WEBVTT 00:00.410 --> 00:06.830 능숙한 LLM 엔지니어가 되기까지 30% 정도 성장한 기분이 어떤가요? 00:06.860 --> 00:12.020 큰 성과를 거두고 큰 진전을 이룬 걸 축하하는 시간을 가져요 00:12.110 --> 00:13.850 여러분도 그런 걸 느끼셨으면 해요 00:13.850 --> 00:19.310 기술이 좋아진 것 같고 며칠 전보다 훨씬 많은 걸 할 수 있을 00:19.310 --> 00:22.160 것 같고 앞으로도 그럴 거예요 00:22.160 --> 00:26.120 여러분이 습득하는 기술과 지식을 계속 발전시킬 거예요 00:26.120 --> 00:28.790 그래서 더 많은 걸 할 수 있죠 00:28.820 --> 00:32.780 하지만 이미 할 수 있는 건 이미 개척지를 이용해 자신감 있게 코드를 작성할 수 있죠 00:32.780 --> 00:36.410 도구를 이용해 다중 모듈 인공지능 보조를 만들 수 있죠 00:36.410 --> 00:40.670 이제 페이스 파이프라인을 껴안는 게 익숙해졌죠 00:40.670 --> 00:49.310 파이프라인을 이용해 추론 작업을 실행할 수 있습니다 다양하고 공통적인 머신 러닝 작업들에 00:49.340 --> 00:50.390 걸쳐서요 00:50.840 --> 01:00.620 다음 시간에는 낮은 레벨의 트랜스포머 API에서 토큰라이저를 다룰 겁니다 토큰에 대해 이미 얘기했고 01:00.650 --> 01:05.690 웹 사용자 인터페이스를 통해 Gpts 토큰라이저를 01:05.690 --> 01:06.800 살펴봤죠 01:06.830 --> 01:13.190 이제 코드를 이용해서 텍스트를 토큰으로 변환하고 다시 돌아오도록 하죠 01:13.190 --> 01:16.550 그 일부로 특별한 토큰 같은 걸 이해하게 될 거예요 01:16.550 --> 01:22.550 예전에 잠깐 잡담도 했는데 곧 다 해결될 거예요 01:22.550 --> 01:23.450 보람이 있을 거예요 01:23.450 --> 01:26.060 내가 심은 씨앗이 합쳐질 거예요 01:26.060 --> 01:31.070 LLM으로 전달되는 토큰의 모양을 살펴보죠 01:31.070 --> 01:37.610 채팅 템플릿이라는 것도 살펴보면 이 모든 게 아주 중요한 기본 자료가 될 겁니다 01:37.610 --> 01:41.660 다음 시간에도 함께 살펴보고 싶네요