로컬 LLM(Local LLM) 활용 가이드 Part 1 - small LLM(sLLM) 활용하기 & LLM의 성능 평가(Evaluation) 및 개선하기
AISchool
다양한 로컬 LLM(Qwen, Gemma)을 활용하는 방법을 학습하고, LLM 시스템의 성능을 효율적으로 평가(Evaluation)하고 개선하는 다양한 기법들을 살펴봅니다.
중급이상
인공지능(AI), LLM, LangChain
먼저 경험한 수강생들의 후기
5.0
도전적인 기린
머신러닝의 다양한 알고리즘을 기본적으로 다루는 방법을 익히는데 큰 도움이 되었습니다.
5.0
조종호
좋은 강의 감사합니다 기초적인 헤터파일부터 알수있어 좋았습니다!
5.0
tjsduq8836
머신러닝의 전반적인 흐름 이해에 탁월한 것 같습니다. 어느정도 감을 읽었기 때문에 본격적으로 책을 사서 공부하려고해요. 아마 공부를 더 쉽게 할 것 같아여 감사합니다
머신러닝의 개념
머신러닝 모델 성능 향상법
Google Colab 사용법
머신러닝 라이브러리 - scikit-learn, xgboost
머신러닝/데이터분석 라이브러리 - Numpy, Pandas
데이터시각화 라이브러리 - matplotlib, seaborn
머신러닝 실무 프로젝트 진행방법
다양한 캐글 예제로 배우는 머신러닝 기초,
현업 엔지니어의 실무 꿀팁까지 한번에! 😀
0. 머신러닝(Machine Learning, ML)이란?
1. 복잡한 설치가 필요없는 간편한 실습환경
2. scikit-learn 소개 & 나의 첫 머신러닝 모델
3. Kaggle 및 Kaggle Competition 소개
4. Linear Regression 알고리즘 (Ridge, Lasso, ElasticNet) 뽀개기 & 내 집값은 얼마?
5. 성능 좋고 인기 많은 팔방미인형 예측기 Random Forest
6. Kaggle 우승자들이 애용하는 알고리즘 XGBoost
7. 현업 머신러닝 엔지니어가 들려주는 실무 이야기
8. 실무자가 알려주는 DS/ML 실전 팁
학습 대상은
누구일까요?
머신러닝을 처음 접하시는 분
데이터 분석 기법을 학습하고 싶으신 분
머신러닝 엔지니어로 취업을 원하시는 분
머신러닝 엔지니어로 취업이후 업무 프로세스가 궁금하신 분
IT대기업 현업 머신러닝 엔지니어의 실무 꿀팁을 얻고싶은 분
선수 지식,
필요할까요?
기초적인 Python 사용경험
9,515
명
수강생
725
개
수강평
354
개
답변
4.6
점
강의 평점
31
개
강의
전체
60개 ∙ (7시간 19분)
전체
22개
4.6
22개의 수강평
수강평 6
∙
평균 평점 4.0
4
잘 들었습니다.
안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 상세한 수강평도 감사합니다~. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
수강평 2
∙
평균 평점 5.0
5
머신러닝의 전반적인 흐름 이해에 탁월한 것 같습니다. 어느정도 감을 읽었기 때문에 본격적으로 책을 사서 공부하려고해요. 아마 공부를 더 쉽게 할 것 같아여 감사합니다
안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 상세한 수강평도 감사합니다~. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
₩59,400