p3. 제한된 레이블로 학습하기 (Learning with limited labels) 지금까지 우리는 레이블이 있는 데이터(labeled data) 를 사용하여 분류기(classifier)를 학습하는 방법 에 대해 논의하였다. 각 입력 텍스트 $x$ 마다, 해당하는 클래스 레이블 $y$ 가 주어진다고 가정하였다....

p5. 제한된 레이블로 학습하기 (Learning with limited labels) 지금까지 우리는 레이블이 있는 데이터(labeled data) 를 사용하여 분류기(classifier)를 학습하는 방법 에 대해 논의하였다. 각 입력 텍스트 $x$ 마다, 해당하는 클래스 레이블 $y$ 가 주어진다고 가정하였다....

논문 출처 Kingma, D. P., & Welling, M. Auto-Encoding Variational Bayes. arXiv preprint arXiv:1312.6114 (2013). 🔗 원문 링크 (arXiv: 1312.6114) 저자 Diederik P. Kingma (Machine Learning Group, Univers...

p10. 제한된 레이블로 학습하기 (Learning with limited labels) 지금까지 우리는 레이블이 있는 데이터(labeled data) 를 사용하여 분류기(classifier)를 학습하는 방법 에 대해 논의하였다. 각 입력 텍스트 $ x $ 마다, 해당하는 클래스 레이블 $ y $ 가 주어진다고 가...

p2. 생성 모델의 일반 개념 (General Concept of Generative Models) 강의 내용 생성 모델이 무엇인지 먼저 생각해보는 것이 좋을 것 같습니다. 예를 들어 텍스트가 주어지고 해당 텍스트에 대응하는 어떤 형태(shape)나 이미지를 생성하는 AI 모델을 떠올려보면, 이는 제너레이티브 모델, 즉 생성 모델...

p9. 텍스트 분류 (Text classification) 왜 중요한가? 데이터 분석의 핵심 과제: 미리 정의된 레이블을 할당(assign predefined labels) (예: 브랜드, 감정, 주제 등) 검색 엔진, 추천 시스템, 스팸 탐지 등에서 폭넓게 사용된다. QA, 대화 시스템, 개인화(per...

p2. 생성형 AI 검색의 정의와 특징 생성형 AI 검색 (Generative AI Search) 대규모 언어 모델(LLM)을 활용하여 사용자의 질문을 이해하고, 관련 정보를 검색한 후 이를 종합하여 자연스러운 맞춤형 답변을 생성하는 검색 기술 전통적 검색 vs. 생성형 AI 검색 ...

p11. 문맥적 표현 (Contextual representation?) 정적 임베딩(Static embeddings): 문맥과 상관없이 단어에 동일한 벡터를 할당한다. 예: Word2Vec 그러나 두 단어 모두 임베딩 테이블에서 동일한 벡터로 매핑된다. p12. 문맥적 표현 (C...

논문 출처 Hu, E., Shen, Y., Wallis, P., Allen-Zhu, Z., Li, Y., Wang, S., Wang, L., & Chen, W. LoRA: Low-Rank Adaptation of Large Language Models. arXiv preprint (arXiv:2106.09685), Version 2. 🔗 원문 ...

논문 출처 Xu, J., Wu, H., Wang, J., & Long, M. Anomaly Transformer: Time Series Anomaly Detection with Association Discrepancy. International Conference on Learning Representations (ICLR 2022). 🔗 원...