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.
283 lines
6.7 KiB
283 lines
6.7 KiB
WEBVTT |
|
|
|
00:01.160 --> 00:02.000 |
|
좋아요 |
|
|
|
00:02.000 --> 00:09.890 |
|
멈춘 곳에서 기능 Get 기능을 만들었죠 4가지 기능으로 기능 사전을 만드는 |
|
|
|
00:09.890 --> 00:11.180 |
|
거예요 |
|
|
|
00:11.210 --> 00:20.180 |
|
한 번 보죠 기능을 get 요청해 초기 훈련 지점을 호출하는 거예요 |
|
|
|
00:20.180 --> 00:24.980 |
|
Get을 누르면 이 멋진 사전이 나와요 |
|
|
|
00:25.010 --> 00:28.100 |
|
2파운드예요 무게로 2kg이에요 |
|
|
|
00:28.100 --> 00:30.380 |
|
그게 평균 등급이죠 |
|
|
|
00:30.410 --> 00:32.510 |
|
텍스트의 길이예요 |
|
|
|
00:32.510 --> 00:35.510 |
|
일류 전자 제품 브랜드도 아니고요 |
|
|
|
00:35.510 --> 00:39.620 |
|
그래서 우리가 만든 건 다소 빈약한 형태가 됐죠 |
|
|
|
00:39.830 --> 00:42.980 |
|
더 잘할 수 있어요 더 잘하도록 해요 |
|
|
|
00:43.220 --> 00:43.970 |
|
좋아요 |
|
|
|
00:44.000 --> 00:47.660 |
|
이제 머신 러닝을 할 거예요 |
|
|
|
00:47.660 --> 00:54.260 |
|
항목 목록을 데이터 프레임으로 변환하는 유틸리티 함수가 있어요 |
|
|
|
00:54.290 --> 00:55.730 |
|
팬더스 데이터 프레임이에요 |
|
|
|
00:55.730 --> 01:00.710 |
|
자세히 설명하진 않겠습니다 전통적인 머신 러닝 과목이 아니니까요 |
|
|
|
01:00.920 --> 01:05.990 |
|
데이터 프레임에 대해 잘 아신다면 훈련 데이터와 테스트 데이터 프레임에 |
|
|
|
01:05.990 --> 01:11.690 |
|
사용합니다 테스트 데이터 세트에서 상위 250포인트를 고르는 거죠 |
|
|
|
01:12.020 --> 01:13.250 |
|
자, 됐어요 |
|
|
|
01:13.280 --> 01:16.490 |
|
변환 작업을 했고 이제 비즈니스가 시작됐어요 |
|
|
|
01:16.490 --> 01:20.330 |
|
전통적인 선형 회귀를 실행하는 곳이죠 |
|
|
|
01:20.750 --> 01:23.900 |
|
특징을 설정하죠 |
|
|
|
01:24.170 --> 01:28.880 |
|
기능의 열 이름을 지정해요 |
|
|
|
01:28.910 --> 01:31.250 |
|
모든 액션이 일어나는 곳이죠 |
|
|
|
01:31.250 --> 01:35.840 |
|
모델 = 선형 회귀는 우리가 선형 회귀 모델을 원한다는 뜻이죠 |
|
|
|
01:35.840 --> 01:45.050 |
|
그 모델을 엑스 값, 기능, y 값에 맞추는 건 훈련 데이터 집합의 실제 가격이에요 |
|
|
|
01:45.080 --> 01:50.540 |
|
여기서 액션이 일어나고 모델이 실제로 맞는 거죠 |
|
|
|
01:50.720 --> 01:57.980 |
|
그런 다음 특징과 계수 무게를 출력하죠 |
|
|
|
01:57.980 --> 02:02.870 |
|
그걸 보면서 각 특징이 얼마나 중요한지 알 수 있죠 get get get get it |
|
|
|
02:02.900 --> 02:09.380 |
|
그런 다음 테스트 세트에서 예측을 실행합니다 평균 제곱 에러와 R 제곱을 얻기 |
|
|
|
02:09.380 --> 02:14.810 |
|
위해서요 여러분 중 데이터 과학자들이 그걸 보고 싶어 하니까요 |
|
|
|
02:14.810 --> 02:19.940 |
|
하지만 걱정 마세요, 곧 보게 될 테니까요 우리가 전에 만든 프레임워크를 이용해서요 |
|
|
|
02:19.970 --> 02:22.070 |
|
같은 그래프에 나타나요 |
|
|
|
02:22.070 --> 02:27.710 |
|
평균 모델과 비교해서 어디서 나올지 추측해 보세요 |
|
|
|
02:27.710 --> 02:31.460 |
|
우리가 이기려고 하는 걸 상기시키기 위해 평균 모델을 잠깐 보죠 |
|
|
|
02:31.460 --> 02:37.310 |
|
평균 오차는 145달러 146센트죠 |
|
|
|
02:37.310 --> 02:41.960 |
|
선형 회귀가 평균보다 나아졌으면 좋겠어요 |
|
|
|
02:41.960 --> 02:42.620 |
|
어디 보죠 |
|
|
|
02:42.650 --> 02:44.000 |
|
일단 해 보죠 |
|
|
|
02:45.470 --> 02:46.460 |
|
금방 끝나요 |
|
|
|
02:47.090 --> 02:53.030 |
|
계수와 무게에 따라 무게가 달라지면 무게가 작아지다가 |
|
|
|
02:53.030 --> 02:58.100 |
|
양극이 되는 걸 알 수 있어요 |
|
|
|
02:58.130 --> 03:01.400 |
|
순위가 더 커졌어요 |
|
|
|
03:01.400 --> 03:05.450 |
|
