반응형 머신러닝8 실시간 반응형 추천 시스템의 벡터 검색 및 기술 도입 의사 결정 과정 이 글에서는 실시간 반응형 추천 시스템 개발 과정에서 벡터 검색과 기술 도입 의사 결정에 대해 상세히 설명합니다. 독자들은 기술적 요구사항을 해결하는 방법을 이해하게 될 것입니다. 목차 프로젝트 요구 사항 및 정의 사용자 행동 이력 반영 실시간 관심사 파악 배달 가능한 추천 가게 목록 생성 기술 컴포넌트 도입 과정 벡터 유사도 검색 기술 검토 도입 후보 선정 및 평가 실험 설계 및 결.. 2025. 2. 6. 오픈소스와 클로즈드소스 LLM의 대결 구도 분석 LLM 세계에서 오픈소스와 클로즈드소스의 접근 방식은 각기 다른 장단점을 지니고 있습니다. 이들 모델의 특징을 이해하는 것은 올바른 선택에 필수적입니다. 목차 오픈소스 LLM의 장단점 설명 투명성과 커뮤니티 지원의 이점 비용 효율적인 무료 사용 유지보수의 어려움과 보안 문제 클로즈드소스 LLM의 특징과 사례들 안정성과 보안성의 강점 상업적 모델과 사용자 지원 비용과 투명성의 단점 .. 2025. 2. 6. 대규모 언어 모델 파인튜닝의 모든 것 대규모 언어 모델(llm)과 파인튜닝은 현대 비즈니스에서 필수적인 요소로 자리 잡고 있습니다. 이 글에서는 LLM의 중요성과 파인튜닝 과정에 대해 자세히 설명합니다. 목차 파인튜닝 개념과 필요성 파인튜닝의 정의와 중요성 LLM의 한계와 발전 방향 파인튜닝이 필요한 이유 파인튜닝 방법론 full fine-tuning과 repurposing 설명 지도 및 비지도 파인튜닝의 차이 파인튜닝 .. 2025. 1. 27. 경사하강법과 옵티마이저 경사하강법 알고리즘 경사하강법은 이름에서 유추할 수 있듯이 기울기(경사, Gradient)를 이용하여 손실함수의 값을 최소화하는 방법이다. 함수의 경사(즉 미분값)를 이용하여 현재 위치에서 가장 낮은 방향으로 이동하며 최솟값에 도달하는 방식이다. 그러므로 경사하강법은 함수의 최솟값을 찾는 반복적인 최적화 알고리즘이라고 할 수 있다. 머신러닝에서 우리가 조정하고자 하는 값(변수)은 가중치(weight, w)와 바이어스(bias, b)이다. 따라서 손실함수를 w와 b에 관한 함수로 생각하면 된다. 함수를 미분하면 기울기를 얻을 수 있다. 손실함수의 미분계수가 음이라면 w를 양의 방향으로, 손실 함수의 미분계수가 양이라면 w를 음의 방향으로 이동시킨다. (이때 w를 얼마만큼 이동시키는지를 학습률이라고 한다) .. 2024. 3. 18. 이전 1 2 다음 반응형
