안녕하십니까. 높은 질의 강의를 준비해주셔서 감사합니다. 강의를 들으면서 현재 강의에서 최종적으로 만들고자 하는 MLOps 아키텍쳐 과정에서 궁금한 것이 생겨 이렇게 질문을 하게 되었습니다. 강의에서 '지도학습을 위한 라벨링 데이터를 만들기 어려운 상황이 많기 때문에 LLM을 통해서 라벨링 데이터를 만들겠다.'라는 느낌으로 말씀을 하셨는데 그렇게 되면 해당 데이터로 학습을 한 모델은 위에서 사용된 LLM의 성능에만 근접하도록 튜닝이 되는 것이지 않을까요? 궁금한 점을 좀 더 자세히 말씀드리면, LLM으로 anomaly detection을 수행하면 되는데 어떤 이유에서 LLM으로 만든 데이터셋을 예측하는 머신을 추가적으로 만들어야하는 이유를 잘 모르겠습니다. LLM API의 Latency 때문일까? 라는 생각을 했지만 정확하지 않은 것 같아 질문을 남기게 되었습니다. 좋은 강의 항상 감사드립니다.
사진과 같은 문제에서 답은 부모 클래스라고 하는데, 함수 호출과 인스턴스 생성을 구분해서 질문하지 않은 질문 같아서 글을 올려봅니다. 콜 스택에서 자식 클래스 생성자 -> 부모 클래스 생성자 함수 순으로 콜이 쌓이고, 먼저 쌓인 부모 클래스의 생성자 함수가 실행이 되면서 부모 인스턴스가 생성 -> 자식 인스턴스가 생성이 되는거라고 생각합니다. 즉, 제가 생각하는 답은 자식 클래스인데 제가 옳게 판단한건지 확인차 문의드려봅니다.
Add 5 출력 후 return super.sum(n) 을 하면 n=5 가 부모 클래스 SUM으로 호출되서 if문 false로 인해 else 실행하며 5 + sum(n-1) 은 알겠어 근데 왜 ADD4 가 출력되는지 정확하게 이해하지 못하겠습니다. 5+Sum(4) 4+Sum(3) 3+Sum(2) 2+Sum(1) 1+Sum(0) n <=0 -> returm 0으로 제가 풀이된 답은 ADD 5 Sum : 15 로 되는데요 무슨 차이 이길래 다시 자식에게 ADD 4를 호출시키느거죠
Java언어 기출문제의 변형 13:48 for (int i = 0; i < maxL; i++) { if (i < a.length() && i % 2 == 0) { c.append(a.charAt(i)); } if (i < b.length() && i % 2 != 0) { c.append(b.charAt(i)) } } 에서 왜 1번 if문 출력 후 2번 if문이 실행되는건가요 1번 if문 실행이 종료 후 2번 실행이 되어야하는거 아닌가요?
- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. 43강 페이지 안에 페이지가 있는 구조 : iframe 전환하기 학습하고 있는데요. 현재 네이버 카페 구조가 바뀐것 같습니다. 혹시 맞나요?? 아니면 제가 실습을 못따라가고 있는것인지 궁금합니다.
제가 객체지향 처음배울때 이해하기 쉬웠던 비유를 적어놓을게요 클래스는 설계도와 같습니다 안에 어떤 데이터와 기능이 들어갈지 정의만 합니다 건축에서 건축 설계도와 같습니다 어떤 자재와 공간이 있을지 정의만 합니다 ( 설계도를 그려놨다 해서 실제 건축물도 생기는건 아닙니다 ) 객체는 건축물과 같습니다 설계도를 바탕으로 실제로 구현된 대상입니다. (네, 객체는 클래스를 기반으로 만듭니다) 즉, 객체는 클래스를 기반으로 구현된 구체화된 실체입니다. 그래서 클래스 정의 -> 객체 생성 이 절차를 따릅니다. 한 설계도를 기반으로 여러 건축물을 만들수 있듯이 클래스 하나를 설계하면 여러 객체를 만들수 있습니다 클래스 = 설계도 객체 = 구체화된 실체 감사합니다.
임시영상 시청을 했습니다. 일단 확실한 답을 달라는건 아니고 제가 영상을 제대로 이해한게 맞는지 여쭤봅니다. 타겟값 0을 그냥 냅둔케이스가 삭제한케이스보다 조금더 안정적인걸까요? 영상에선 삭제한케이스의 오차값이 어마어마하게 커지는데 아무것도 안한케이스는 소폭의 차이밖에없는것 같아서요
안녕하세요 선생님 강의 잘 듣고 있는 학생입니다. 요즘 저의 custom dataset으로 여러 object detection 모델을 돌려보고 있는데 시작은 보통 pytorch의 pt모델로 학습을 시작을 하는데 제가 임베디드 시스템에서 돌려보고 싶어서 추론을 하고 싶어 PyTorch -> onnx -> tensorflow -> tflite 변환 구조를 따라가 최종 모델을 tflite로 구성하려고 하는데 양자화를 하지 않았는데도 tflite(float32) 성능이 아예 떨어져 pytorch에서는 잘 detect하던 모델이 아예 검출을 하지 못하는 상황이 발생하는데 혹시 이러한 상황이 아무래도 모델을 tflite로 축소하다 보니 자연스러운 상황인건지 이러한 상황을 극복하려면 데이터를 더 수집해서 성능을 높여야하는지 방법에 대해서도 좀 여쭙고 싶습니다. 감사합니다~
