movie5

강의 내용이 너무 많아서 2개로 나눕니다 Introduction to Vector Database (blog.sionic.ai) 모든 정보들을 임베딩 형태로 들고 있다. 그래서 ANN 검색이 필요하다! Brute Force 모든 벡터와 비교해서 찾는 방식 O(N) 검색 연산량 K-means nlist 개의 그룹으로 나누어서 해당 그룹에서 찾는 방식 검색할 때 가장 가까운 k개의 벡터를 뽑아서 메모리에 저장한다 차원의 저주 : 모든 검색 과정이 O(N)일 때 ANN의 사용이 연산량 및 메모리 접근법상 필연적 차원의 저주 문제를 피하기 위해 trade-off을 통해 O(n^(x))로 줄인 것이다. Indexing Inverted File(Traditional Approach) Graph-based HNSW(..

뷰 맛집인 MS korea 에서 경복궁과 서촌을 바라보며 랭체인 코리아 밋업에 참석했습니다! 실시간으로 강의를 들으면서 내용을 요약해서 작성해보겠습니다 :) 말랑말랑한 인트로 랭체인을 시작한 경로? 저는 유튜브로 시작해서 외국 유튜버들의 튜토리얼을 많이 참고했네요. 물론 공식문서도 보았고 블로그 글도 많이 참고해서 원하는 프로젝트를 시작했습니다. 인공지능팩토리 김태영 마이크로소프트에서 장소 제공해주셔서 좋은 행사를 하게 되어서 기쁘다 운영진 소개 전미정 MS AI MVP / 유현아 IT 교육 컨텐츠 제작 강사 / 이지혜&구지언 행사를 도와주셨다 / 장서연&김태영 AI factory 나의 시간을 절약해주는 유튜브 정리 chain_type : map_reduce 기법으로 자막을 요약해준다. 함수를 만들어서 ..

1. ChatGPT 추천시스템 연사 : 이수진 ChatGPT ; 1. 추천 엔진과 설명 로직을 결합해서 추천시스템을 간단하게 만들어볼까 2. 사용자 선호 태그, GPT에게 태그화해서 로직을 따라서 추천가능, 신규나 기존 혹은 과거 히스토리에 따라 적용 3. Hugging face 이용하면 빠르게 만들기 가능 4. movie metadata, genre, title, overview 데이터를 사용해서 임베딩 벡터 추철, simularity를 구함. Embedding vector 뽑기 위해 허깅페이스를 사용. Sentence Transfomer multilingual을 사용. 허깅페이스는 벡터사이즈가 작고 다양한 모델을 적극적으로 활용가능해서 이번에 사용했다. 사용자 의도 파악 - API, 인스타그램의 설명..

객관식 20문제 난이도 precourse를 제대로 못들었다. 그냥 1-4기 문제들과 답, 풀이를 보면서 최대한 외웠다. 그리고 precourse의 ppt를 보면서 용어들을 최대한 카테고리화해서 외웠다. 솔직히 다 맞은건 아니고 반타작 했으면 다행이다. 코딩 5문제 1, 3, 4문제는 풀었고, 5번 문제는 쳐다도 못봤다. 2번 문제는 괜히 겁먹었다가 나중에 보니까 쉬운 문제라서 풀라다가 시간초과 솔직히 시간초과 안할 수 있는데 너무 오랜만에 파이썬을 건드렸더니 어버버 해버렸다. 특히 다른 코테에서는 input에 대해서 내가 sys써야하는데 여기서는 input이 이미 파라미터로 줘서 그거 헤매느라 시간 다간거였다. 그래도 3문제는 적어도 테스트 케이스 통과했고, 객관식도 반타작은 한거 같으니 1차는 통과했을..

1. 참가신청 경로 - 확실히 어디서 본 것인지 기억은 안나지만, 적어도 학교 공지사항은 아니었다. - 그 때 학생회관 게시판에 전시된 FACCT 서울 2022 포스터를 봤었고, 학생 봉사자를 구하고 있어서, QR코드를 통해 신청했다. - Hybrid 운영이라 on-site, online 봉사자를 각각 뽑았는데, 컨퍼런스의 진정한 재미는 onsite라고 생각해서 현장 봉사자로 화, 수, 목, 금의 운영기간 중 수, 목 봉사를 신청했고 금요일에는 강연 들으러 갔다. 2. 맛난 간식과, 점심 그리고 내가 일했다는 증명사진들 3. 참여했던 세션과 관심있던 세션에 대하여 - Sensible AI: Re-imagining Interpretability and Explainability using Sensemaki..