Gen AI 코스워크
개요
이 저장소에는 현재 탐색중인 다양한 생성 AI 과정과 관련된 과제 및 프로젝트가 포함되어 있습니다. 이 프로젝트는 딥 러닝, 신경망, 기계 학습 알고리즘 및 AI 기술의 실제 응용 프로그램을 포함한 다양한 주제를 다룹니다.
데이터 과학이 아닌 소프트웨어 엔지니어링에 대한 배경 지식을 가진 사람으로서, 나는 나와 같이 데이터 과학 배경이 아닌 사람들을 위해 생성 AI의 복잡성을 해제하려는 의도 로이 저장소의 생성에 접근했습니다. 각 노트북은 기본 개념을 깊이 파고 들기 위해 제작되어 기초가 철저하게 설명되도록합니다. 데이터 과학에 대한 사전 전문 지식에 관계없이 컨텐츠에 액세스 할 수 있고 이해할 수 있도록하는 각 노트북에 자세한 설명과 예를 찾을 수 있습니다. 최신 주제를 다루 면서이 repo를 계속 업데이트하겠습니다.
공동 작업자 요청 :
- 환영 메모를 확인하십시오
- 열린 문제를 확인하십시오
- 관련 LinkedIn 게시물
연구 논문의 구현 :
- 강화 된 LLM 훈련을위한 교육 역전
- LLM 미세 조정에 대한 직접 선호도 최적화
제안 된 주문
생성 AI를 처음 접하는 사람들의 경우이 저장소의 프로젝트를 통해이 순차적 경로를 따라보다 복잡한 주제로 발전하기 전에 기본적인 이해를 구축하는 것이 좋습니다.
- CNN-Intro : CNN (Convolutional Neural Networks)을 탐색하여 신경망의 기초로 시작합니다. 이 프로젝트는 기본 신경 네트워크 아키텍처 및 응용 프로그램을 이해하는 데 도움이됩니다.
- 대출 데이터 클래식 : 신경 네트워크에 대해 배운 내용을 실용적인 문제에 적용합니다. MLP (Multi-Layer Perceptrons)를 사용한 대출 데이터를 분류하십시오. 이것은 당신에게 감독 학습에 대한 실무 경험을 제공 할 것입니다.
- 클러스터링 색상 : 감독되지 않은 학습 프로젝트로 기술을 다각화하십시오. k-means 클러스터링 기술을 사용하여 색상 유사성을 기반으로 이미지를 분류하여 알고리즘이 레이블없이 데이터를 그룹화 할 수있는 방법에 대한 이해를 심화시킵니다.
- 문장-유사성 : 문장 유사성을 계산하기위한 다른 방법을 탐색하여 자연어 처리로 이동합니다. 이 프로젝트는 단어 임베딩 및 헝겊을 포함한 전통적인 신경망 기반 기술로 전환됩니다.
- Advanced-LLMS : 신경망과 NLP의 견고한 기반을 갖춘 간단한 MLP에서 변압기 모델에 이르기까지 고급 언어 모델을 탐색하십시오. 이 섹션에는 정교한 언어 모델의 아키텍처 및 기능을 확장하는 다양한 프로젝트 및 실험이 포함되어 있습니다.
- vae-intro : AI의 생성 모델을 이해하기 위해 변형 자동 인코 코더, 특히 컨볼 루션 모델에 대해 알아보십시오. 이 프로젝트는 기계가 교육 데이터와 유사한 새로운 데이터 인스턴스를 생성하는 방법을 파악하는 데 중요합니다.
- 간 : 제공된 Jupyter 노트북을 통해 생성 적대적 네트워크를 탐색하십시오. 이 추가는 새로운 데이터 샘플을 만드는 데있어 생성기와 식별기 네트워크 사이의 역학을 보여주는 또 다른 중요한 생성 모델에 대한 이해를 심화시킬 것입니다.
기여
기여 :
- 저장소를 포크하십시오.
- 변경 또는 추가하십시오.
- 기부금에 대한 자세한 설명과 필요한 검토와 함께 풀 요청을 제출하십시오.
특허
이 저장소의 내용은 달리 명시 적으로 언급되지 않는 한 MIT 라이센스에 따라 사용할 수 있습니다.
연락하다
프로젝트 나 교과 과정에 관한 추가 질문은 LinkedIn에서 저에게 연락하거나 [email protected]로 이메일을 보내 주시기 바랍니다.
