From the uDemy course on LLM engineering.
https://www.udemy.com/course/llm-engineering-master-ai-and-large-language-models
You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
154 lines
4.8 KiB
154 lines
4.8 KiB
WEBVTT |
|
|
|
00:00.740 --> 00:05.000 |
|
LM 엔지니어링에 다시 한번 큰 박수를 보내주세요 |
|
|
|
00:05.000 --> 00:10.220 |
|
3주 차, 2일째입니다 오픈 소스 모델로 들어가고 있죠 |
|
|
|
00:10.370 --> 00:14.960 |
|
다시 말씀드리지만 개척 시대 모델은 이미 거꾸로 할 수 있어요 |
|
|
|
00:14.960 --> 00:16.940 |
|
다중 모듈 인공지능 보조를 만들 수 있어요 |
|
|
|
00:16.940 --> 00:22.940 |
|
이제 안는 얼굴 허브를 편하게 볼 수 있습니다 모델, 데이터 세트, 공간을 보는 거죠 |
|
|
|
00:22.940 --> 00:26.690 |
|
구글 콜라브로 코드를 실행할 수 있어요 |
|
|
|
00:27.020 --> 00:33.080 |
|
오늘은 얼굴 트랜스포머 껴안기 라이브러리를 살펴보고 API 종류에 대해 |
|
|
|
00:33.080 --> 00:39.950 |
|
얘기해 볼게요 두 가지 레벨로 트랜스포머와 작업할 수 있어요 더 높은 레벨은 파이프라인이라는 |
|
|
|
00:39.980 --> 00:46.250 |
|
API로 오늘 주로 작업할 거예요 파이프라인을 이용해 텍스트, 이미지, |
|
|
|
00:46.250 --> 00:50.810 |
|
소리를 생성하는 걸 포함해서요 |
|
|
|
00:51.080 --> 00:56.570 |
|
잠시 다른 API 레벨에 대해 얘기해보죠 |
|
|
|
00:56.570 --> 01:02.770 |
|
안는 얼굴 코드와 상호 작용하는 방식은 두 가지예요 |
|
|
|
01:02.770 --> 01:10.060 |
|
그 중 하나는 표준을 수행하고 싶을 때죠 추론이라는 것을 위한 매일의 전형적인 작업이나 런타임에 |
|
|
|
01:10.060 --> 01:14.860 |
|
모델을 실행할 때요 입력값을 받아 getput을 얻는 거죠 |
|
|
|
01:14.860 --> 01:21.550 |
|
얼굴을 안는 방법은 패키지로 아주 쉽게 상위 레벨 인터페이스에 넣을 수 있게 해줍니다. |
|
|
|
01:21.550 --> 01:30.130 |
|
빠르게 진행할 수 있게 해줍니다. 텍스트를 생성하고 일상적인 함수를 수행할 수도 있어요. |
|
|
|
01:30.580 --> 01:37.360 |
|
코드를 좀 더 깊이 파고들고 싶다면 예를 들어, 어떻게 텍스트를 토큰화하고 |
|
|
|
01:37.360 --> 01:44.380 |
|
어떤 모델과 어떤 매개 변수를 모델 실행에 사용할지 알고 싶다면요 혹은 훈련을 |
|
|
|
01:44.380 --> 01:50.500 |
|
통해 자신의 모델을 잘 조정해서 추가적인 지식이나 뉘앙스를 가지고 |
|
|
|
01:50.530 --> 01:54.010 |
|
특수한 작업을 수행할 수 있다면요 |
|
|
|
01:54.010 --> 02:00.820 |
|
그땐 더 깊은 API를 살펴봐야 합니다 하위 레벨 API요 토큰라이저와 포옹하는 얼굴 |
|
|
|
02:00.820 --> 02:02.800 |
|
모델과 작업하는 거죠 |
|
|
|
02:02.830 --> 02:05.260 |
|
오늘은 파이프라인을 살펴볼 거예요 |
|
|
|
02:05.260 --> 02:10.420 |
|
그런 다음 토큰라이저와 모델로 넘어가죠 |
|
|
|
02:11.080 --> 02:13.060 |
|
파이프라인을 어떻게 할 수 있을까요? |
|
|
|
02:13.060 --> 02:22.960 |
|
즉, 두 줄의 코드로 얼굴 허브에서 모델을 즉각적으로 이용할 수 있게 해주는 것이죠 |
|
|
|
02:22.960 --> 02:24.340 |
|
아주 간단해요 |
|
|
|
02:24.340 --> 02:28.330 |
|
많은 예제를 제공할 거예요 여러분이 가져갈 수 있는 많은 |
|
|
|
02:28.330 --> 02:32.800 |
|
것도요 매일 추론 작업을 수행하는 데 직접 사용할 수 있도록요 |
|
|
|
02:32.800 --> 02:38.350 |
|
가장 쉬운 것 중 하나인 전형적인 예가 바로 정서 분석이에요 |
|
|
|
02:38.380 --> 02:43.570 |
|
이 문장이 전달하는 감정은 무엇인지 묻는 문장이죠 |
|
|
|
02:44.380 --> 02:50.740 |
|
분류는 물론 아주 전통적인 머신 러닝 과제입니다 물건을 양동이에 |
|
|
|
02:50.740 --> 02:52.450 |
|
담는 거죠 |
|
|
|
02:52.660 --> 03:00.160 |
|
개체 인식이라는 것은 문장을 보고 그 문장의 단어를 사람이냐 장소냐 |
|
|
|
03:00.160 --> 03:04.630 |
|
같은 것으로 태그할 수 있는 거예요 |
|
|
|
03:04.970 --> 03:11.900 |
|
질문 답변은 어떤 컨텍스트가 있는데 여러분이 제공하는 컨텍스트에 관해 질문할 |
|
|
|
03:11.900 --> 03:13.610 |
|
수 있어야 할 때죠 |
|
|
|
03:13.640 --> 03:20.210 |
|
요약은 텍스트 블록이 있을 때 요약 번역으로 바꾸는 |
|
|
|
03:20.660 --> 03:21.710 |
|
거예요 |
|
|
|
03:21.740 --> 03:26.870 |
|
한 언어를 다른 언어로 번역하는 인공지능의 전형적인 작업이죠 |
|
|
|
03:26.900 --> 03:32.060 |
|
이 모든 게 각각 코드 2줄로 가능하다면 어떨까요? |
|
|
|
03:32.330 --> 03:37.370 |
|
잠시 후에 깜짝 놀라실 거예요 |
|
|
|
03:37.490 --> 03:43.460 |
|
좀 더 발전된 다른 기능도 할 수 있어요 |
|
|
|
03:43.580 --> 03:45.740 |
|
문자 생성은 사실 전혀 발전하지 않았어요 |
|
|
|
03:45.740 --> 03:47.120 |
|
여전히 코드 2줄일 뿐이죠 |
|
|
|
03:47.120 --> 03:52.760 |
|
여전히 아주 간단해요 놀랄 만한 또 다른 거죠 |
|
|
|
03:53.210 --> 03:57.470 |
|
이미지 생성 역시 간단합니다 오디오도 마찬가지죠 |
|
|
|
03:57.470 --> 04:02.810 |
|
비트 코드는 두 줄 이상이지만 아주 간단해요 빨리 보여드리고 싶네요 |
|
|
|
04:02.840 --> 04:04.760 |
|
서론은 그만하면 됐어요 |
|
|
|
04:04.760 --> 04:05.720 |
|
Get it, get it 바로 본론으로 들어가죠 |
|
|
|
04:05.720 --> 04:07.340 |
|
구글 콜랍으로 가보죠
|
|
|