연락처 정보

코스 개요

생성형 AI 소개

  • 생성형 AI란 무엇이며 왜 중요한가?
  • 생성형 AI의 주요 유형과 기법들
  • 생성형 AI의 핵심 과제 및 한계점

트랜스포머 아키텍처와 대규모 언어 모델

  • 트랜스포머란 무엇이며 어떻게 작동하는가?
  • 트랜스포머의 주요 구성 요소 및 특징들
  • 트랜스포머를 활용해 대규모 언어 모델을 구축하는 방법

확장 법칙과 최적화

  • 확장 법칙이란 무엇이며 왜 대규모 언어 모델에 중요한가?
  • 확장 법칙이 모델 크기, 데이터 규모, 연산 자원 및 추론 요구사항과 어떻게 연관되는가?
  • 확장 법칙을 활용해 대규모 언어 모델의 성능과 효율성을 최적화할 수 있는 방안

대규모 언어 모델의 학습 및 미세 조정

  • 처음부터 대규모 언어 모델을 학습하는 주요 단계와 어려움들
  • 특정 작업에 맞춰 대규모 언어 모델을 미세 조정할 때의 장점과 단점
  • 대규모 언어 모델 학습 및 미세 조정을 위한 최선의 실무 방안과 도구들

대규모 언어 모델의 배포 및 활용

  • 실제 서비스 환경에서 대규모 언어 모델을 배포할 때 고려해야 할 사항과 과제들
  • 다양한 분야와 산업에서 대규모 언어 모델의 일반적인 활용 사례
  • 다른 AI 시스템 및 플랫폼들과 대규모 언어 모델을 통합하는 방법

생성형 AI의 윤리적 측면과 미래 전망

  • 생성형 AI와 대규모 언어 모델이 가져오는 윤리적, 사회적 영향
  • 편향, 허위 정보, 조작 등 생성형 AI와 대규모 언어 모델이 초래할 수 있는 잠재적 위험과 부정적 영향
  • 사회에 이롭고 책임감 있게 생성형 AI 및 대규모 언어 모델을 활용하는 방향

요약 및 향후 학습 방향

요건

  • 지도학습 및 비지도학습, 손실 함수, 데이터 분할 등 머신러닝 관련 개념에 대한 이해
  • Python 프로그래밍과 데이터 처리 경험
  • 신경망 및 자연어 처리에 대한 기초 지식

대상 수강생

  • 개발자
  • 머신러닝에 관심이 있는 분들
 21 시간

참가자 수


참가자별 가격

회원 평가 (7)

예정된 코스

관련 카테고리