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

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