6기(6)
-
[플레이데이터 SK네트웍스 Family AI 캠프 6기] 13주차 회고 (12/16~12/20)
1. Agent 학습 및 Tool 호출Agent는 기본적으로 함수와 유사한 개념입니다. 하지만 핵심은 도구 호출에 있습니다. Agent의 모델은 성능이 중요한 요소입니다. 성능이 떨어지면 제대로 된 tool을 찾기 어려워지기 때문에, Agent에는 성능 좋은 모델을 사용해야 합니다.Tool 호출: 도구를 호출하는 부분이 핵심입니다. 이를 위해 Agent Executor를 활용하여 도구를 실행하고, 그 결과를 받아옵니다.Tool 구현: Tool을 만드는 것은 다소 어려운 작업일 수 있습니다. 대부분의 경우, Tool은 함수로 구현됩니다.Tool 설명: 각 Tool의 입력 및 출력값에 대한 타입과 기능을 명확히 정의해야 합니다.2. RAG (Retrieval-Augmented Generation)RAG는 검..
2024.12.23 -
[플레이데이터 SK네트웍스 Family AI 캠프 6기] 11주차 회고 (12/02~12/06)
금주 학습 회고: Hugging Face와 LangChain을 중심으로이번주 학습에서는 Hugging Face 모델 활용과 LangChain 프레임워크에 대해 심도 있게 살펴보았습니다. 이를 통해 자연어 처리와 AI를 효율적으로 활용하는 방법, 최신 기술 트렌드, 그리고 이를 실제 응용에 적용하는 방안을 탐구했습니다.1. Hugging Face: 모델 사용의 기본max_length 지정: max_length를 설정할 때는 truncation과 padding을 반드시 같이 설정해야 한다는 점이 중요합니다. 특히, max_length가 데이터의 최대 길이보다 짧을 경우 유의해야 합니다.필수 패키지 설치:pip install transformers -qUpip install langchain-huggingfa..
2024.12.16 -
[플레이데이터 SK네트웍스 Family AI 캠프 6기] 12주차 회고 (12/09~12/13)
RAG 기술 학습 회고최근 RAG (Retrieval-Augmented Generation) 기술을 학습하며 얻은 주요 내용을 블로그 형식으로 정리해 보았습니다. RAG는 특정 문서에 기반하여 정확한 답변을 생성하는 기술로, 최신 데이터를 빠르게 전달하거나, 정밀한 정보 검색을 필요로 하는 애플리케이션에서 강력한 도구로 활용됩니다.주요 학습 내용1. RAG 개요RAG는 정보를 검색(Retrieval) 한 뒤, 이를 바탕으로 생성(Generation) 작업을 수행합니다.핵심은 좋은 embedding 모델과 효율적인 문서 분할 및 저장 방식입니다.Multilingual-e5-large와 같은 모델은 다양한 언어의 의미적 유사성을 잘 포착하며, 질문과 유사한 벡터를 효과적으로 찾아냅니다.2. Embedding..
2024.12.16 -
[플레이데이터 SK네트웍스 Family AI 캠프 6기] 10주차 회고 (11/25~11/29)
Seq2Seq & GRU 기반 Chatbot 실습 요약Seq2Seq 모델 구성구성: 두 개의 모델로 이루어짐 (Encoder & Decoder).Encoder 모델: Embedding + RNN 계층으로 구성.Teacher Forcing: 정답 데이터를 초기 hidden state로 적용해 학습 효율을 높임.RNN & GRU: 동일한 파라미터 구조 사용.예측 노출 편향: Teacher forcing 여부에 따라 실제 값(True) 또는 추론 값(False) 사용.Attention Mechanism역할: 매 시점마다 context vector로 집중 영역을 정함.구조:Query(Q): 현재 집중하려는 항목.Key(K): 전체 데이터의 특징 벡터.Value(V): 최종적으로 전달할 정보.Softmax 사용:..
2024.12.02 -
[플레이데이터 SK네트웍스 Family AI 캠프 6기] 6주차 회고 (10/28~11/01)
수업을 들으면서 Notion을 이용해 필기를 하고 있다. 오늘 회고는 필기의 덕을 보려고 한다. 기존에 했던 대로 4F방식의 회고를 진행하고자 한다. 다만, 필기한 내용을 바탕으로 첫 번째 F를 채우고자 한다. 요약을 도와주는 도구로 chatGPT를 사용하였다. - FACTS(사실, 객관):2024.10.28.분류 평가 지표 모델을 평가하기 위해 다양한 분류 지표를 학습했습니다.정확도(Accuracy): 올바르게 예측한 비율정밀도(Precision): 양성 예측 중 실제 양성 비율재현률(Recall): 실제 양성 중 모델이 양성으로 예측한 비율F1 점수: 정밀도와 재현율의 조화 평균PR Curve, AP score: 정밀도-재현률 곡선과 평균 정밀도ROC, AUC score: 수신자 조작 특성 곡선과 ..
2024.11.05 -
SKN 6기 2주차
지난 1주일동안 여러 가지 개념을 배울 수 있었다. 이번주는 화요일, 목요일이 휴일이어서 월, 수, 금을 나가 수업을 들었다. 4F 방법을 활용하여 회고를 해보고자 한다. - FACTS(사실, 객관): 이번주 있었던 일들을 나눈다. 특별히 이번주에 있었던 일들 가운데 몇 가지 수업에 관련된 내용을 이야기해야 할 것 같다. 이번주에는 클래스와 오류 처리, sql 기본에 대해서 배웠다. 클래스에서는 상속에 개념이 신기했다. 부모 클래스에 있는 것을 그대로 쓰기 위해서 자식 클래스에서 선언해준다는 것이 신기했기 때문이다. - FEELINGS(느낌, 주관): 아직도 갈길이 멀다는 느낌을 받는다. 그러면서도 sql을 새로 배워서 흥..
2024.10.06