λ₯λ¬λ μν€ν μ² 2024 λ΄ μ»€λ¦¬νλΌ
λͺ¨μ§ μΈμ 6λͺ
(μ΅λ 2κ° ν)
νλ μκ° λ§€μ£Ό ν μμΌ μ€ν 5μ - 7μ
νλ λ°©λ² μ£Ό 1ν λλ©΄ μ κΈ° μΈμ
+ μ£Ό 1ν νλ³ λ―Έν
(λλ©΄ κΆμ₯)
νΉμ΄ μ¬ν
β’
λ©ν°λͺ¨λ¬ νκ³Ό ν¨κ» 맀주 ν μμΌ μ€ν 5μ κ°λ¨μ λΆκ·Όμμ λλ©΄ μΈμ
μ μ§νν μμ μ
λλ€.
Overview
λ₯λ¬λμμ μν€ν
μ²λ μ±λ₯μ κ°μ₯ ν° μν₯μ λ―ΈμΉλ μμμ
λλ€. μ΄λ€ λ μ΄μ΄λ₯Ό μ¬μ©νλμ§, νλΌλ―Έν°λ₯Ό μ΄λ»κ² μ€μ νλμ§, Loss Functionμ 무μμ μ¬μ©νλμ§ λ± μν€ν
μ²λ₯Ό ꡬμ±νλ μμλ 무μν λ§μ΅λλ€. μ΄λ¬ν μν€ν
μ²μ λν κΈ°λ³Έμ μΈ μ΄ν΄κ° μ νλμ§ μλλ€λ©΄ λ₯λ¬λμ 곡λΆν¨μ μμ΄μ κ°μ₯ ν° κ±Έλ¦Όλμ΄ λ μ μμ΅λλ€.
μ΄λ² λ₯λ€μ΄λΈ 2024 λ΄ μ»€λ¦¬νλΌμμ μ ν¬ λ₯λ¬λ μν€ν
μ² λΆμΌλ μμ λ‘κ² μ νν μ£Όμ μ λ§μΆ°μ μΈμμ μ‘΄μ¬νλ λ€μν μν€ν
μ² λΈλ‘λ€μ ν΄μ²΄νκ³ μ‘°λ¦½νμ¬ μ΅λν μ±λ₯μ λμ΄μ¬λ¦΄ μ μλ μν€ν
μ²λ₯Ό μ€κ³νλ κ²μ λͺ©νλ‘ ν©λλ€. μ΄λ¬ν κ³Όμ μ ν΅ν΄ μν€ν
μ² μ€κ³μ λν μ λ°μ μΈ νλ‘ν μ½κ³Ό κ΅¬μ± μμμ μν μ μ΄ν΄νκ³ λ€μν μν€ν
μ²λ€μ μ¬μ©ν΄λ³΄λ κ²½νμ μ»μ΄κ°κΈΈ λ°λλλ€.
λͺ¨μ§λ μΈμμ λ°λΌ μ΅λ 2κ°μ νμΌλ‘ λλκ³ κ° νμμ μ νν μ£Όμ λ₯Ό κΈ°λ°μΌλ‘ μ΅μ λ
Όλ¬Έλ€μ 리뷰νκ³ κ΅¬νν©λλ€. μ΄ν ꡬνν μ¬λ¬ μν€ν
μ² λΈλ‘λ€μ βν©λ¦¬μ μΈ μ΄μ βμ λ§μΆ° 쑰립νμ¬ λͺ¨λΈμ μ±λ₯μ ν₯μμν€λ νλ‘μ νΈλ₯Ό μ§νν μμ μ
λλ€.
μ격 μ건
1.
Pythonμ κΈ°λ°μΌλ‘ Tensorflow or PyTorchλ₯Ό λ€λ£° μ μλ μ¬λμ΄μ΄μΌ ν©λλ€.
κΈ°λ³Έμ μΌλ‘ λ
Όλ¬Έμ μν€ν
μ²λ₯Ό μ§μ ꡬννκ±°λ μ€νλμ΄ μλ κ²½μ° νμ μ£Όμ μ λ§μΆ°μ λ³νμμΌμΌ νκΈ° λλ¬Έμ λ₯λ¬λ λΌμ΄λΈλ¬λ¦¬λ₯Ό μ¬μ©ν΄λ³Έ λΆλ€μ΄μ
¨μΌλ©΄ μ’μ κ² κ°μ΅λλ€.
