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.
 
 

397 lines
12 KiB

WEBVTT
00:01.490 --> 00:08.720
LLM 엔지니어링 여정 3주 차에 오신 여러분을 열렬히 환영해 주세요
00:08.750 --> 00:15.140
지난주에 사용자 인터페이스를 구축하는 과정을 보셨다면 멋진 그래디오 프레임워크를
00:15.170 --> 00:21.290
이용했죠 이번 주는 더 맘에 드실 겁니다 이제 오픈 소스를 시작해 포옹의 멋진
00:21.320 --> 00:24.500
세계를 사용할 시간이거든요
00:24.830 --> 00:28.340
하지만 먼저 늘 그렇듯 이미 할 수 있는 걸 간단히 요약해보죠
00:28.370 --> 00:33.260
트랜스포머를 묘사할 수 있고 핵심 용어도 유창하죠
00:33.290 --> 00:38.750
컨텍스트 창문에 대해 얘기할 수 있어요
00:38.780 --> 00:44.210
쌍둥이자리나 클로드 오픈아이든 자신 있게 코드를 짤 수 있어요
00:44.240 --> 00:45.680
API 아시죠?
00:45.680 --> 00:49.820
스트림도 알고 마크다운도 알고 JSON 반응도 알죠
00:49.940 --> 00:53.330
인공지능 비서인 챗봇도 만들 수 있어요
00:53.360 --> 00:55.190
도구를 사용해도 돼요
00:55.190 --> 01:00.260
여러 에이전트를 사용할 수도 있고 멀티모덜로 만들 수도 있어요
01:00.380 --> 01:02.330
우리도 하나 지었죠
01:02.330 --> 01:04.400
그걸 확장했길 바라요
01:04.400 --> 01:04.400
저도요
01:05.060 --> 01:06.590
오늘은 무슨 일이죠?
01:06.620 --> 01:09.080
오늘은 얼굴 포옹을 배워볼 거예요 get it
01:09.080 --> 01:14.930
먼저, 이게 무엇인지 설명하실 수 있을 겁니다 얼굴을 껴안는 것의 스코프와 규모도요
01:14.930 --> 01:18.260
얼굴을 안는 것의 가장 놀라운 점은 너비예요
01:18.260 --> 01:24.140
오픈 소스 데이터 과학 커뮤니티에 제공하는 모든 다양한 것들이요 여러분도
01:24.140 --> 01:26.990
곧 그걸 잘 이해하게 될 거예요
01:27.320 --> 01:33.650
모델과 얼굴을 포옹할 때 데이터 세트, 공간을 살펴볼 겁니다 구글 콜랩도 잘
01:33.650 --> 01:35.510
이해하게 될 거예요
01:35.510 --> 01:39.410
구글 콜랍을 이미 이해했다면 빠른 복습 지점이 되겠죠
01:39.410 --> 01:41.840
그렇지 않은 분들은 지금 살펴보죠
01:41.870 --> 01:47.810
좋은 GPU 박스에서 코드를 실행하는 방법을 볼 겁니다 다양한 제공이 있고 어떤 걸 클래스에
01:47.840 --> 01:50.270
사용할지 알게 될 거예요
01:50.270 --> 01:51.980
get up을 해드릴게요
01:51.980 --> 01:55.550
오픈 소스 준비하세요
01:55.550 --> 02:02.900
하지만 먼저, 현재 상황과 현재 위치, 남은 일을 간단히 정리해 보죠
02:02.930 --> 02:09.510
왼쪽에서 출발해서 달 착륙선 엔지니어링 지식이 없었지만 능숙한 달 착륙선 엔지니어답게
02:09.510 --> 02:12.750
오른쪽에서 끝날 거예요
02:12.750 --> 02:16.980
첫 주에는 개척지 문화에 푹 빠져들었어요
02:16.980 --> 02:18.060
2주 차에요
02:18.090 --> 02:20.250
지난주엔 UI를 만들었죠
02:20.250 --> 02:26.070
상위 3개에 API를 모두 사용했고 도구로 실험했어요
02:26.100 --> 02:31.500
이번 주 에이전트 iization 다중 모듈은 오픈 소스와 얼굴 포옹에 관한 거죠
02:31.530 --> 02:37.500
다음 주엔 문제에 맞는 LM을 선택하고 코드 생성하는 걸 얘기하죠
02:37.530 --> 02:39.480
그다음은 래그 주간이에요
02:39.510 --> 02:47.040
그 후 개척지 모델을 조정하고 오픈 소스 모델을 조정하고 피날레에서 전부 완성하는
02:47.040 --> 02:48.450
거죠
02:49.830 --> 02:54.150
그럼 지체 없이 포옹하는 얼굴 얘기를 해보죠
02:54.540 --> 02:56.670
유비쿼터스라고 할 수 있죠
02:56.700 --> 02:59.280
지역 사회에서 사용되죠
