전체 글

Amazon Q in QuickSightAmazon Q in QuickSight는 Amazon QuickSight Q의 기능을 확장한 업그레이드 버전Amazon QuickSight Q       ...2021년 9월 출시​Amazon Q in QuickSight   ... 2023년 12월 출시  Amazon QuickSight QQuickSight Q는 자연어로 데이터를 질의(Query)할 수 있는 기능을 제공하는 비즈니스 인텔리전스(BI) 도구이다.즉, 단순한 질문으로 데이터를 쉽게 분석하고 시각화할 수 있는 기능이다. ✅ 자연어 질문 지원 (NLQ, Natural Language Query): 사용자가 SQL 없이 자연어로 질문가능(👨‍🏫예시): "지난달 매출은 얼마야?" 라고 질문하면, 자동으..

Amazon BedrockBedrock는 AWS에서 제공하는 Generative AI 서비스로, 다양한 기반 모델(예시: Anthropic Claude, AI21 Labs, Stability AI, Cohere, Amazon Titan) 을 활용하여 AI 애플리케이션을 손쉽게 구축할 수 있다. AWS re:Invent 2022(2022년 11월)에서 공식적으로 발표되었다 Bedrock의 사전적 의미1) "기반암" : 지구 표면 아래에 있는 단단한 암석층2) "기초, 근본" :(비유적 의미) 어떤 것의 기초, 근본, 핵심 원칙예: "Trust is the bedrock of a good relationship." → "신뢰는 좋은 관계의 근본(기초)이다."  Bedrock 특징📌다양한 Generative..

Amazon SageMaker Ground Truth Plus2020년 AWS re:Invent 2020에서 처음 출시 발표된 서비스SageMaker Ground Truth Plus는 머신 러닝 모델의 학습 데이터를 사람이 직접 데이터 라벨링 관리할 수 있는 서비스이다.이를 통해, 데이터의 퀄리티를 높일 수 있다.(Amazon SageMaker Ground Truth의 확장 버전이다)  👨‍🏫 Human-in-the-loop (사람 개입)자동 라벨링과 사람의 검토를 통해 데이터 라벨링을 더 정확하게 관리할 수 있다.잘못된 라벨링이나 어려운 데이터를 수정하고, 모델의 성능을 향상시킬 수 있다. [AWS Console]SageMaker → Ground Truth → Ground Truth Plus 선택 ..

Transfer Learning (전이 학습)전이 학습 (Transfer Learning) 은 이미 학습된 모델(pre-trained model)을 활용하여 새로운 머신 러닝 모델을 구축하는 방법이다.= 기존의 모델의 성능 + 새로운 데이터로 학습시키기(새로운 모델을 처음부터 훈련,구축하는 것이 아니라, 기존에 학습된 모델을 활용하기 떄문에 성능이 좋고 빠르게 구축할 수 있다)  🐱🐶 아주 쉬운 예시기존 학습된(pre-trained) 모델= "🐱고양이"와 "🐶강아지" 이미지를 구별하는 모델 Transfer Learning 적용= "🐰토끼" 와 "🐱고양이" 이미지를 구별하는 모델 구축   Transfer Learning은 주로 두 가지 방식으로 활용한다.Fine-tuning (미세 조정)이미 학..

🔍 Top-K란?Top-K는 머신러닝 모델이 예측한 단어 중 상위 K개만 선택하는 방식이다.K개만 선택하도록 제한함으로써, 원하는 정보만 얻을 수 있다.즉, Top-K는 원하는 정보를 얻기위한 LLM의 출력의 하이퍼파라미터이다.  ✅ 쉬운 예시 :  추천 시스템 (Recommendation) 사용자가 좋아할 가능성이 높은 Top 3개의 영화 추천 영화 추천 모델의 예측 확률 (Top-3 적용 전)🎥 "Inception" → 28%🎥 "Interstellar" → 22%🎥 "The Matrix" → 15%🎥 "The Dark Knight" → 12%🎥 "Avatar" → 10%🎥 "Titanic" → 7% 영화 추천 모델의 예측 확률 (Top-3 적용 전)1️⃣ "Inception" 🎥 → ..

머신 러닝을 처음 배울 때, 대표적인 문제 유형 2 가지를 배운다.. 1. Classification(분류) 문제Classification는 주어진 데이터를 특정 그룹(카테고리)으로 분류하는 문제를 말한다✅ 예시) 아주 쉽게 이해하기:✉️ 스팸 메일 분류 → 이메일이 스팸인지 아닌지 분류🖼️ 이미지 분류 → 사진 속 동물이 고양이인지 개인지 판별 🐱🐶데이터의 특징에 따라 다음과 같은 방식으로 분류된다.예시: "Class A = 스팸", Class B = "일반 메일"  2. Regression(회귀) 문제Regression는 주어진 데이터를 기반으로 연속적인 숫자의 값을 예측하는 문제를 말한다. ✅ 예시) 아주 쉽게 이해하기💰🏠 부동산 가격 예측 → 방 개수에 따라 가격을 예측 🌡️날씨 예측 ..

📌 머신러닝에서 Temperature란?머신러닝에서 Temperature는 주로 확률적 예측을 다룰 때 사용되는 하이퍼파라미터이다모델의 예측을 얼마나 확신할지 조절하는 값이다.  Temperature를 사용하는 모델 예시Generative model, LLM(예: GPT, Claude, BERT, Gemini 등) - 출력의 다양성과 창의성 조절 가능소프트맥스(Softmax) 함수 - 분류 문제에서 각 클래스의 확률을 계산할 때 사용 ✅ Temperature의 역할📈 높은 값(예: 1): 다양한 표현과 창의적인 답변 (예측에 확신이 적어 랜덤하게 동작)📉 낮은 값(예: 0): 일관성을 가진, 예측 가능한 응답을 생성 (예측에 확신을 가지고 일관적인 동작) 📌 Temperature 예시 Temper..

비지니스,업무 상황에서 자주 보는 단어! ad hocAd hoc(특정 상황이나 문제를 해결하기 위해) 임시로, 일시적인 솔루션을 의미한다. 예시) Ad hoc meeting예시) Ad hoc team예시) Ad hoc decision-making Ad hoc는 라틴어에서 유래한 표현이다. 특히 IT 분야에서 ad hoc은 특정 문제를 해결하기 위해 임시로 만든 시스템적인 해결책을 의미한다. 예시) ad hoc query :  데이터베이스에서 사용자가 특정 목적에 맞게 임시로 만든 쿼리예시) ad hoc network :  중앙 라우터나 액세스 포인트 없이 장치들이 직접 연결되는 임시 네트워크