3가지만 기억하세요: 학습률, 배치 크기, 에폭
파인튜닝에 가장 중요한 하이퍼파라미터인 학습률, 배치 크기, 에폭 수
파인튜닝에 가장 중요한 하이퍼파라미터인 학습률, 배치 크기, 에폭 수
인공지능의 정의와 기계 학습, 지도 학습, 비지도 학습, 강화 학습 개념
학습 데이터셋, 검증 데이터셋, 테스트 데이터셋의 역할
데이터 수집, 전처리, 패턴 분석, 학습된 정보 저장, 모델 활용 과정을 통해 이해하는 인공지능 학습 과정
데이터 증강 기술을 활용하여 데이터셋을 확장하고, 증강된 데이터를 수정하는 방법
하이퍼파라미터의 정의와 주요 하이퍼파라미터
하이퍼파라미터의 정의와 주요 하이퍼파라미터
데이터셋에 담는 데이터의 종류와 일반적인 구조
AI 모델을 학습시키기 위해 사용되는 주요 데이터 형식인 CSV, JSON, XML
AI 모델을 학습시키기 위해 사용되는 주요 데이터 형식인 CSV, JSON, XML
JSON의 구 조와 지원하는 데이터 유형
JSON의 구조와 지원하는 데이터 유형
실습 환경에서 파인튜닝을 위한 JSONL 데이터셋을 만들기
파인튜닝을 위한 JSON 데이터셋을 만들기
MBTI 유형별로 파인튜닝된 AI와 대화하기
실습 환경에서 모의 파인튜닝 시작하기
각기 다른 MBTI 유형에 따른 응답 차이 확인하기
경상도 사투리를 사용하는 50대 아주머니 모델을 만들며, 파인튜닝을 통해 AI 모델에 독특한 톤을 부여하는 방법 체험
과소적합 개념과 방지 전략
과소적합 개념과 방지 전략
과적합의 개념과 방지 전략
과적합의 개념과 방지 전략
텍스트 처리 AI 모델과 이미지 처리 AI 모델이 사용하는 다양한 데이터 포맷
데이터 불균형의 원인 및 해결 방법
전처리의 필요성과 JSONL 데이터 전처리 예시
데이터셋 분할 비율과 랜덤 샘플링, 층화 샘플링 방법
뉴런, 층, 학습 등 딥러닝의 주요 개념과 예시
파인튜닝 과정 마무리와 AI의 미래
AI의 의미와 파인튜닝의 개념 및 사용 사례
머신러닝과 딥러닝의 주요 차이점 비교
듀얼챗 모드를 활용하여 베이스 모델과 파인튜닝 모델의 차이를 비교
일반 AI 모델과 조선 시대 선비 말투를 학습한 AI 모델의 차이 비교
그래디언트의 정의와 역할, 비유적 설명
파인튜닝 첫번째 코스 학습 내용 정리
일반 AI 모델과 신라 시대 여왕 말투를 학습한 AI 모델의 차이 비교
AI의 의미와 파인튜닝의 개념 및 사용 사례
손실 함수 의 역할과 주요 손실 함수 예시
버르장머리 없는 반말 봇과 일반 AI 모델의 응답 결과 비교
전이 학습의 개념과 파인튜닝과의 차이점
파인튜닝 과정을 코드로 구현한 파이썬 예시 코드
파인튜닝 과정을 코드로 구현한 파이썬 예시 코드
파인튜닝과 프롬프트 엔지니어링의 차이점과 각각의 특징 비교
파인튜닝과 프롬프트 엔지니어링의 차이점과 각각의 특징 비교
파인튜닝 데이터셋에서 중요한 요소들을 검증하는 방법
실습 환경에서 파인튜닝된 모델 테스트
정확도, 정밀도, 재현율, F1 점수의 개념과 AI 모델 평가법
서로 다른 파인튜닝 모델을 테스트하여 하이퍼파라미터가 모델 성능에 미치는 영향 비교
배포된 파인튜닝 모델이 배포되는 일반적인 방법
지금까지 학습한 데이터와 설정한 하이퍼파라미터를 기반으로 파인튜닝 시작하기
지금까지 학습한 데이터와 설정한 하이퍼파라미터를 기반으로 파인튜닝 시작하기
학습 데이터 선택 및 하이퍼파라미터 설정 후 파인튜닝 실행하기
지금까지 학습한 파인튜닝 주요 내용 총정리
심화 학습을 위한 참고자료 및 커뮤니티 소개
파인튜닝이 무엇이며, 일반적인 학습과 어떤 점이 다른지 기술적인 요소를 쉽게 설명한 수업 자료
실습 환경에서 경상도 사투리를 사용하는 50대 아주머니 AI 체험하기
OpenAI 플랫폼에서 AI 모델을 파인튜닝할 때 사용되는 JSONL 형식
OpenAI 플랫폼에서 AI 모델을 파인튜닝할 때 사용되는 JSONL 형식
데이터 준비, 모델 초기화 및 설정, 모델 학습 및 평가, 결과 적용 및 배포 등 파인튜닝 과정 소개
파인튜닝이 AI 모델에 영향을 미치는 과정
GPT를 파인튜닝하기 위해 JSONL 형식의 데이터셋을 설계하는 방법
JSONL의 정의와 파인튜닝에 사용되는 이유
JSONL의 정의와 파인튜닝에 사용되는 이유
파인튜닝을 통해 얻을 수 있는 주요 이점
파인튜닝을 통해 얻을 수 있는 주요 이점
일반적인 AI 모델과 표 형식 데이터 정리에 특화된 파인튜닝 모델을 비교하며, 응답 결과의 차이
학습 성과에 중요한 영향을 미치는 매개변수, 하이퍼파라미터 설정
실습 환경에서 배치 크기, 학습률, 에폭 수를 조절해 학습 과정 최적화
학습 불안정성의 원인 및 해결 방법
에폭 수가 모델 학습에 미치는 영향과 효과적으로 에폭 수를 결정하는 방법
학습률의 중요성과 학습률을 최적화하는 전략
배치 크기가 모델 학습에 미치는 영향과 최적의 배치 크기를 설정하는 방법