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.
 
 

58 lines
1.9 KiB

WEBVTT
00:00.740 --> 00:05.720
이런, 긴 하루였지만 축하합니다, 통과했어요
00:05.750 --> 00:12.260
우린 신비의 데이터 세트를 검토하고 큐레이팅했습니다 우리가 훈련하고자 하는 데이터의
00:12.260 --> 00:16.310
좋은 샘플 표본을 갖도록 아주 열심히 일했죠
00:16.340 --> 00:23.450
결국 안아주기 데이터셋으로 전환했습니다 트레이닝과 테스트 파트가 포함된 데이터셋
00:23.450 --> 00:28.310
독자였죠 안아주기 페이스 허브에 업로드했어요
00:28.310 --> 00:31.880
이 모든 지침을 거쳤다면 물론 그러셨겠지만
00:31.880 --> 00:36.410
JupyterLab을 따라왔다면 제가 하는 다양한
00:36.410 --> 00:44.210
것에 익숙해지셨을 겁니다 그럼 여러분만의 데이터 세트를 얻게 될 겁니다 허브에 있는 데이터는
00:44.210 --> 00:46.820
다음 세션에서 사용할 수 있죠
00:46.820 --> 00:50.060
그 정도까지 온 걸 축하해요
00:50.270 --> 00:56.660
그래서 여러분이 습득한 기술에 5단계 전략을 추가했습니다 LM을
00:56.660 --> 01:03.560
이용한 비즈니스 문제를 해결하는 5단계 전략 이해와 세 가지 최적화 기술을
01:03.560 --> 01:11.900
재고 데이터셋 큐레이션에 관한 세부 사항을 추가했습니다 그중에는 여러분이 살펴보고 이해해서
01:11.900 --> 01:20.180
프로젝트에 활용할 수 있는 코드도 있습니다 기존 데이터셋의 샘플링 같은 거죠
01:20.630 --> 01:25.550
다음 시간에는 베이스라인 모델에 대해 얘기할 거예요
01:25.550 --> 01:29.210
전통적인 머신 러닝 솔루션을 만들 거예요
01:29.210 --> 01:36.320
어떤 결과가 나올지 보기 위해 전통적이고 고급 기술을 적용할 거예요
01:36.320 --> 01:38.120
정말 기대돼요
01:38.120 --> 01:39.440
거기서 봐요