Alone_Study

3억 장 규모의 이미지-텍스트 학습을 통해 사용자가 입력한 문장을 이해하고 새로운 이미지를 만드는 기능을 제공합니다. 사물, 배경, 조명, 구도, 스타일 조합의 문장 표현을 이해하고, 원하는 컨셉의 이미지를 빠르게 생성해 냅니다. https://develope

"Attention is all you need"에서 나온 모델로 기존의 seq2seq의 구조인 인코더-디코더를 따르면서도, 논문의 이름처럼 어텐션(Attention)만으로 구현한 모델입니다.seq2seq모델은 인코더 - 디코더 구조로 구성되어 있었습니다. 여기서 인코

코호트 분석은 사용자 그룹(코호트)을 특정 기준에 따라 분류하고, 그 그룹의 행동 변화나 성과를 시간에 따라 추적하여 분석하는 방법입니다. 즉, 특정 기간 동안 일정한 기준으로 동일한게 묶을 수 있는 사용자들의 집단을 분석하는 기법입니다. 가장 흔하게 쓰이는 방법은 특

열람실 좌석을 클러스터링하면 어떠한 결과값이 나올지 궁금이렇게 만들면, 열람실 좌석의 위치에 따른 선호도를 알 수 있지 않을까 예상클러스터링은 비슷한 특성을 가진 데이터 포인트들을 그룹화하는 기계학습의 한 분야입니다. 이 방법은 데이터의 구조를 이해하고, 숨겨진 패턴을

https://dacon.io/competitions/official/236263/overview/description해당 대회를 심심풀이로 나가보았는데, 월간대회인데도 사람들의 열정이 넘치는 모습이 학습 욕구에 불을 지핀다.각설하고, 초반에 17등을 했는데,

전에 했던 AI 휴먼 프로젝트에서 langchain을 사용하여 프로젝트를 잘 끝낼 수 있었어서 해당 오픈소스 프로젝트에 관심가지게 되어 참여하게 되었습니다. 2달간 랭체인 오픈 튜토리얼 프로젝트에 기존 개발과 신규 개발팀 동시에 참여하여, 기존에 Teddy 님이 제작하

최근 한국어에 특화된 LLM들이 속속 등장하면서, 이들을 평가할 수 있는 표준 벤치마크의 필요성이 커지고 있습니다. 이번 포스트에서는 한국어 벤치마크 데이터셋인 K2-Eval을 활용하여 다음 세 모델의 성능을 비교해보았습니다:yanolja/EEVE-Korean-Inst