공감생활

오늘부터 나는 ChatGPT를 활용하여 블로그 게시물을 작성하는 것을 연재물 느낌으로 지속적으로 이어가 볼 예정이다. 이후에 작성되는 텍스트는 대부분 전적으로 ChatGPT를 활용해서 작성한 텍스트다. 약간 문장을 다듬기만 할 것이고, 전반적인 내용은 자동으로 생성된 내용임을 미리 밝힌다. 처음으로 작성할 내용은 'ChatGPT를 활용해서 블로그 포스팅하기'이다. 아시다시피 ChatGPT는 사람이 쓰는 것과 거의 구분할 수 없는 텍스트를 생성할 수 있는 강력한 언어 모델이다. 그렇다면 블로그에 ChatGPT를 사용하는 이유는 무엇일까? 우선 콘텐츠에 대한 새로운 아이디어를 떠올리는 데 도움이 될 수 있다. 모델에 주제와 관련된 몇 가지 키워드나 문구를 입력하면 다른 방법으로는 생각하지 못했던 풍부한 잠재..

다음 단계 머신러닝 교육을 계속하고 텐서플로우 기술을 더욱 개발하려면 다음 리소스를 확인하세요. 머신러닝 실습 Google이 제품에서 어떻게 머신러닝을 활용하는지 보여주는 실제 우수사례를 동영상과 코딩 실습을 통해 알아보세요. 이미지 분류: Google이 어떻게 이미지 분류 모델을 개발하여 Google 포토의 검색 기능을 강화했는지 알아보고 나만의 이미지 분류 모델을 만들어 보세요. 더 많은 머신러닝 실습이 제공될 예정입니다. 기타 머신러닝 리소스 딥러닝: 이미지와 텍스트 모델을 광범위하게 다루는 신경망에 관한 고급 머신러닝 교육 과정 ML의 규칙: 머신러닝 엔지니어링 권장사항 TensorFlow.js: ML 모델 학습 및 배포를 위한 WebGL 가속 및 브라우저 기반 자바스크립트 라이브러리 텐서플로우 ..

효과적인 ML 가이드라인 최초 모델은 단순하게 유지 데이터 파이프라인 정확성 확보에 중점 학습 및 평가를 위해 간단하고 관찰 가능한 측정항목 사용 입력 특성을 관리하고 모니터링 모델 구성을 코드로 취급하여 검토하고 체크인 모든 실험 결과(특히 '실패한 결과')를 기록

실제 예: 18세기 문학 18세기 문학을 연구하는 교수가 작가들이 사용한 '마음에 대한 은유'만을 토대로 작가의 정치적 소속이 어디인지를 예측하고자 했습니다. 18세기 문학을 연구하는 한 교수가 작가들이 사용한 '마음에 관한 은유'만을 토대로 작가의 정치적 소속이 어디인지를 평가하고자 했습니다. 연구팀은 다양한 작가의 작품을 문장별로 라벨을 지정하여 빅데이터 세트를 만들고 학습/검증/테스트 세트로 나누었습니다. 학습된 모델은 테스트 데이터에서 거의 완벽한 성능을 보였지만, 연구자들은 결과가 의심스러울 만큼 정확하다고 느꼈습니다. 무엇이 잘못되었을까요? 테스트 정확성이 의심스러울 정도로 높은 이유가 무엇이라고 생각하시나요? 문제가 무엇인지 생각해 본 다음, 아래에 있는 재생 버튼(▶)을 클릭하여 내 생각이..

실제 예: 암 예측 모델은 의료 기록을 통해 '환자가 암에 걸렸을 가능성'을 예측하도록 학습되었습니다. 환자의 연령, 성별, 이전 질병, 병원 이름, 활력 징후, 검사 결과 등을 특징으로 사용했습니다. 모델은 지속된 테스트 데이터에서 뛰어난 예측 결과를 보였습니다. 그렇지만 새 환자의 경우 평가 결과가 제대로 나오지 않았습니다. 이유가 무엇일까요? 실제 예: 암 평가 왜 새 환자의 경우에는 모델에서 평가 결과가 제대로 나오지 않는다고 생각하시나요? 문제가 무엇인지 생각해 본 다음, 아래에 있는 재생 버튼(▶)을 클릭하여 내 생각이 맞았는지 확인하세요. 라벨 누출 : 약간의 학습 라벨이 기능에 유출되어 모델의 속임수를 허용하는 것