잇연

AI 모델의 성능이 빠르게 발전하면서 학습 및 운영 비용이 기업의 중요한 이슈로 떠오르고 있습니다. 특히, 고성능 GPU나 TPU에 의존하지 않고도 효율적인 성능을 유지하는 AI 모델이 필요해지고 있습니다.중국 AI 스타트업 DeepSeek에서 공개한 DeepSeek R1 모델은 이러한 문제를 해결하기 위해 개발되었습니다. 상대적으로 저성능 칩을 활용하면서도 강화 학습(RL)을 통해 최적의 성능을 유지하는 것이 특징입니다.  1. 딥시크 모델의 기술적 진화와 학습 방식1.1 모델 발전과 핵심 특징논리적 사고와 재검토 과정답변 전에 한 번 더 생각하는 ‘논리적 사고’ 과정을 도입하여 보다 신중한 답변 생성이 가능하도록 설계되었습니다.기존 모델과의 차별점기존 모델은 COT (Chain-of-Thought, ..

머신러닝 VS 딥러닝:머신러닝 :장점 : 보다 긴 역사를 가지고 있다. 많은 구현체, 검증된 방법론들이 있다. 다양한 요건에 대한 방법론이 존재한다. 작은 데이터로 빠른 성능에 도달하기도 한다.단점 : 특정분야에서 딥러닝보다 정확도가 떨어진다. 손이 많이가고 피처가 매우 많을 때 현실적이지 않을 수 있다.딥러닝 :장점 : 특정분야에서 드라마틱한 성능 향상을 할 수 있다. feature selection 에 큰 공을 들이지 않더라도 모델이 end to end로 학습하고 선별하는 경우가 많다.단점 : 상당히 많은 라벨 데이터가 필요할 때가 많다. 작은 양의 데이터로는 Under fit되는 경우가 ML의 경우보다 더 많다. GPU 및 Big Data Scale Computing 환경 등, 고사양 Big Dat..

오전 - 외부 특강인공지능 역사1956 인공지능: 탐구와 논의의 초기 단계, 기본적인 규칙 기반 시스템1997 머신러닝: 데이터 기반 학습, 알고리즘의 성능 향상으로 패턴 인식과 예측 가능2012 딥러닝 - 신경망 레이어: 다층 신경망과 역전파 알고리즘의 발전으로 복잡한 문제 해결 가능2020 생성형 AI: 언어모델 기반의 프롬포트 및 기존 데이터를 활용하여 창의적으로 문서, 시각, 청각 콘텐츠를 생성하는 기술AI트렌드AI 역사와 트렌드AI의 역사1956 인공지능: 탐구와 논의의 초기 단계, 기본적인 규칙 기반 시스템1997 머신러닝: 데이터 기반 학습, 알고리즘의 성능 향상으로 패턴 인식과 예측 가능2012 딥러닝 - 신경망 레이어: 다층 신경망과 역전파 알고리즘의 발전으로 복잡한 문제 해결 가능202..