모든 순간이 'AI'였다.

수업 내용 리마인드 및 아카이빙 목적의 업로드 ChatGPT란?2022년 11월, OpenAI가 세상에 선보인 ChatGPT는 출시와 동시에 큰 반향을 일으켰습니다. ChatGPT는 단순한 인공지능이 아닙니다. Generative AI, 즉 생성형 인공지능의 일종으로, 사용자가 입력한 텍스트에 맞춰 자연스럽고 창의적인 대화를 생성해 줍니다. 이 놀라운 기술은 GPT(Generative Pre-trained Transformer)라는 모델을 기반으로 하고 있죠. ChatGPT는 이 모델을 바탕으로 다양한 텍스트 데이터를 학습한 후, 새로운 문장을 만들어내는 능력을 갖추고 있습니다. ChatGPT는 어떻게 작동할까요?ChatGPT의 핵심은 GPT 모델입니다. GPT는 사전 학습(Pre-training) 과정..

수업 내용 리마인드 및 아카이빙 목적의 업로드 생성형 AI란 무엇일까요?요즘 기술 업계에서 자주 등장하는 "생성형 AI"란 용어, 많이 들어보셨나요? 간단히 말해, 생성형 AI(Generative AI)는 인간이 입력한 데이터와 명령을 기반으로 새로운 콘텐츠를 만들어내는 인공지능 기술을 뜻합니다. 기존의 AI가 주어진 데이터를 학습하여 예측이나 분류 작업을 주로 했다면, 생성형 AI는 그 데이터를 바탕으로 완전히 새로운 텍스트, 이미지, 영상 등을 생성할 수 있죠. 예를 들어, ChatGPT가 여러분의 질문에 맞춰 자연스러운 대화를 만들어 내거나, 미드저니(Midjourney)가 텍스트 명령을 받아 환상적인 이미지를 창작하는 것들이 모두 생성형 AI의 결과물입니다. 생성형 AI의 작동 원리생성형 AI가 ..

수업 내용 리마인드 및 아카이빙 목적의 업로드 BERT(Bidirectional Encoder Representations from Transformers)는 2018년 구글이 발표한 획기적인 자연어 처리(NLP) 모델입니다. BERT는 Transformer 아키텍처의 양방향 인코더를 기반으로 하여, 입력된 텍스트의 모든 단어를 양방향으로 동시에 처리합니다. 이를 통해 문맥을 더 깊이 이해하고, 기존 모델들보다 높은 성능을 발휘할 수 있게 되었습니다. 이번 글에서는 BERT 모델의 기본 개념, 학습 과정, 모델 구조, 그리고 파인튜닝(Fine-Tuning) 방법을 자세히 알아보겠습니다. 1. BERT 모델이란?BERT는 Transformer 아키텍처의 인코더 부분을 활용한 사전 학습된(pre-traine..

수업 내용 리마인드 및 아카이빙 목적의 업로드 Transformer 모델은 최근 자연어 처리(NLP)와 컴퓨터 비전 분야에서 가장 주목받는 딥러닝 기술 중 하나입니다. 기존의 순환신경망(RNN) 기반 모델들이 가진 여러 한계를 극복하며, 빠르고 정확한 성능을 보여주고 있습니다. 이 글에서는 Transformer 모델의 핵심 개념, 작동 방식, 그리고 그 장점을 자세히 알아보겠습니다. 1. Transformer란?Transformer는 RNN이나 LSTM과 달리 입력 시퀀스를 순차적으로 처리하지 않고, 병렬 처리를 통해 데이터를 학습하는 모델입니다. 특히 Self-Attention 메커니즘을 도입하여 시퀀스 내 모든 단어 간의 상호작용을 동시에 계산합니다. 이 방식은 RNN의 단점인 장기 의존성 문제를 해..

수업 내용 리마인드 및 아카이빙 목적의 업로드  Seq2Seq(Sequence to Sequence) 모델은 특히 기계 번역, 텍스트 요약, 질문 답변 등에서 뛰어난 성능을 발휘하는 모델입니다. 이 모델은 하나의 문장(입력 시퀀스)을 받아 또 다른 문장(출력 시퀀스)으로 변환하는 방식으로 작동합니다. 오늘은 Seq2Seq 모델의 기본 개념과 그 한계를 보완한 Attention 메커니즘에 대해 알아보겠습니다.  1. Seq2Seq 모델이란?Seq2Seq는 RNN 계열의 모델로, 하나의 시퀀스를 입력받아 또 다른 시퀀스를 출력하는 구조입니다. 이 모델은 주로 기계 번역에서 많이 사용됩니다. 예를 들어, 영어 문장을 입력하면 그에 해당하는 한국어 문장을 출력하는 방식이죠. 1) Seq2Seq의 구조Seq2Se..

