제가 꼭 알고싶었던 내용이였습니다. 좋은영상 감사합니다. 저는 전공자는 아니지만 이쪽분야에 관심이 많아 홀로 독학을 하고있습니다. 주로 유튜브와 책으로 정보를 얻는데 그 중간단계에서 배움에 어려움이 많습니다. 완전한 일반인을 대상으로 쓰여진 강의나 책과 전공자에게 유용한 출판물과 그 갭이 상당히 큽니다. 기존의 일반인을 대상으로 하는강의들은 입문용으로는 적절하나 그 다음단계로 나아갈수가 없습니다. 그래서 제가 현재까지 알아본 바로는 전공자수준의 지식을 얻기위해선 대학을 가는수밖에 없다는 생각이 들었습니다. 하지만 저는 지식을 얻고싶을 뿐 대학부터 다시시작하기엔 시간도 아저씨가 되었고 진로를 이길로 택하고싶은것도 아닙니다. 인공지능의 작동원리가 재미있고 알고리즘과 고등학교때 배웠던 수학의 원리를 바탕으로 기계적인 수행방식으로 사람과 같은 행동을 하는것이 가능하다는게 너무 신기하고 그 매력에 매료되어 매우 즐거운 취미생활을 하고있지만, 그 다음단계와 이를 구체적으로 응용하고 구현하는데 있어 일반인 수준에 있어서 맞당한 단계적 학습자료가 부족한것에 어려움을 겪고있습니다. 학부과정은 비교적 책도 구하기쉽고 커리큘럼도 접하기 쉬운반면에 석사과정부터는 확실히 일반인영역과 더 멀어지다보니 정보 자체를 접하기 쉽지않습니다. 현재는 컴퓨터 공학과를 기준으로 학부커리큘럼에 나와있는것들을 토대로 관련서적들을 독학하고 있으며, 알고리즘과 자료구조, 기초 네트워크지식과 cs지식, 코딩, 대수학과 확률과 통계를 배우고있습니다. 아직 배워야 할것들도 많이 남았지만 배우고 싶은 수준의 목표지점을 구체적으로 정하지 못한채 배우고 있습니다. 그 다음과정을 공부하기위해선 학자들은 어떤식으로 배우는지 알고싶습니다. 현재는 막연하게 수학과 코딩으로 알고리즘 구현능력이 어느정도 끝나면 트랜스포머,파이토치,텐서플로우,llm모델과 데이터셋과 정규화에 대해 배울 계획을 가지고 있습니다.(물론 수학과 알고리즘의 배움에 끝이있다고 생각하지않습니다. 다만 배운것을 활용하면서 앞으로 나아가다 막힐때 방향을 잡아나갈 생각입니다.) 제가 하고싶은것은 기존에 나와있는 llm모델을 활용하는것과 자연어처리를 내가 원하는 대로 튜닝하는것입니다. 파인튜닝만으로는 부족하다 생각했습니다. 남들이 만들어놓은 구조에서 벗어나지 못한채 튜닝하는건 제가 지향하는 바가 아닙니다. 적어도 모델의 작동원리를 이해할수있어야 추가적인 작업을 할수 있는게 목표점입니다. 그러기 위해선 1.어떤 과정을 배워야 하는지 2.어떤부분은 필요없는지 3.다른 학자분들은 어떻게 자료를 얻는지 4.일반인들도 참석할 수 있는 전공자수준의 강의나 세미나에대한 정보를 얻고싶습니다. (키워드만이라도 알려주시면 스스로 찾아보겠습니다.) 이상으로 제가 선생님께 드리고싶은 질문입니다. 선생님의 주된 전공과 제가 말하는 전공과는 거리가 있지만 방법론적인 부분에서 조언을 받고싶었습니다. 홀로 공부 하는데 이렇게 유익한 채널을 만나서 기쁜마음에 말이 길어졌습니다. 긴글 읽어주셔서 감사합니다.
