티스토리

메모리허브

검색하기

블로그 홈

메모리허브

memoryhub.tistory.com/m

다양한 개발과 인생에 대한 기록입니다!

구독자: 1

방명록 방문하기

주요 글 목록

o1 모델의 기초 : 정책 초기화(Policy Initialization)🎯 - PART 1 정책 초기화란? 🤔정책 초기화는 AI 모델이 효과적으로 문제를 해결할 수 있도록 기본적인 능력을 갖추는 과정입니다. 마치 아이가 학교에 가기 전 기본적인 지식을 쌓는 것과 같죠!정책 초기화의 3가지 핵심 단계 🚀1. 사전 훈련 (Pre-training)사전 훈련 과정├── 웹 데이터 학습│ ├── 대규모 텍스트 데이터 수집│ └── 자기 지도 학습 수행├── 기본 언어 이해력 개발│ ├── 문맥 파악 능력│ └── 패턴 인식 능력└── 기초 지식 습득 ├── 일반 상식 ├── 도메인 지식 └── 언어 패턴2. 지침 미세 조정 (Instruction Fine-tuning)미세 조정 과정├── 인간 지침 학습│ ├── 명령어 이해│ └── 의도 파악├── 응답 생성 .. 공감수 0 댓글수 0 2025. 1. 6.
PyTorch 딥러닝의 강력한 도구 🚀 안녕하세요! 오늘은 딥러닝 프레임워크의 강자, PyTorch에 대해 알아보겠습니다.PyTorch가 뭔가요? 🤔쉽게 설명하자면, PyTorch는 레고 블록 같은 존재입니다:Facebook(현 Meta)이 개발한 오픈소스 딥러닝 프레임워크Python을 기반으로 한 직관적인 인터페이스 제공동적 계산 그래프(Dynamic Computational Graphs)를 지원하는 특별한 도구PyTorch의 핵심 개념 💡1. Tensor (텐서)# 텐서 생성 예시import torchx = torch.tensor([[1, 2], [3, 4]])y = torch.zeros(2, 2)텐서는 PyTorch의 기본 데이터 구조입니다:마치 NumPy의 배열과 비슷하지만, GPU 연산이 가능자동 미분(Autograd) 기능 내장.. 공감수 0 댓글수 0 2024. 11. 23.
BART 학습 모델: 텍스트 복원의 마법사 🎯 안녕하세요! 오늘은 자연어 처리의 강력한 도구인 BART(Bidirectional and Auto-Regressive Transformers)에 대해 알아보겠습니다.BART가 뭔가요? 🤔BART는 마치 퍼즐을 맞추는 전문가와 같습니다!Facebook AI가 개발한 시퀀스-투-시퀀스(seq2seq) 모델손상된 텍스트를 원래 형태로 복원하는 것이 주요 목적GPT(디코더)와 BERT(인코더)의 장점을 결합한 하이브리드 모델BART의 구조 🏗️1. 인코더 (Encoder)손상된 텍스트 → 인코더 → 문맥 이해양방향(Bidirectional) 접근으로 전체 문맥 파악BERT와 유사한 구조 사용2. 디코더 (Decoder)문맥 이해 → 디코더 → 원본 텍스트 복원자기회귀(Auto-Regressive) 방식으로 .. 공감수 2 댓글수 0 2024. 11. 18.
강화학습(Reinforcement Learning) 쉽게 이해하기 🎮 안녕하세요! 오늘은 AI의 핵심 학습 방법 중 하나인 강화학습에 대해 알아볼게요.강화학습이란? 🤔강화학습은 마치 아이가 새로운 것을 배우는 것과 비슷합니다!시행착오를 통해 학습하는 방법좋은 행동은 보상을 받고나쁜 행동은 패널티를 받으면서최적의 행동 방식을 찾아가는 학습 방법핵심 구성 요소 🎯1. Agent (에이전트)학습하고 행동하는 주체예: 게임을 플레이하는 AI 플레이어2. Environment (환경)에이전트가 상호작용하는 공간예: 게임 월드, 물리 시뮬레이션 공간3. State (상태)현재 상황을 나타내는 정보예: 게임에서 캐릭터의 위치, 체력 등4. Action (행동)에이전트가 취할 수 있는 모든 행동예: 좌/우 이동, 점프, 공격 등5. Reward (보상)행동의 결과로 받는 피드백예: .. 공감수 2 댓글수 1 2024. 11. 17.
딥러닝의 모든 것: 인공지능의 심장 🧠 안녕하세요! 오늘은 딥러닝의 핵심 개념과 작동 방식에 대해 알아보겠습니다.딥러닝이란? 🤔딥러닝은 마치 어린아이가 학습하는 것처럼 컴퓨터가 데이터로부터 스스로 학습하는 인공지능의 한 분야입니다.인간의 뇌 구조를 모방한 인공신경망 사용데이터로부터 자동으로 특징을 추출하고 학습복잡한 패턴을 인식하고 의사결정 가능딥러닝의 핵심 구성요소 🎯1. 뉴런(Neuron)class Neuron: def __init__(self): self.weights = np.random.randn(n_inputs) self.bias = 0 def forward(self, inputs): return activation(np.dot(inputs, self.weights) + self... 공감수 3 댓글수 2 2024. 11. 17.
