인공지능 (32) 썸네일형 리스트형 프롬프트 엔지니어링 이란 무엇인가? 프롬프트 엔지니어링(Prompt Engineering)은 인공지능 모델의 사용에 있어 중요한 요소로, 입력에 대한 효과적인 가이드를 제공하는 과정으로 정의됩니다. 이는 사용자가 입력하는 정보를 조정하고 개선함으로써, 인공지능 모델이 원하는 결과를 산출하기 위한 방법론입니다. 이러한 프롬프트 엔지니어링은 특정 목적을 가지고 수행될 수 있으며, 그 중 몇 가지를 소개하면 다음과 같습니다: 첫째로, 명확한 지시 제공이 있습니다. 이는 모델이 원하는 유형의 답변을 얻기 위해 사용자가 입력에 명확하고 구체적인 지시를 포함하는 것을 의미합니다. 예를 들어, "번역해주세요: '안녕하세요'"라는 구체적인 지시를 통해 번역을 요청하는 프롬프트를 사용할 수 있습니다. 이렇게 명확한 지시를 제공함으로써, 모델은 사용자의 의.. [Tensorflow] MNIST 학습해보기!! MNIST 데이터셋을 신경망으로 학습시키며 딥러닝에 대한 맛을 보자. 인공지능에 관심이 있는 분이라면 MNIST를 처음 듣는 사람은 없을 것이다. 하지만 인공지능 분야에 첫걸음을 때는 사람을 위해 간략히 MNIST에 대해 설명하고 넘어가도록 하자. MNIST는 손으로 쓴 숫자들의 이미지를 모아놓은 데이터 셋으로 0~9까지의 수를 28 * 28픽셀 크기의 이미지로 구성해 놓은 것이다. MNIST 학습은 머신러닝을 공부하는 사람이라면 누구가 거쳐 가는 프로그래밍에 Hello World라고도 불리운다. 지금부터 텐서플로에 내장된 MNIST 데이터를 기반으로 학습하는 과정을 살펴보자. 1. 데이터 가져오기 가장 먼저 텐서플로를 임포트하고 텐서플로에 대장된 tensorflow.example.tutorials.mn.. [Tensorflow] 텐서보드 사용하기 현재 딥러닝 라이브러리와 프레임워크는 너무나 많이 존재한다. 그 중 유독 텐서플로를 사용하는 것이 급증한데에는 텐서보드의 역할도 크다고 한다. 딥러닝을 현업에서 활용하다 보면 학습하는데 걸리는 시간이 아주 상당하다. 따라서 모델을 효과적으로 실험하려면 학습 과정을 추적하는 일이 매우 중요해진다. 하지만 학습 과정을 추적하는데에도 별도의 추가 작업이 많이 필요한 실정이다. 이러한 개발자의 어려움을 덜어주고자 텐서플로는 텐서보드라는 도구를 기본적으로 제공하고 있다. 텐서보드는 학습하는 중간중간 손실값이나 정확도 또는 결과물로 나온 이미지나 사운드 파일들을 다양한 방식으로 시각화해 보여준다. 더 놀라운 점은 이러한 도구를 사용하는데 코드 몇줄만 추가하면 된다는 것이다. 1. 데이터를 읽고 필요한 변수를 pla.. [Tensorflow] 학습 모델 저장하고 재사용하기 1. 모델 저장하기에 앞서 파일에 있는 데이터를 가져오는 것부터 알아보자. import tensorflow as tf import numpy as np data = np.loadtxt('file path', delimiter=',',unpack=True,dtype='float32') x_data = np.transpose(data[0:2]) y_data = np.transpose(data[2:]) [참고] numpy 라이브러리의 loadtxt함수를 이용하여 간단히 데이터를 읽어 올 수 있다. loadtxt의 unpack 매개 변수와 transpose함수는 읽어드린 데이터의 행과 열을 뒤바꿔주는 옵션과 함수이다. 