Видео

멋집니다. 응원합니다.

1:09:43

주입식 교육만 바뀌어야 하는 것이 아니고 등수제도 바뀌어야합니다. 학생마다의 능력은 분명히 있는데 이것은 묻히고 기계화를 만들어내고 있어요. 모두 네. 해야하고 모두 아니요. 해야하는 시스템입니다.

docs부터 간단한 것들만 오픈소스 기여해봤는데 좋은 세션 감사드립니다!

영상 속 아이비님과 함께하는 차원이 다른 Next Level 프론트엔드 개발 과정이 궁금하다면👉 bit.ly/4d2LpML

동남권 프롬프트 수업을 어제 알게 되서 마감이라 아쉽네요. 담에 또 열리면 좋겠어요

멋진 강의입니다😮

좋은 발표 감사합니다 !!!^^ 경량화 공부중인데 덕분에 감을 잡을 수 있었어요

1:56 시작

선생님 좋은 강의 감사드립니다🙇‍♂️ 다소 바보 같은 질문일 수 있으나 28:12 정도에 가르쳐 주신 Truncation trick을 '학습된 Generator를 통해 이미지를 생성할 때 φ값 조절을 통해 가우시안 정규 분포를 잘라내어 다양한 이미지를 생성한다' 라 이해하였습니다 만일 그렇다면 GAN 학습시 발생하는 모드 붕괴(modr collapse)현상의 해결법 중 하나가 될 수 있다라 이해하여도 괜찮을까요?! 좋은 강의 다시 한번 더 감사드립니다🙇‍♂️

와우... 어마무시한 퍼실님의 서포트를 받고 있었네요! 자랑스럽습니다! 😊

이태영님 영상 잘봤습니다! 리허설도 감사했습니다!❤

어떻게 신청하는건가요.

저도 지금 이런것을 만들고 있습니다.

📚 모두의연구소 연구 소식! 영화 인턴 보셨나요? '노인을 위한 나라는 없다'에서 인턴을 토대로 꼰대와 멘토의 차이를 연구해봤어요! 꼰대와 멘토, 과연 그 차이는 무엇일까요? 🤔 흥미로운 주제로 함께 연구해보고 싶은 사람들, 모두연으로 놀러오세요! 🔍✨ #모두의연구소 #모두연 #영화 #인턴 #랩연구

감사합니다~

오래 됐네요 :)

테크니컬 이슈로 목소리가 울리는 점 양해 부탁드리겠습니다. 감사합니다.

이런 좋은 강의를 무료로 공유해주셔서 정말 감사합니다. 앞으로도 좋은 강의 많이 부탁드려요.

또 눈먼 세금 날아갔네>>>> 이게 왜 필요함??? 현대 기아차가 자율주행 산업 생태계와 주요 기술을 몰라서 이러고 있나 "퍼스트무버"인 현대 기아차는 눈딱고 찾아 보아도 없네

너무 좋은 강연 감사드립니다

루바토랩 활동 재밌어요!!

모두의연구소와 커리어의 시작을 함께한 Rubato LAB 랩짱 소준섭님을 만나봤습니다. 아트코리아랩 웰커밍데이 『예술-기술 교류 세미나』 스케치 영상이 궁금하시다면️➡️ ruclips.net/video/_KPJut90dzY/видео.html

발표 잘 봤습니다. 정식 호스팅하는 서비스가 아니라서 아쉽네요.

혹시 슬라이드는 어디서 받을 수 있나요?

처음 5분보고 구독함

감사합니다❤

4개월, 기술 공부만 하기도 벅차다고? 🤔 실전 프로젝트로 DB 설계부터 배포까지! 실무형 Python & Django 개발자로 '업그레이드' ☘ 올해 마지막! KDT 유일 Django 풀타임 과정 지금 지원하기 👉 bit.ly/4b49vGF

만들어진 프로그램을 사용해 보고 싶습니다.

실생활에 도움되는 좋은 아이디어네요~ 잘보고갑니다 :D

와우, 돌려볼수 있을까요? 그러니까, 오디오를 -> FFT -> 그걸 이미지로 간주하고 인식했다는 내용이지요?

세라학우님 세미나 정말 재밌게 잘하시네요.✨ 재밌었습니당.

예쁘세요

좋은 강의 감사합니다. !!!

기숙사도 없구... 그닥... 역시 카이스트 가서 배우는게... 거긴 기숙사 제공하니까

탈락돼서 그닥...

혹시 이거 만드신분이랑 연락가능한 수단 있을까요?