02:59.310 --> 03:01.770
정말 훌륭한 자원이에요
03:01.980 --> 03:09.780
무엇보다도 H깅 페이스 플랫폼이 세 가지 있습니다 H깅 페이스 코에 접속하면
03:09.780 --> 03:12.900
계정을 만들 수 있죠
03:12.900 --> 03:16.890
세 가지 카테고리에 접근할 수 있어요
03:16.890 --> 03:25.860
우선 800,000개가 넘는 오픈 소스 모델이 있어요 다양한 작업을 수행할 수 있죠
03:25.860 --> 03:31.080
그중 상당수는 이번 주 강의에서 실험할 거예요
03:31.080 --> 03:35.010
앞으로 몇 주간은 데이터 세트가 있어요
03:35.010 --> 03:41.880
보물 창고입니다 200,000개가 넘는 데이터가 거의 모든 문제를 다루고 있죠
03:41.910 --> 03:44.070
검색해 보고 뭐가 나오는지 보세요
03:44.100 --> 03:49.470
이 과정 후반부에 특히 놀라운 데이터 세트를 사용할 거예요
03:49.500 --> 03:54.030
하지만 많은 데이터를 찾아서 문제를 해결할 수 있어요
03:54.270 --> 04:00.150
플랫폼 케이글과 비슷합니다 데이터 측면에 훨씬 더 집중하죠
04:00.150 --> 04:05.550
하지만 얼굴 한 번 안아도 데이터는 방대하죠
04:06.000 --> 04:13.560
얼굴을 안는 것에는 스페이스라는 것이 있습니다 앱을 작성하고 공개할 수 있는 곳이죠
04:13.590 --> 04:20.680
페이스 클라우드 하드웨어를 끌어안고 다른 사람들이 사용할 수 있도록 하세요
04:20.680 --> 04:26.530
코드가 오픈 소스인 게 좋다면 말이죠 왜냐하면 그게 포옹하는 얼굴의
04:26.560 --> 04:28.360
의미니까요
04:28.630 --> 04:35.110
스페이스 앱은 많은 스페이스 앱이 그래디오로 만들어졌어요
04:35.110 --> 04:36.910
그러디오 앱인 셈이죠
04:37.060 --> 04:38.890
그러디오 앱이 아닌 것도 있어요
04:38.890 --> 04:43.660
스트림리츠라는 게 있는데 앱을 만드는 또 다른 방법인데 이것도 꽤 마법 같아요
04:43.660 --> 04:45.670
그래디오와는 달라요 마법 같죠
04:45.730 --> 04:48.640
앱을 게시할 수 있는 다른 방법도 있어요
04:48.700 --> 04:51.520
하지만 그라디오가 가장 흔한 것 같아요
04:51.520 --> 04:59.230
그리고 leaderboard라는 것이 있는데 그러디오 앱으로 여러 llm을 평가하고 순위를
04:59.230 --> 05:02.650
매겨 점수표에 표시하는 역할을 하죠
05:02.680 --> 05:07.300
다른 llm들을 비교할 때 leaderboard를 많이 사용할
05:07.330 --> 05:11.590
거예요 오늘 몇 가지를 볼 겁니다 포옹표 공간도 보고요
05:12.190 --> 05:18.610
그게 허깅페이스 플랫폼입니다 허깅페이스 코에 로그인해 뭐가 있는지 살펴보면
05:18.610 --> 05:20.230
알 수 있죠
05:20.260 --> 05:28.240
얼굴을 안는 것은 라이브러리 코드도 제공합니다 우리 오픈 소스 프로젝트의 기초가 되는 코드죠
05:28.870 --> 05:35.140
그리고 라이브러리는 우리가 원하는 것에서 출발할 수 있게 해주죠. HDP, DBP, HDP, HD, HDP, HD, HDP, HD, HDP, HD, HDP, HD, HDP, HD, HD
05:35.170 --> 05:41.230
시장성이 훨씬 낮아지죠 아주 적은 상용 코드만으로도 아주 빨리 실행할
05:41.230 --> 05:42.910
수 있으니까요
05:43.180 --> 05:51.970
아주 잘 만들어진 도서관으로 출입 장벽을 줄이고 사람들의 생산력을 높여주죠
05:52.420 --> 05:57.880
여러분이 경험할 첫 라이브러리 중 하나는 페이스 허브입니다
05:57.880 --> 06:07.030
얼굴을 안는 데 로그인할 수 있는 라이브러리로서 허브에서 데이터 세트와 모델 같은 걸 다운로드 및 업로드
06:07.030 --> 06:12.430
할 수 있습니다 얼굴을 안는 플랫폼이라고 부르는 거죠
06:12.850 --> 06:22.000
데이터 집합은 라이브러리 같은 거예요 즉각적인 접근이 가능하죠 포옹이나 트랜스포머에
06:22.000 --> 06:25.540
관한 데이터 저장소 같은 거요
06:25.570 --> 06:35.860
이건 중앙 라이브러리인데 변압기 아키텍처를 따라가는 ㄹm을 감싸는 코드죠 그 밑에는 이런
