study

이전 섹션에서 각 agent는 core에 AI model이 필요하고, LLM이 가장 일반적인 AI 모델 유형이라는 것을 배웠다. What is a Large Language Model? LLM은 방대한 양의 텍스트 데이터를 통해 언어 패턴이나 구조, 뉘앙스 등을 학습한다. 대부분의 현대 LLM은 transformer 아키텍처를 기반으로 하는데, transformer는 아마 다들 잘 알고 있을 attention 알고리즘을 사용한 딥러닝 아키텍처이다. transformers의 3가지 유형 [1] Encoders인코더 기반 트랜스포머는 input text를 embeddings으로 변환한다.- 예시: Google의 BERT- semantic search, NER- 일반적으로 수백만 개의 매개변수 [2] De..

Introduction사람은 복잡한 패턴을 잘 찾아낸다. 하지만, 결론을 내기 전에 기존 지식을 보충하기 위해 책, 구글 검색, ... 등 다양한 도구를 사용한다. 사람과 마찬가지로 생성형 AI 모델도 도구를 활용하도록 학습될 수 있다. 예를 들어, 고객의 구매 내역을 조회해 맞춤형 쇼핑 서비스를 제공하거나 다양한 API 호출을 수행해서 사용자 대신 이메일을 작성하는 등 여러 작업들이 가능하다. What is an Agent?우리가 누군가에게 "커피 한 잔 부탁해요." 라고 명령을 내린다. 그는 우리의 명령을 듣고 reasoning and planning를 통해 필요한 steps and tools을 생각한다. 예를 들어,1. 주방에 간다.2. 커피 머신을 사용한다.3. 커피를 내린다.4. 커피를 ..

혼동행렬 머신러닝에서 모델의 성능을 평가하기 위한 지표입니다. actual은 실제 정답이고 predicted는 모델이 예측한 결과입니다. - True Positive(TP) : 실제 True인 정답을 True라고 예측 (정답)- True Negative(TN) : 실제 False인 정답을 False라고 예측 (정답) - False Positive(FP) : 실제 False인 정답을 True라고 예측 (오답)- False Negative(FN) : 실제 True인 정답을 False라고 예측 (오답) 1. 정밀도 (precision) 모델이 True라고 분류한 것 중에서 실제 True인 것의 비율 2. 재현율 (recall) 실제 True인 것 중에서 모델이 True라고 예측한 것의 비율 이..

Active learning모델이 단순히 양이 많은 데이터를 배우는 것에 그치지 않고, 주어진 데이터에 대해 직접 질문을 던질 수 있는 방법학습 알고리즘이 학습할 데이터를 직접 선택할 수 있다면, 적은 데이터로도 더 나은 성능을 낼 수 있다는 것이 핵심알고리즘이 스스로 '호기심을 가지는' 방식 Supervised learning 과 Active learningSupervised learning 는 정확한 학습을 위해 수천 개 이상의 labeling 된 데이터가 필요하다. 스팸 이메일, 영화 평점 같은 labeling이 쉬운 데이터는 비교적 저렴하게 구할 수 있지만, 음성 인식이나 문서, 이미지, 영상 분류 등 labeling이 어려운 데이터는 비용과 시간이 많이 든다.이러한 문제를 해결하기 위해서는 어..