WEBVTT 00:00.560 --> 00:03.110 이제 맥을 담당하는 분들에게 넘길게요 00:03.110 --> 00:04.130 알려드릴 게 있어요 00:04.130 --> 00:05.570 완전히 똑같아요 00:05.570 --> 00:10.640 즐겨찾기 브라우저로 가거나 알람으로 가요 같은 화면이 보일 거예요 00:10.640 --> 00:14.600 다운로드를 누르고 Mac OS를 다운로드해요 00:14.630 --> 00:17.150 물론 로컬로 다운로드 되죠 00:17.150 --> 00:20.390 그런 다음 설치 관리자를 실행하면 설치되죠 00:20.390 --> 00:25.460 그런 다음 터미널 윈도우를 불러옵니다 어플리케이션과 유틸리티로 가서 터미널 00:25.460 --> 00:26.990 윈도우를 불러오죠 00:27.050 --> 00:34.640 터미널 창을 불러와서 여기 올라옵니다 동일한 지침을 올라마 런이라고 입력하세요 00:34.640 --> 00:42.320 모델의 이름은, 우리 경우엔 llama 3이죠 2번, 메타에서 나온 최신 소형 모델이에요 00:42.320 --> 00:44.360 그럼 떠오를 거예요 00:44.420 --> 00:49.190 1, 2분 정도 걸릴 겁니다 3과 관련된 20억 개의 매개 변수를 00:49.190 --> 00:53.030 다운로드 해야 하니까요 2개요, 하지만 그러면 이렇게 작동할 거예요 00:53.030 --> 00:56.180 이제 다시 좋은 일에 쓸 수 있게 됐어요 Put it up Put it up Put it up Put it up Put it up Put it 00:56.270 --> 00:58.550 이번엔 다른 언어로 물어볼 거예요 00:58.550 --> 00:58.910 왜요? 00:58.940 --> 01:04.470 제가 프랑스어를 배우려고 한다고 가정해 보죠 01:05.400 --> 01:07.620 전 완전히 초보예요 01:09.870 --> 01:17.400 프랑스어 좀 가르쳐 주세요 01:18.480 --> 01:19.980 어떻게 되는지 보죠 01:20.010 --> 01:22.530 가장 먼저 눈에 띄는 건 훨씬 빠르다는 거예요 01:22.530 --> 01:25.470 M1 칩이 달린 맥으로 작동하기 때문이죠 01:25.470 --> 01:27.870 아까 본 건 PC의 에뮬레이션이었어요 01:27.870 --> 01:29.850 비트가 좀 더 빠르죠 01:29.940 --> 01:34.080 여러분의 컴퓨터는 그 둘 사이 어딘가에 있을 겁니다 여러분의 아키텍처에 따라서요 01:34.350 --> 01:39.360 시작과 함께 꺼냈는데 아주 잘 된 걸 볼 수 있죠 01:39.360 --> 01:42.000 다양한 선택지가 주어졌어요 01:42.000 --> 01:43.230 설명이 됐어요 01:43.230 --> 01:45.150 정말 인상적이에요 01:45.150 --> 01:48.240 이렇게 해두죠 01:49.890 --> 01:54.960 질문에 대답하는 건 아니지만 어쨌든 됐네요 01:54.960 --> 01:56.070 Get it, Get it 아시겠죠? 01:56.070 --> 02:01.770 다시 강조하고 싶은 점은 이건 사실 제가 사용하는 앱의 유료 상업 제품이라는 02:01.770 --> 02:02.520 거예요 02:02.520 --> 02:03.540 여기 있네요 02:03.570 --> 02:10.120 오픈 소스를 이용해 몇 분 만에 상업 프로젝트를 무료로 진행했습니다 컴퓨터에 02:10.150 --> 02:14.290 LLM의 힘을 즉시 발휘할 수 있죠 02:15.220 --> 02:18.670 그래서 바로 실습을 준비했어요 02:18.670 --> 02:20.380 물론 이렇게 해 주세요 02:20.410 --> 02:22.150 설치하고 작동하는지 확인해요 02:22.150 --> 02:26.110 무슨 문제가 생기면 언제든 연락해요 02:26.140 --> 02:31.570 언제든 제게 메시지를 보내거나 이메일이나 링크드인을 보내 도움을 청하세요 02:31.570 --> 02:35.530 하지만 설치가 쉬워서 잘 작동하면 좋겠네요 02:35.560 --> 02:36.370 이렇게 해요 02:36.370 --> 02:39.040 언어를 가지고 빠르게 실험해 볼게요 02:39.040 --> 02:41.950 모르는 언어를 골라서 한번 해 보세요 02:42.040 --> 02:46.060 다음으로는 다양한 모델을 실험해 보세요 02:46.060 --> 02:50.650 llama 페이지로 돌아가면 모델이 위로 향하고 있는 게 보이시죠 02:50.650 --> 02:53.710 PC와 Mac 모두 같은 거예요 02:53.710 --> 02:57.070 다양한 모델을 보고 그 뒤에 숨겨진 이야기를 들을 수 있죠 02:57.070 --> 03:03.700 라마 3요 구글 메타 자마에서 2개요 오픈 소스 매개 변수 버전이 낮죠 03:03.700 --> 03:10.130 콴은 동력원인 알리바바 클라우드의 모델로 less는 알려졌지만 가장 강력한 03:10.130 --> 03:11.360 모델 중 하나죠 03:11.390 --> 03:16.970 모델을 클릭하면 다양한 버전을 볼 수 있어요 여기서 실행할 03:16.970 --> 03:17.750 수 있죠 03:17.750 --> 03:23.030 저 버튼을 눌러 클립보드로 복사한 다음 PowerShell이나 터미널에 붙여넣으면 03:23.030 --> 03:24.170 돼요 03:24.260 --> 03:27.650 이건 다양한 버전이에요 03:27.650 --> 03:31.310 모델로 돌아가서 살펴볼 수 있어요 03:31.310 --> 03:34.250 53번째 실험이에요 마이크로소프트에서 5년요 03:34.400 --> 03:39.350 아주 강력한 모델이고 더 자세히 읽어볼 수 있어요 03:39.350 --> 03:40.580 실험해 보려고요 03:40.580 --> 03:43.580 이걸 새로운 언어로 사용해 보세요 03:43.670 --> 03:49.550 완전히 다른 것을 탐구하고 배우려고 노력하세요 다른 모델을 사용해 보고 03:49.550 --> 03:52.820 어떤 모델이 가장 좋은지 알아내세요 03:52.850 --> 03:57.590 대형 모델을 고를수록 컴퓨터에서 느리게 보일 수 있으니 어떤 모델이 가장 잘 작동하는지 03:57.590 --> 04:00.320 알아보고 가장 좋은 결과를 내세요 04:00.320 --> 04:03.890 오늘 한 운동으로 다음에 다시 만나요 04:03.920 --> 04:06.920 소개나 수업 같은 걸 하는 거죠 04:07.010 --> 04:07.700 그때 봐요