06:36.010 --> 06:44.830
신경망 네트워크를 실행하는 PyToch나 텐서플로우 코드가 있어요
06:45.160 --> 06:52.480
하지만 변압기를 만들 때 손끝에 심층 신경망 코드가 있어요
06:52.480 --> 06:59.200
함수나 변압기 코드의 메서드에 호출을 할 때 오픈AI의 범주 내 다른
06:59.200 --> 07:04.270
클라우드에서 실행되는 API를 호출하지 않아요
07:04.270 --> 07:14.050
우리가 직접 코드를 실행하는 건 심층 신경망에 대한 추론이나 훈련에 실행하기 위해서죠
07:14.860 --> 07:20.800
언급하고 싶은 다른 라이브러리가 세 개 더 있어요 과정의 나중에
07:20.800 --> 07:23.740
좀 더 고급 라이브러리예요
07:24.010 --> 07:29.810
첫 번째는 페프트인데 매개 변수 효율 미세 조정의 약자죠
07:29.990 --> 07:39.890
이 유틸리티 덕분에 수십억 개의 변수를 다루지 않고 llm을
07:39.890 --> 07:42.290
훈련할 수 있죠
07:42.290 --> 07:43.910
매개 변수 효율이죠
07:43.910 --> 07:49.400
특히 우리가 사용할 기술은 로라라고 하는데 로라의 변형이죠
07:49.400 --> 07:52.460
나중에 설명할 시간은 많아요
07:52.460 --> 07:54.710
하지만 우리가 사용할 거라는 걸 명심하세요
07:54.710 --> 07:59.750
페프트 라이브러리 매개 변수 효율적인 미세 조정의 일부죠
08:00.140 --> 08:07.550
트리알이라는 라이브러리도 있는데 트랜스포머 강화 학습의 약자죠
08:07.550 --> 08:09.440
몇 가지 조건이 있어요
08:09.440 --> 08:13.730
보상 모델링 같은 걸 하는 능력이죠
08:14.060 --> 08:14.630
08:14.630 --> 08:20.630
최측근 정책 최적화 PPO라고도 하죠
08:20.900 --> 08:24.200
음미로와 PPO에 대해 가끔 언급하실 텐데요
08:24.200 --> 08:32.720
이건 앞서 언급한 WRF와 관련이 있어요 더 나은 후속
08:32.990 --> 08:43.100
방식이죠 LMS를 훈련하는 방법이요 채팅에서 효과적이죠
08:43.100 --> 08:48.620
2022년 말 챗GPT가 탄생한 핵심 혁신이었죠
08:48.650 --> 08:52.130
많은 코드가 TRL 내에 있어요
08:52.160 --> 09:00.290
TRL에는 감독 미세 조정과 SFT라는 게 있는데 나중에 코스에서도 직접
09:00.290 --> 09:02.390
사용할 거예요
09:02.390 --> 09:10.220
오픈 소스 모델을 조정하기 위해 사용하는 라이브러리입니다 특정 문제가
09:10.220 --> 09:14.540
있는 특정 도메인에서 더 효과적으로요
09:14.540 --> 09:20.240
TRL 라이브러리의 미세한 조율을 담당했죠
09:20.330 --> 09:21.380
전부 두문자어예요
09:21.830 --> 09:30.230
TRL의 일부예요 아주 중요한 프레임워크죠
09:30.350 --> 09:32.570
이건 좀 더 고급이죠 나중에 다시 올게요 Get in get
09:32.600 --> 09:37.020
지금 당장 다 외울 필요는 없어요 이 약어들도 확실히 기억할 필요는
09:37.140 --> 09:42.990
없고요 하지만 제가 그 씨앗을 심어서 나중에 봤을 때 이미 들어본 것으로 만들게요
09:44.160 --> 09:51.240
다른 하나는 무대 뒤의 것에 더 가깝지만 불러와서 이용하는 걸 종종 보실
09:51.330 --> 09:52.590
수 있어요
09:52.620 --> 10:01.890
가속이라고 하는데 고급 안기체 코드예요 어떤 분산 구성에서도 트랜스포머가
10:01.890 --> 10:05.670
작동할 수 있게 해 주죠
10:05.670 --> 10:13.350
훈련과 추론 둘 다 가능합니다 효율적이고 적응성 있는 방법으로 여러 GPU에 걸쳐 실행할
10:13.350 --> 10:14.760
수 있도록요
10:14.760 --> 10:19.950
우리가 할 실험은 최대 1개의 GPU로 진행되지만요
10:20.910 --> 10:26.820
얼굴을 껴안는 것 뒤에 있는 주요 라이브러리예요
10:27.660 --> 10:28.590
지금은요
10:28.590 --> 10:31.140
Get it get 이제 포옹하는 모습을 볼 때가 됐어요
10:31.140 --> 10:38.070
그럼 좀 둘러보죠 포옹하는 얼굴 플랫폼부터요