준비해 보았다. Gradient Descent란? Sigmoid의 장단점은? Validation set 과 Test set의 역할은? Auto Encoder가 무엇인가? Dropout을 하는 이유와 효과는? CNN이 linear regression과 비교했을 때 장점은? Word2Vec의 원리는? Adam Optimizer의 동작원리는? Batch Normalize의 동작 순서는? CycleGAN이란?

당연한 말이지만 아는만큼 답해야하고, 내가 답할 수 있는게 맞는지 확인하기 위해 ChatGPT에게도 물어봤다. 하지만 전공서적, wiki, 내가 개발을 하면서 말할 수 있는 특성들 위주로 핵심만 짧게 얘기해보고자 한다. 면접 질문인데 구구절절 설명하는 것은 좋지 않다. PNG와 JPG의 차이점은? Dynamic Programming이란? Virtual Memory란? Semaphore란? Cache란? Database Index 추가의 장단점은? NoSQL의 장단점은? 공유기의 원리는? HTTP/2의 특성은? 비대칭 암호란? Node.js의 특징은? HDD, SSD, DRAM 각각의 성능은? Memory Leak 디버깅은? GIT의 장단점은?