안녕하세요. 긴 글 남겨 주셨는데 제가 너무 늦게 확인했네요. 우선 저도 LLM 전문가는 아니라서 아는 범위에서만 설명 드리자면 인공지능은 기술로 풀고자 하는 분야가 별도로 존재해서 해당 분야의 도메인 지식이 중요한 역할을 합니다. 두 번째는 같은 인공지능 기술도 해당 분야에서 잘 작동하는 구조가 존재합니다. 이 부분은 트렌드가 지속적으로 바뀌지만 SOTA의 흐름을 파악하면서 왜 이 구조가 잘 맞는지 알 필요가 있습니다. 따라서 LLM의 현황과 SOTA 기술에 대해 먼저 이해하고 다시 해당 도메인인 언어학? NLP(자연어처리)에 대해 깊이 공부해 보시고 다시 인공지능과 기계학습 각종 수치해석학 등의 기술의 기초를 공부해 보시면 좋겠습니다. 여유가 되시면 컴퓨터 공학에서 알고리즘들이 더 효율적으로 대용량으로 처리되는데 필요한 하드웨어적 소프트웨어적 기술을 공부해보시면 어떨까 합니다. 최근의 LLM은 역량은 충분히 입증 되어서 빠르고 효율적으로 학습 및 추론하는 메카니즘이 더 중요해 지는 시기 같습니다. 다만 완전한 전문가가 될게 아니고 기술 활용에 중점을 둔다면 현재의 LLM 기술과 미래 방향 정도를 이해하는 수준에서 활용 서비스 실험에 더 집중해 보시는 게 어떨까 합니다. 그리고 자료는 구글 검색과 논문 검색이 가장 많이 쓰이고 최근에는 github을 통해 소스코드가 대부분 공개되어서 코드를 직접 실행하면서 분석하시면 더 이해가 빠르실 겁니다. 강의나 세미나는 저도 들어보지 않아서 잘 모르겠습니다. :)
![[NHN Cloud make IT 2023] 시계열 데이터 속에 숨어있는 이상 징후를 찾는 딥 러닝 기술](http://i.ytimg.com/vi/bg2e60IZ40Q/mqdefault.jpg)
![[NHN Cloud make IT 2023] 시계열 데이터 속에 숨어있는 이상 징후를 찾는 딥 러닝 기술](/img/tr.png)
![[Open DMQA Seminar] Representation Learning for Time-Series Data](http://i.ytimg.com/vi/Tc9ZLfma7qY/mqdefault.jpg)
![Six Hundred Strike [EPIC: The Musical] Full Animatic](http://i.ytimg.com/vi/zov6NXIAuow/mqdefault.jpg)
제가 꼭 알고싶었던 내용이였습니다. 좋은영상 감사합니다.
저는 전공자는 아니지만 이쪽분야에 관심이 많아 홀로 독학을 하고있습니다. 주로 유튜브와 책으로 정보를 얻는데 그 중간단계에서 배움에 어려움이 많습니다.
완전한 일반인을 대상으로 쓰여진 강의나 책과 전공자에게 유용한 출판물과 그 갭이 상당히 큽니다. 기존의 일반인을 대상으로 하는강의들은 입문용으로는 적절하나 그 다음단계로 나아갈수가 없습니다.
그래서 제가 현재까지 알아본 바로는 전공자수준의 지식을 얻기위해선 대학을 가는수밖에 없다는 생각이 들었습니다.
하지만 저는 지식을 얻고싶을 뿐 대학부터 다시시작하기엔 시간도 아저씨가 되었고 진로를 이길로 택하고싶은것도 아닙니다.
인공지능의 작동원리가 재미있고 알고리즘과 고등학교때 배웠던 수학의 원리를 바탕으로 기계적인 수행방식으로 사람과 같은 행동을 하는것이 가능하다는게 너무 신기하고 그 매력에 매료되어 매우 즐거운 취미생활을 하고있지만, 그 다음단계와 이를 구체적으로 응용하고 구현하는데 있어 일반인 수준에 있어서 맞당한 단계적 학습자료가 부족한것에 어려움을 겪고있습니다.
학부과정은 비교적 책도 구하기쉽고 커리큘럼도 접하기 쉬운반면에 석사과정부터는 확실히 일반인영역과 더 멀어지다보니 정보 자체를 접하기 쉽지않습니다.
현재는 컴퓨터 공학과를 기준으로 학부커리큘럼에 나와있는것들을 토대로 관련서적들을 독학하고 있으며, 알고리즘과 자료구조, 기초 네트워크지식과 cs지식, 코딩, 대수학과 확률과 통계를 배우고있습니다.