초보자를 위한 딥러닝 완전정복 가이드 🧠 안녕하세요! 오늘은 딥러닝을 정말 쉽게 설명해드릴게요.마치 요리를 배우는 것처럼 하나씩 알아봐요!딥러닝이 뭐예요? 🤔딥러닝은 요리와 비슷해요!요리 레시피처럼재료(데이터)가 있고조리과정(학습)이 있고완성된 요리(결과)가 나와요예시: 고양이 사진 인식하기[사진] → [딥러닝] → "이건 고양이예요!"마치 요리사가 재료를 보고 요리를 만드는 것처럼!딥러닝의 기본 재료들 📝1. 뉴런 (우리 뇌의 신경세포) ⭐ 뉴런입력 →→→ [처리] →→→ 출력마치 요리사가 재료를 손질하는 것처럼정보를 받아서 처리하고 전달해요2. 레이어 (층) [😊😊😊] 입력층 (재료 준비) ↓ [🔄🔄🔄] 히든층 (요리 과정) ↓ [🎯] 출력층 (완성된 요리)딥러닝은.. 공감수 1 댓글수 1 2024. 11. 3.
Machine Learning Introduced Let's explore the concept of Machine Learning using analogies and clear explanations.The Big PictureImagine you have a friend who wants to learn how to cook. At first, they might follow a recipe step-by-step. Over time, they start to understand the patterns and principles behind cooking different dishes. Similarly, machine learning (ML) is about creating systems that can learn from data, identif.. 공감수 0 댓글수 0 2024. 5. 28.
Naive Bayes model Introduced The Naive Bayes model is a probabilistic machine learning algorithm used for classification tasks. It is based on Bayes' Theorem, assuming strong independence (naive) among features.The Big PictureImagine you are a detective trying to solve a case by considering various pieces of evidence. Each piece of evidence gives you some clue about who the culprit might be. The Naive Bayes model works simi.. 공감수 0 댓글수 0 2024. 5. 27.
Hugging Face Introduced Hugging Face is a company and open-source community that provides powerful tools for natural language processing (NLP) and machine learning, focusing primarily on transformer models.The Big PictureImagine Hugging Face as a magical library in a massive city of knowledge. This library has books (models) that help you understand and generate human language. These books are special because they can .. 공감수 0 댓글수 0 2024. 5. 27.
Transformers in LLMs Introduced Transformers in Large Language Models (LLMs) work by processing text through layers that handle both the sequential nature of language and long-range dependencies using self-attention mechanisms.The Big PictureImagine you are trying to understand a complex story with multiple characters and subplots. If you were to read it linearly, you might miss important connections between events. Instead, y.. 공감수 0 댓글수 0 2024. 5. 26.
Machine Learning 에서 사용하는 기초 수학 ML: 데이터와 통계로 컴퓨터를 학습시킴. (데이터를 분석해서 결과를 예측함) Python Machine Learning (w3schools.com) Python Machine LearningMachine Learning Machine Learning is making the computer learn from studying data and statistics. Machine Learning is a step into the direction of artificial intelligence (AI). Machine Learning is a program that analyses data and learns to predict the outcwww.w3schools.com데이터의 종류:NumericalC.. 공감수 0 댓글수 0 2020. 11. 25.

728x90

반응형

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.