텍스트 길이가 아주 작고 신호도 아주 낮아요 |
|
|
|
03:05.480 --> 03:07.460 |
|
최고의 전자제품 브랜드인가요? |
|
|
|
03:07.490 --> 03:08.690 |
|
큰 차이가 있죠 |
|
|
|
03:08.720 --> 03:11.210 |
|
톱 전자 제품은 많이 받아요 Get it |
|
|
|
03:11.720 --> 03:20.540 |
|
이제 이걸 함수로 래핑할 거예요 이걸 테스트용 시각화기에 사용할 |
|
|
|
03:20.540 --> 03:23.060 |
|
거거든요 |
|
|
|
03:23.060 --> 03:26.530 |
|
선형 회귀 프라이서라는 함수로 감싸요 |
|
|
|
03:26.560 --> 03:32.710 |
|
그런 다음 우린 그냥∙∙∙ 항목을 전달하죠 |
|
|
|
03:32.710 --> 03:34.720 |
|
해당 아이템의 기능을 get 할 거예요 |
|
|
|
03:34.720 --> 03:37.030 |
|
그걸 데이터 프레임으로 변환할 거예요 |
|
|
|
03:37.030 --> 03:43.030 |
|
그런 다음 선형 회귀 모델을 불러 어디서 올지 예측하죠 |
|
|
|
03:43.060 --> 03:45.220 |
|
어떻게 되는지 보죠 |
|
|
|
03:45.490 --> 03:47.560 |
|
테스터요, 점 테스터 |
|
|
|
03:49.000 --> 03:51.400 |
|
선형 회귀 프라이저예요 |
|
|
|
03:53.380 --> 03:54.550 |
|
마음의 준비 됐어요? |
|
|
|
03:54.580 --> 03:55.990 |
|
평균을 기억하세요 |
|
|
|
03:55.990 --> 03:56.860 |
|
시작할게요 |
|
|
|
03:57.010 --> 04:00.970 |
|
그 전에 감옥을 실행해요 |
|
|
|
04:01.480 --> 04:04.270 |
|
제가 몇 번이나 그랬죠? |
|
|
|
04:05.650 --> 04:06.340 |
|
좋아요! |
|
|
|
04:06.340 --> 04:08.680 |
|
색깔이 보이네요 |
|
|
|
04:08.680 --> 04:13.210 |
|
붉은색이 많이 보이는데 전보다 녹색이 더 많아요 |
|
|
|
04:13.240 --> 04:15.190 |
|
그렇게 끔찍하진 않았을 거예요 |
|
|
|
04:15.190 --> 04:17.050 |
|
제대로 하고 있어요 |
|
|
|
04:17.470 --> 04:18.490 |
|
어디 보죠 |
|
|
|
04:18.520 --> 04:20.500 |
|
자, 다 됐어요 |
|
|
|
04:20.530 --> 04:23.860 |
|
평균보다 약간 더 비트 박스가 잘 나왔어요 |
|
|
|
04:23.860 --> 04:25.480 |
|
비트보다 조금 더 낫네요 |
|
|
|
04:25.480 --> 04:32.740 |
|
실제로 결과를 보시면 기본적으로 여기에 약간 증가한 것을 볼 수 있습니다. 하지만 |
|
|
|
04:32.740 --> 04:40.250 |
|
평균 점 부근에 클러스터되어 있습니다. 어떤 점들은 약 200달러 더 증가하고요. |
|
|
|
04:40.250 --> 04:41.600 |
|
그거 알아요? |
|
|
|
04:41.600 --> 04:47.900 |
|
전자 제품 브랜드가 최고라는 걸 보여주는 제품들이 될 거예요 |
|
|
|
04:48.170 --> 04:53.300 |
|
그래서 약간 들뜬 상태였고 한 시점에서 잘 풀렸어요 |
|
|
|
04:53.300 --> 04:57.950 |
|
하지만 그 외에는 모델에게 도움이 되지 않았어요 |
|
|
|
04:58.160 --> 05:00.680 |
|
최선을 다했어요 |
|
|
|
05:00.710 --> 05:06.890 |
|
139... 에러가 났네요 |
|
|
|
05:06.890 --> 05:09.170 |
|
그리고 히트 쳤죠 |
|
|
|
05:09.200 --> 05:13.040 |
|
16% 정도는 녹색이었어요 |
|
|
|
05:13.340 --> 05:15.410 |
|
이게 우리 선형 회귀 모델이에요 |
|
|
|
05:15.410 --> 05:16.580 |
|
더 잘할 수 있잖아요 |
|
|
|
05:16.610 --> 05:17.300 |
|
들어오세요 |
|
|
|
05:17.330 --> 05:18.920 |
|
이제 기능을 설계해 보죠 |
|
|
|
05:18.920 --> 05:20.810 |
|
새롭진 않죠 |
|
|
|
05:20.930 --> 05:22.100 |
|
좋아요 |
|
|
|
05:22.250 --> 05:27.650 |
|
기본 지식을 쌓는 것도 좋지만 구식 기능 공학도 |
|
|
|
05:27.650 --> 05:28.730 |
|
좋아요 |
|
|
|
05:28.730 --> 05:33.200 |
|
게다가 LMS로 작업을 시작하면 훨씬 더 만족스러울 겁니다 어떻게 되는지 |
|
|
|
05:33.200 --> 05:33.710 |
|
보죠 |
|
|
|
05:33.710 --> 05:37.250 |
|
들어가서 기능들을 만들어 보세요 |
|
|
|
05:37.250 --> 05:42.890 |
|
하지만 다음 시간에는 좀 더 정교한 기본 모델을 살펴볼 거예요 |
|
|
|
05:42.890 --> 05:43.820 |
|
그때 봐요
|
|
|