왜한거지

본 포스트에서는 현재 구상한 LLM 프롬프트 엔지니어링을 위한 xml 구조를 설명한다.

데이터는 머신러닝의 필수 요소이다. 머신러닝에서는 일반적으로 행렬을 이용하여 데이터를 표현한다. 이번 포스트에서는 이전 포스트에 이어 머신러닝에 이용되는 행렬과 선형대수의 여러 개념에 대해 알아본다.

본 포스트에서는 인공 신경망 구조 중 하나인 RNN을 네트워크 이론을 통해 분석한 논문인 Structural Properties of Recurrent Neural Networks (Dobnikar & Šter, 2009)을 리뷰한다.

생성형 AI는 우리가 원하는 결과를 얻기 위해 적절한 명령을 내려야 하며, 이러한 명령을 효과적으로 설계하고 개선하는 기술을 프롬프트 엔지니어링(Prompt Engineering)이라고 한다. 본 프로젝트는 프롬프트 엔지니어링을 돕는 도구 개발 프로젝트를 소개한다.

데이터는 머신러닝의 필수 요소이다. 머신러닝에서는 일반적으로 행렬을 이용하여 데이터를 표현한다. 이번 포스트에서는 머신러닝에 이용되는 행렬과 선형대수의 여러 개념에 대해 알아본다.

본 포스트에서는 최대 엔트로피 모델을 이용하여 자연어를 처리하는 방법을 설명한다.

본 포스트에서는 수치적분에 대해 알아보고, 세 가지 대표적인 수치적분 방법을 증명한 후 이를 파이썬을 이용하여 구현한다.

본 포스트에서는 카운트 기반 단어 표현법인 BoW와 DTM에 대하여 알아보고, 이를 통해 구할 수 있는 가중치인 TF-IDF애 대해 알아본다.

본 포스트에서는 분류 문제 중 가장 기초적인 형태인 로지스틱 회귀에 대해 알아보고, 이를 이용하여 NBA선수들의 실적을 토대로 드래프트 참가 여부를 예측하는 알고리즘을 python을 이용하여 구현한다.

본 포스트에서는 회귀 문제 중 가장 기본적인 형태인 선형 회귀에 대해 알아보고, 이를 이용한 수학 점수 예측 알고리즘을 구현한다.

본 포스트에서는 Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift (S. Ioffe and C. Szegedy, 2015)을 리뷰한다.

본 포스트에서는 통계적 언어 모델의 작동 방식과 그 한계점에 대해 서술한다.