특히 딥러닝에서는 다양한 학습 알고리즘을 적용하거나 행렬 연산을 효율적으로 하기 위해 데이터의.. Microsoft Congnitive Toolkit 알아보기! Microsoft Cognitive Toolkit (CNTK)는 마이크로 소프트에 오픈소스 딥러닝 툴킷이다. 올해에 가장 HOT한 IT분야는 누가 뭐라고 해도 AI 분야인 것 같다. 수없이 많이 쏟아 지는 지식 공유의 장인 세미나의 주제들만 보아도 쉽게 알 수 있고 여러 언론 매체에도 빠지지 않고 등장하는 주제 이다. 다양한 통로를 통해 AI에 한걸음 다가가 살펴 보자. AI가 적용된 다양하고 폭넓은 사례에 대해 알아가고 AI기술의 매력을 알아 갈수록 많은 문제를 해결해 줄 것 같은 마법과도 같다고 느낄 것이다. 이와 같이 많은 시선의 집중은 그만큼 관련 분야의 기술이 빠르게 변화하고 발전하고 있다는 것을 말한다. 특히 요즘 AI 기술에 발전 방향을 살펴 보면 '보다 쉽게 보다 효율적으로' 인 것 같.. NVIDIA DIGITS 알아보기! 시간이 갈 수록 머신 러닝의 인기가 하늘을 찌르고 있다. 많은 분야에 빠르게 녹아 들어가고 있는 머신 러닝 기술을 보면 더 이상 일시적인 유행이라 보기는 힘들다. 모여드는 관심 만큼 빠르게 발전할 것이며 기술은 견고해져 갈 것이다. 가까운 미래에는 아마 머신 러닝이 적용되지 않은 분야를 찾아보기 힘들 정도로 머신 러닝은 넓고 빠르게 퍼져 갈 것이다. 기술이 발전하면서 점점 그 기술을 쉽게 사용할 수 있는 툴들이 많이 태어난다.이렇게 나온 툴들 덕분에 쉽게 기술에 접할 수 있게 되면서 기술에 문턱이 낮아지게 되면 그 기술을 많은 사람이 찾게 된다. 그리고 이렇게 모여든 사람들이 힘을 모아 그 기술을 더욱 훌륭하게 발전시켜 나아가게 된다. 오랫동안 사랑 받아온 기술들은 이와 같은 패턴을 공통적으로 가지고 .. NSML 네이버 딥러닝 클라우드 플랫폼 알아보기! [NAVER에 CLAIR(CLova AI research)에서 사용하고 있는 AI개발자 실험을 돕는 온라인 도구] AI 연구를 도와주는 많은 도구들이 탄생하고 있습니다. Tensorflow, Caffe, Pytorch등 다양한 Framework의 탄생으로 AI분야의 기술들은 하루 하루 엄청난 속도를 더해 발전해 나아 가고 있죠. 이러한 도구들 없이 머신 러닝을 연구한다는 것은 쉽게 상상 할 수 없는 일이 되어버렸습니다. 만약 위와 같은 도구들이 없었다면 머신러닝 분야는 이와 같이 발전할 수 있었을까요? 수많은 연구원들이 매번 복잡한 수식들을 직접 코드로 옮기다 지쳐 하나 둘 뒤돌아 섰을 것이고 사람들의 관심이 점점 식어 머신러닝 분야는 다시 빙하기를 겪었을지도 모릅니다. 이와 같이 편리한 Framewor.. 신경망, 첫걸음을 읽고 "신경망, 첫걸음을 걷고" 첫걸음, 어디를 향하든 첫걸음은 아주 중요하다. 첫걸음에 경사를 만나면 몇 걸음 지나지 않아 돌아서게 되고 너무 평평하면 금세 지루해져 주저 않고 만다. 인공지능 세상으로 가는 첫걸음도 마찬가지이다. 인공지능이라는 단어는 "알파고"의 등장으로 친숙하지만 막상 공부를 하기 위해 시작하고자 하면 막막함이 앞선다. 인공지능이라는 분야의 영역이 넓을 뿐만 아니라 깊이도 상상을 초월하기 때문이다. 그래서인지, 주변을 보면 유행을 따라 안갯속에 가려진 인공지능이라는 산을 등반하고자 하는 많은 사람들이 몇 걸음 가지 않아 되돌아 서는 경우를 쉽게 볼 수 있다. 정상으로 가는 수많은 길을 보며 어디로 가야 할지 모를 뿐만 아니라 아무리 걸어도 높이를 가늠할 수 없을 정도로 높은 정상에 겁을 .. 이전 1 2 3 4 다음