모두의연구소는 함께 성장하고 싶은 모두에게 열려있습니다🤗 - 모두의연구소 찾아가기 🏡 modulabs.co.kr/ - 모두의연구소가 만든 AI학교 아이펠 👉 bit.ly/49E7iRN

안녕하세요 영상 잘 보았습니다. 혹시 젯슨나노의 배터리, 파워 문제에 대해서는 어떻게 해결하셨는지 궁금합니다.

유쾌한 강의 잘 보았습니다. 01:26 목차 02:17 1장 서비스 포인트 탐색 - Chat GPT 기술을 통한 서비스 범위 확인 04:27 '모르는 것' 2종류 - 탐색을 통한 구체화 04:45 Retrieval vs Search (과정 중시 vs 결과 중심) 06:24 서비스 프로세스 확인 07:02 도메인별 서비스 적용 시 07:51 입력값 처리에 대한 관점 09:22 검색과의 연계는 필수적 (RAG) 10:33 세부 아키텍처 구성 (ChatGPT vs 통합검색엔진) 11:32 Context Window Size : Input Size (MS LongNet 트랜스포머) 12:12 Knowledge Base : Fine-tuning 방식 / RAG 방식 구축 개념도 12:34 2장 사용성 강화를 위한 연구 - Prompt Engineering (Input) 13:35 출현 배경 Instruct GPT (튜닝 방식의 방법론) 13:54 Instruction Tuning 13:13 Prompt Engineering 15:04 Prompt의 구성 요소 16:18 LLM Ops 16:56 Prompt Engineering 17:08 Prompt Engineering 단점과 보완책 17:21 Prompt Engineering의 명령문 형식 17:45 Chat GPT 서비스 아키텍처 19:43 3장 공모전 참여 - 정말 사용자가 원하는 것은 무엇일까? 20:00 실제 도메인 적용을 위한 고려사항 22:13 상황별 적절한 Gen AI 활용 23:21 LLM의 고도화 - PEFT 24:30 기업에서 sLLM 도입 시 문제점 25:08 PEFT 테크닉 - 어댑터 튜닝 25:23 LoRA (비용 문제로 LLM 적용 부적합) 26:31 QLoRA (LoRA가 안 되면 QLoRA도 안 됨) 26:50 PEFT 장단점 비교 27:09 4장 LLM EcoSystem - 학습의 깊이를 더하자! 실전 구성형 아키텍처 검토 27:43 LLM 적용 아키텍처 (실제 도메인 적용을 위한 고려사항) 28:11 RAG 기반 아키텍처 (수시 업데이트 문서로부터 정보 탐색) 29:06 LLM App Stack (오케스트레이션을 통한 앱 스택) 29:20 LLM EcoSystem (Azure) 30:25 Azure Open AI Landing Zone (보안 적용) 32:10 Azure Open AI Landing Zone 구성에 대하여 32:41 5장 활용 방안에 대한 연구 - LLM 모델의 평가 방법 (Ouptput) 33:10 평가 및 성능 향상에 대한 고찰 - Data 기반의 성능 향상 34:33 평가 및 성능 향상에 대한 고찰 - 실용적인 패턴 35:23 성능 측정을 위해 36:10 BaseLine Metric의 세분화 36:50 정밀하고 세밀한 성능 평가 방법의 필요 38:02 G-Eval 38:05 답변의 정교화를 위한 연구 (RAG, FID, RETRO) 39:12 Base Model의 중요성 (Big vs Small) 40:15 Re-Ranker 적용 41:15 RAG Evaluation 42:18 Sim CSE & DPR 소개 42:28 LLMs + Android 43:49 LLM 서비스의 Key Point 44:46 Summary 45:57 사전 질의 내역 46:38 사전질문(1) 프롬프트 증가 시 토큰 문제 47:46 사전질문(2) AI 할루시네이션 줄이는 방법 48:50 현장질문(1) 구글의 SSA 평가지표 50:42 현장질문(2) Context의 증가와 Complexity 52:10 현장질문(3) Re-Rank의 주체는 사람인지? 53:03 현장질문(4) Evaluation에 대해, cos method보다 divergence가 공정하지 않나 54:33 온라인질문(1) 한국어 LLM 모델 학습에 대한 질문 56:54 현장질문(5) 본선 진출 사례 공유 58:36 현장질문(6) 추천 알고리즘에 대하여

유익한 정보 감사합니다. 그런데, 모두의 연구소에서 발견한 데이터 구조화 기법 같은 것이 있을까요?

고생 많이 하셨네요. 좋은 경험 공유 감사합니다.😊

좋은 강의 진심으로 감사드립니다~

프로젝트 github 주소 알수 있을까요?

40:51 DreamBooth

그래서 가장 좋은 한국어 오픈소스 LLM은 어떻게되나요?

발표도 내용도 너무 산만하네요....

감사합니다.

대한민국 모두팝