2.
λ
Όλ¬Έμ κ±°λΆκ°μ΄ μμ΄μΌ ν©λλ€.
λ₯λ¬λμ λ
Όλ¬Έμ μ½λ κ²μΌλ‘ μμν©λλ€. νΉν λ€μν μν€ν
μ²λ₯Ό μ΄ν΄νκΈ° μν΄μλ κ·Έ μν€ν
μ²λ₯Ό κ°λ°νκ³ μ€νν λ
Όλ¬Έμ λ°λμ μ½μ΄μΌ ν©λλ€. κ·Έλ κΈ° λλ¬Έμ νλ‘μ νΈλ₯Ό μ§νν¨μ μμ΄μ μ΄μ° 보면 κ°μ₯ μ€μν μ μ΄ λ
Όλ¬Έμ μ½κ³ μ΄ν΄νλ κ²μ΄λΌκ³ ν μ μμ΅λλ€.
3.
μλλ₯Ό λλ €μ νμλ©΄ μλ©λλ€.
λ₯λ¬λμλ μ λ΅μ΄ μμ΅λλ€. λ°λΌμ λͺ©νλ₯Ό ν₯ν΄κ°λ κ³Όμ μλ λ§μ μνμ°©μ€λ€μ΄ λΆλͺ
μ‘΄μ¬ν κ²μ
λλ€. κ·Έλ κΈ° λλ¬Έμ μλνκ³ μ€ν¨νλ κ²½νμ΄ λ¬΄μλ³΄λ€ μ€μν©λλ€. βμ΄κ±΄ μ΄λ €μΈ κ² κ°μβ보λ€λ βμΌλ¨ ν΄λ³΄μβλΌλ λ§μμ κ°μ§μ
¨μΌλ©΄ μ’κ² μ΅λλ€.
4.
10μ£Όκ° νλ‘μ νΈμμ ν¬κΈ°νμλ©΄ μλ©λλ€(μ€μ).
μλΉν μ΄λ €μ΄ νλ‘μ νΈ λΆμΌμΌ κ²μ΄λΌκ³ μκ°ν©λλ€. κ·Έλ§νΌ μ€κ°μ ν¬κΈ°νμκ² λλ©΄ λ¨κ²¨μ§ νμλ€μ λ°° μ΄μμΌλ‘ νλ€μ΄μ§λλ€. μ κ·Ήμ μΌλ‘ λκΉμ§ νλνμ€ κ°μ€κ° μμΌμ λΆλ€λ§ μ§μνμ
¨μΌλ©΄ μ’κ² μ΅λλ€.
κ·Έ μΈ μ¬ν
1.
μ ν¬ λΆμΌμμλ κΈ°μ‘΄μ λͺ¨λΈμ Fine-tuningνκ±°λ Pre-trainλ λͺ¨λΈμ μ λ μ¬μ©νμ§ μμ΅λλ€.
2.
νΌμΉ λͺ»ν μ΄μ κ° μ‘΄μ¬νμ§ μλ ν λͺ¨λ λ―Έν
μ μ€νλΌμΈμΌλ‘ μ§νλ©λλ€.
3.
κΈ°λ³Έμ μΌλ‘ λ―Έν
μ λ°νμ ν λ‘ νμμΌλ‘ μ§νν μμ μ
λλ€.
4.
νλ‘μ νΈ μ£Όμ λ μμ¨μ
λλ€. νμλΆλ€κ³Ό μ견μ λλμκ³ 3μ£Όμ°¨ μ΄μ μ νμ μ λͺ©νλ‘ νκ³ μμ΅λλ€.
5.
νλ€κ² μ§λ§ λͺ¨λ λΆλ€μ΄ λ§μ κ²μ μ»μ΄κ°μ€ μ μλλ‘ κ°μ΄ λ
Έλ ₯νκ² μ΅λλ€.