수업 내용 리마인드 및 아카이빙 목적의 업로드 AI와 딥러닝을 배우다 보면 RNN(순환 신경망)과 LSTM(장단기 메모리)라는 용어를 자주 듣게 됩니다. 특히 시계열 데이터를 처리하는 데 뛰어난 성능을 보여주는데요. 오늘은 RNN과 LSTM의 기본 개념부터 그 차이점까지 하나씩 알아보겠습니다! 1. RNN(순환 신경망)이란?RNN은 순환 신경망(Recurrent Neural Network)의 약자입니다. 일반적인 신경망은 과거의 정보를 기억하지 못하는 단점이 있는데, RNN은 이전 시점의 정보를 활용해 새로운 데이터를 처리할 수 있습니다. 예를 들어, 문장이나 시간에 따라 변화하는 데이터를 다룰 때 유용해요. 1) RNN의 작동 방식RNN의 핵심 아이디어는 이전 시점의 정보를 반영해 더 나은 예측을 하자..

수업 내용 리마인드 및 아카이빙 목적의 업로드  이번 글에서는 다중 선형 회귀를 파이토치로 직접 구현해보는 과정을 소개할게요. 다층 퍼셉트론(MLP) 모델을 사용해서 비선형 데이터에 대한 예측을 해볼 거예요. 처음부터 끝까지 함께 진행하면서 학습 과정과 평가 방법까지 차근차근 살펴봐요.  1. 필요 모듈 로드 먼저, 필요한 라이브러리를 가져오고 GPU가 사용 가능한지 확인해볼게요. 파이토치, 데이터 전처리 및 시각화를 위한 다양한 모듈들을 사용합니다. !pip install torchinfoimport torchimport torch.nn as nnimport torch.optim as optimfrom torch.utils.data import DataLoader, Dataset, random_spli..

수업 내용 리마인드 및 아카이빙 목적의 업로드  딥러닝은 최근 AI(인공지능) 기술의 핵심으로 자리 잡고 있습니다. 이미지 인식, 음성 인식, 자율주행차 등 우리가 일상에서 사용하는 기술의 기반이죠. 그렇다면 딥러닝(Deep Learning)이란 무엇일까요? 오늘은 딥러닝의 기본 개념부터 주요 학습 기법까지 차근차근 알아보겠습니다. 1. 딥러닝이란?딥러닝은 AI(인공지능)와 머신러닝의 한 분야로, 인간의 뇌처럼 작동하는 신경망(Neural Network)을 사용하여 데이터를 학습하고 예측하는 기술입니다. 쉽게 말해, 데이터를 보고 스스로 학습하여 결과를 도출하는 방법인데요, 머신러닝과 비슷하지만 더 복잡한 구조의 알고리즘을 사용해 더 깊이 있는 학습을 가능하게 합니다. 2. 머신러닝과 딥러닝의 차이딥러닝..

수업 내용 리마인드 및 아카이빙 목적의 업로드 머신러닝(Machine Learning)이라고 들어보셨나요? 요즘 AI(인공지능)라는 단어와 함께 자주 등장하는 용어인데요, 머신러닝은 데이터를 통해 컴퓨터가 스스로 학습하고 예측할 수 있도록 하는 기술이에요. 이 글에서는 머신러닝이 무엇인지, 그리고 머신러닝에서 사용되는 다양한 학습 방법에 대해 쉽고 간단하게 설명해 드릴게요! 1. 머신러닝이란?머신러닝은 컴퓨터가 사람처럼 데이터를 분석하고 학습해 스스로 결론을 내리는 과정을 말해요. 예를 들어, 수많은 사진을 보고 고양이와 강아지를 구분할 수 있게 되거나, 기온 데이터를 통해 내일의 날씨를 예측할 수 있는 기술이죠.머신러닝은 크게 AI(인공지능)의 한 분야로, 그중에서도 딥러닝(Deep Learning)이..

수업 내용 리마인드 및 아카이빙 목적의 업로드 1. 자연어 처리와 전통적인 프로그래밍의 차이  전통적인 프로그래밍에서는 컴퓨터가 이해할 수 있는 언어로 직접 명령을 내리죠. 하지만 자연어 처리는 컴퓨터가 사람의 언어, 즉 우리가 평소에 쓰는 말을 이해하고 소통할 수 있도록 돕는 기술이에요. 예를 들어, "오늘 날씨 어때?"라고 물으면, 자연어 처리를 통해 컴퓨터가 이 질문을 이해하고 적절한 답을 줄 수 있답니다.  2. 데이터의 유형: 정형 데이터 vs 비정형 데이터  정형 데이터는 말 그대로 구조가 잘 잡힌 데이터에요. 엑셀 파일이나 데이터베이스에 저장된 데이터를 생각하시면 돼요. 반면, 비정형 데이터는 글이나 이메일, 소셜 미디어 글처럼 정해진 틀이 없는 데이터를 말해요. 요즘은 인터넷과 모바일 덕분..