Dream Factory

Hugging Face에 대하여 여러분들과 계속 여행하고 있습니다. 기존 동영상에서도 그렇고 향후 살펴보게 될 주제에서도 허깅페이스를 통해 인공지능 모델을 쉽게 쓸 수 있는 것은 이것을 가능하게 해 준 여러 고마운 기능이 있기 때문입니다. 그 중에 대표적인 것이 바로 AutoClass라는 도구입니다. 이를 통해 우리는 복잡한 인공지능모델을 쉽게 불러다가 쓸 수 있습니다. 이러한 AutoClass에 대하여 같이 살펴보도록 하겠습니다. 감사합니다. https://youtu.be/dR_CHLcjrVc?si=yMA0BAHZHH0JmLN7

AI 모델을 일반인도 쉽게 접근 가능하는 방법 중 하나가 Hugging Face와 pipeline을 통한 방법입니다. 이를 이용하면 몇 줄 안 되는 쉬운 언어로 다양한 모델을 경험할 수 있습니다. 인공지능과 친해지기 위해 다양한 일을 pipeline으로 해결해보세요. 감사합니다. https://youtu.be/0SqPXZcLjKs?si=RL8JP4x-UmUyoq60

이번에는 인공지능의 Vision 분야에서 컴퓨터가 2차원 이미지에서 원근 등 깊이를 인식하는 방법에 대하여 살펴보고, Hugging Face의 모델을 이용하여 체험해 보았습니다. 다양한 인공지능의 인식방법을 보면서 꼭 전문가가 아니더라도 인공지능의 세계를 알아가면 재미있을 것 같습니다. 감사합니다. https://youtu.be/2Mj5Slg_XRM

자연어처리에 있어 텍스트 요약은 또 다른 특성과 매력이 있는 것 같습니다. Hugging Face의 Transformer 샘플 코드를 통하여 살펴보았습니다. 감사합니다. https://youtu.be/nQBAvkxo0wU

생성형 AI의 기본 기능 중 대표적인 텍스트 생성의 원리와 그에 사용되는 알고리즘에 대하여 살펴보았습니다. 감사합니다. https://youtu.be/gFB96IWazXg

데이터 분석가 및 AI 연구자들을 위한 흥미로운 소식이 있습니다. Hugging Face와 Google Colab을 통한 데이터셋 직접 접근 Hugging Face와 Google Colab을 통한 데이터셋 직접 접근이 가능합니다. Hugging Face와 Google Colab의 통합: 이 새로운 기능을 통해 사용자들은 Google Colab 노트북에서 Hugging Face에 호스팅된 70,000개 이상의 데이터셋에 직접 접근할 수 있습니다. 이 통합은 데이터 과학 및 AI 연구에서 데이터 접근을 더욱 원활하고 효율적으로 만드는 중요한 진전입니다. hf:// URL을 통한 간단한 접근: 사용자들은 이제 간단한 hf:// URL 형식을 사용하여 Hugging Face의 데이터셋에 접근할 수 있습니다. 이..

NER에서 기존 동영상에 이어 관련 모델에 대한 Fine Tuning을 하는 과정에 대하여 살펴보았습니다. 감사합니다. https://youtu.be/gTfhCuO0mUY #huggingface, #개체명인식, #NER , #finetuning, #자연어성능측정 , #transformer , #미세조정, #KS회계보험계리컨설팅 , #KS경영인공지능연구소, #인공지능

NER에서 성능측정과 함께 성능측정에 사용하는 seqeval 라이브러리에 대하여 살펴보았습니다. 감사합니다. https://youtu.be/GbRUe9tPedQ?si=2Wdh2RRfOsjJ3eLH 실습 코드

전체 데이터셋을 토크나이징하여 XLM-R 모델에 Fine tuning을 위해 전달할 데이터셋을 토큰화하는 것에 대하여 살펴보겠습니다. 감사합니다. https://youtu.be/09dfo3BPZ5Y?si=6QWtf0g4GclysdU6

Hugging FaceTransformers 라이브러리는 사용자가 특정 목적에 맞춰 기존의 사전 훈련된 모델을 쉽게 수정하고 확장할 수 있도록 지원합니다. 이를 통해 사용자는새로운 모델을 처음부터 전부 구현하지 않고도, 기존 모델의 구조와 가중치를 활용하여 필요한 목표를 달성할 수 있는 맞춤형 모델을 효율적으로 만들 수 있습니다. https://youtu.be/2GYGAfVr6VE