μ£Όμ°¨ | νλ λ΄μ© |
1μ£Όμ°¨ | OT & νλ‘μ νΈ μ£Όμ λ
Όμ |
2μ£Όμ°¨ | νλ‘μ νΈ μ£Όμ λ
Όμ |
3μ£Όμ°¨ | νλ‘μ νΈ μ£Όμ νμ λ° κ΄λ ¨ λ
Όλ¬Έ 리뷰 |
4μ£Όμ°¨ | νλ‘μ νΈ (1) λ° κ΄λ ¨ λ
Όλ¬Έ 리뷰 |
5μ£Όμ°¨ | νλ‘μ νΈ (2) λ° κ΄λ ¨ λ
Όλ¬Έ 리뷰 |
6μ£Όμ°¨ | ν μΈλ―Έλ |
7μ£Όμ°¨ | νλ‘μ νΈ (3) |
8μ£Όμ°¨ | νλ‘μ νΈ (4) |
9μ£Όμ°¨ | νλ‘μ νΈ (5) |
10μ£Όμ°¨ | νλ‘μ νΈ λ¦¬νμ€ |
μ λ° λ°©μ
μ κ· λͺ¨μ§ λ©€λ² νμ κ³Όμ β λ©΄μ (4μ 28μΌ μΌμμΌ) β μ λ°(4μ 29μΌ)
λ©΄μ μλ΄
μλ΄λ λ°μ λ€μ μ°¨μ΄κ° μμ μ μμ΅λλ€
β’
μΌμ 4μ 28μΌ μΌμμΌ μ€ν 2μ - 10μ
β’
κ΅¬μ± λ€λμΌ λ©΄μ , μ¨λΌμΈ ZOOM λ©΄μ
β’
λ΄μ© λ₯λ¬λμ λν κΈ°λ³Έμ μΈ μ§μ, μΈμ±, νλ‘μ νΈ κ²½ν λ±
β’
μμ μμ μκ° 1μΈλΉ μ½ 30λΆ
β’
λ°©μ
β¦
4μ 27μΌ μ€ν 10μ λ©΄μ λμμ μΌμ μλ΄ λ©μΌ μΌκ΄ λ°μ‘ μμ
β¦
4μ 28μΌ μ€μ 10μ λ©΄μ λ§ν¬ μ μ‘ μμ
β¦
λ©΄μ λ©μΌμ μ½μ§ μμ μκΈ°λ λΆμ΄μ΅μ μ±
μμ§μ§ μμ΅λλ€.
νμ κ³Όμ
μ§μμ(μ κ· νμ) λμ
κ°λ¨ν λ₯λ¬λ λͺ¨λΈ ꡬν λ° λ¬Έμ νμ΄
κ³Όμ λͺ©μ
μ격 μ건μ νμΈνκΈ° μν¨μ
λλ€. λ€λ§ μνκ³ λͺ»νκ³ κ° μλ κΈ°λ³Έμ μΈ μ§μκ³Ό νκ³ μνλ μ΄μ μ΄ μλμ§ νλ¨νλ λͺ©μ μ
λλ€. λ³ΈμΈμ΄ ν μ μλ μ΅λν μ΄μ¬ν ν΄μ 보λ΄μ£ΌμΈμ.
μλ λ μ€μ μ λͺ¨λ μλ£ν΄μ£Όμ
μΌ ν©λλ€.
1.
μ°μΈ‘ μλ¨ κ³΅μ - 곡μ - Notionμ λ§ν¬κ° μλ λͺ¨λλ‘ κ³΅μ λμ λ³κ²½
2.
μ°μΈ‘ μλ¨ κ³΅μ - κ²μ - μΉμ κ²μ ν΄λ¦ ν ν
νλ¦Ώ 볡μ νμ©
κ³Όμ μ μΆ λ°©λ²
λ
Έμ
λ§ν¬λ₯Ό ꡬκΈνΌμ 첨λΆν΄μ£ΌμκΈ° λ°λλλ€.
곡μ μ€μ μ΄ μλͺ»λμ΄ μκΈ°λ λΆμ΄μ΅μ μ±
μμ§μ§ μμ΅λλ€.