아직 배워야 할것들도 많이 남았지만 배우고 싶은 수준의 목표지점을 구체적으로 정하지 못한채 배우고 있습니다.
그 다음과정을 공부하기위해선 학자들은 어떤식으로 배우는지 알고싶습니다.
현재는 막연하게 수학과 코딩으로 알고리즘 구현능력이 어느정도 끝나면 트랜스포머,파이토치,텐서플로우,llm모델과 데이터셋과 정규화에 대해 배울 계획을 가지고 있습니다.(물론 수학과 알고리즘의 배움에 끝이있다고 생각하지않습니다. 다만 배운것을 활용하면서 앞으로 나아가다 막힐때 방향을 잡아나갈 생각입니다.)
제가 하고싶은것은 기존에 나와있는 llm모델을 활용하는것과 자연어처리를 내가 원하는 대로 튜닝하는것입니다. 파인튜닝만으로는 부족하다 생각했습니다. 남들이 만들어놓은 구조에서 벗어나지 못한채 튜닝하는건 제가 지향하는 바가 아닙니다. 적어도 모델의 작동원리를 이해할수있어야 추가적인 작업을 할수 있는게 목표점입니다.
그러기 위해선
1.어떤 과정을 배워야 하는지
2.어떤부분은 필요없는지
3.다른 학자분들은 어떻게 자료를 얻는지
4.일반인들도 참석할 수 있는 전공자수준의 강의나 세미나에대한 정보를 얻고싶습니다.
(키워드만이라도 알려주시면 스스로 찾아보겠습니다.)
이상으로 제가 선생님께 드리고싶은 질문입니다.
선생님의 주된 전공과 제가 말하는 전공과는 거리가 있지만 방법론적인 부분에서 조언을 받고싶었습니다.
홀로 공부 하는데 이렇게 유익한 채널을 만나서 기쁜마음에 말이 길어졌습니다. 긴글 읽어주셔서 감사합니다.
안녕하세요.
긴 글 남겨 주셨는데 제가 너무 늦게 확인했네요.
우선 저도 LLM 전문가는 아니라서 아는 범위에서만 설명 드리자면
인공지능은 기술로 풀고자 하는 분야가 별도로 존재해서
해당 분야의 도메인 지식이 중요한 역할을 합니다.
두 번째는 같은 인공지능 기술도 해당 분야에서 잘 작동하는 구조가 존재합니다.
이 부분은 트렌드가 지속적으로 바뀌지만 SOTA의 흐름을 파악하면서 왜 이 구조가 잘 맞는지 알 필요가 있습니다.
따라서 LLM의 현황과 SOTA 기술에 대해 먼저 이해하고
다시 해당 도메인인 언어학? NLP(자연어처리)에 대해 깊이 공부해 보시고
다시 인공지능과 기계학습 각종 수치해석학 등의 기술의 기초를 공부해 보시면 좋겠습니다.
여유가 되시면 컴퓨터 공학에서 알고리즘들이 더 효율적으로 대용량으로 처리되는데 필요한 하드웨어적 소프트웨어적 기술을 공부해보시면 어떨까 합니다.
최근의 LLM은 역량은 충분히 입증 되어서 빠르고 효율적으로 학습 및 추론하는 메카니즘이 더 중요해 지는 시기 같습니다.
다만 완전한 전문가가 될게 아니고 기술 활용에 중점을 둔다면 현재의 LLM 기술과 미래 방향 정도를 이해하는 수준에서
활용 서비스 실험에 더 집중해 보시는 게 어떨까 합니다.
그리고 자료는 구글 검색과 논문 검색이 가장 많이 쓰이고
최근에는 github을 통해 소스코드가 대부분 공개되어서 코드를 직접 실행하면서 분석하시면 더 이해가 빠르실 겁니다.
강의나 세미나는 저도 들어보지 않아서 잘 모르겠습니다. :)
좋은 강의 감사드립니다! 너무 좋네요!
좋은 댓글 감사합니다!
이해하기 쉽게 설명해 주셔서 정말 감사합니다. 도움이 많이 됐습니다.
:) 감사합니다.
와 이걸 다정리하시다닛!!
감사합니다~
봐주셔서 감사합니다!😂