총 1,061개
-
IT와경영정보시스템1공통 인공지능AI 학습고안된 LLM Large Language Model 대규모언어모형과 LMMLarge Multimodal Mode 대규모멀티모달모형 비교하시오002025.01.261. LLM (Large Language Model; 대규모 언어 모형) LLM은 주로 텍스트 데이터를 기반으로 학습된 모델로, 자연어 처리(NLP) 작업에 초점을 맞춥니다. 이러한 모델은 대량의 텍스트 데이터를 통해 언어의 구조, 의미 및 맥락을 이해하고 생성하는 능력을 가지고 있습니다. 예시로는 GPT(Generative Pre-trained Transformer), BERT(Bidirectional Encoder Representations from Transformers) 등이 있습니다. 2. LMM (Large Multim...2025.01.26
-
IT와 경영정보시스템 2024년 2학기 방송통신대 중간과제물: 인공지능(AI) 학습을 위해 고안된 LLM(Large Language Model)과 LMM(Large Multimodal Model) 비교 및 Deep Learning과의 관계2025.01.261. 인공지능(AI)의 정의 1956년 미국의 수학자이자 과학자인 존 매카시가 '인공지능'이라는 용어를 처음 제안한 이후, 인공지능 연구는 지속적으로 발전해왔으며 여러 분야에서 인간의 능력을 점점 뛰어넘고 있다. 인공지능은 컴퓨터 과학과 방대한 데이터 세트를 활용하여 문제를 해결하는 기술 분야로, 머신러닝과 딥러닝이 인공지능의 하위 분야를 구성한다. 2. 인공지능의 역사 인공지능에 대한 논의는 1950년대부터 시작되었으며, 앨런 튜링, 마빈 민스키, 존 매카시 등의 선구자들이 기계의 사고 가능성을 탐구하며 인공지능 연구의 기반을 마...2025.01.26
-
LLM(대규모 언어 모형)과 LMM(대규모 멀티모달 모형)의 비교 및 딥러닝과의 관계2025.01.261. LLM(대규모 언어 모형) LLM은 주로 텍스트 데이터를 기반으로 학습된 모델로, 자연어 이해(NLU)와 자연어 생성(NLG)에 강점을 지닌다. 대표적인 예로는 OpenAI의 GPT 시리즈가 있으며, 이들은 방대한 양의 텍스트 데이터를 학습하여 인간과 유사한 수준의 텍스트 생성 능력을 보유하고 있다. LLM은 주로 챗봇, 자동 번역, 텍스트 요약, 감정 분석 등 다양한 언어 처리 작업에 활용된다. 2. LMM(대규모 멀티모달 모형) LMM은 텍스트뿐만 아니라 이미지, 음성, 비디오 등 다양한 형태의 데이터를 동시에 처리할 수 ...2025.01.26
-
효율적인 텍스트 분류를 위한 fastText 모델2025.01.261. 텍스트 분류 이 논문은 웹 검색, 정보 검색, 감정 분석과 같은 애플리케이션에서 자연어 처리의 필수 작업인 텍스트 분류 문제를 다룹니다. 저자들은 신경망 기반 모델은 정확하지만 훈련과 테스트 단계 모두에서 계산 비용이 많이 들고 느린 경향이 있기 때문에, 대규모 데이터 세트를 처리할 수 있는 확장 가능하고 효율적인 모델이 필요하다고 지적합니다. 이 논문에 적용된 모델인 fastText는 높은 정확도를 유지하면서 텍스트 분류의 계산 비효율성 문제를 해결하도록 설계되었습니다. 2. 데이터 세트 이 논문에서는 텍스트 분류 작업에 잘...2025.01.26
-
LLM(대규모 언어 모형)과 LMM(대규모 멀티모달 모형)의 비교 및 딥러닝과의 관계2025.01.291. LLM(Large Language Model) LLM은 대규모 텍스트 데이터를 학습하여 자연어를 이해하고 생성하는 데 중점을 둔 모델입니다. 방대한 데이터 학습, 자연어 생성 능력, 단일 모달리티 처리가 주요 특징이며, 챗봇, 문서 요약 및 생성, 번역 시스템, 코딩 보조 도구 등에 활용됩니다. 2. LMM(Large Multimodal Model) LMM은 텍스트, 이미지, 오디오, 비디오와 같은 다양한 형태의 데이터를 동시에 처리할 수 있는 모델입니다. 다양한 데이터 소스, 상호작용 능력, 복합적 태스크 수행이 주요 특징이...2025.01.29
-
Prehospital airway management for out of hospital cardiac arrest-a nationwide multicenter study from the KoCARC registry2025.01.061. Prehospital airway management 이 연구는 병원 밖 심정지 환자에서 전원 단계의 기도 관리에 대한 것입니다. 전원 단계에서 산소 공급 확보와 기계적 기도 관리(AAM) 적용을 통한 효과적인 환기가 합리적인 조치로 여겨집니다. 그러나 기계적 기도 관리와 백마스크 환기 사이의 결과에 대해서는 혼재된 결과가 보고되고 있습니다. 이 연구는 대규모 실제 데이터 분석을 통해 전원 단계 기계적 기도 관리의 임상적 효과를 명확히 하고자 합니다. 2. Out-of-hospital cardiac arrest 이 연구는 병원...2025.01.06
-
서베이 조사의 1) 정의, 2) 특징, 3) 장단점2025.01.281. 서베이 조사의 정의 서베이 조사는 특정 집단의 의견, 태도, 행동 등을 체계적으로 수집하고 분석하는 연구 방법으로, 주로 질문지를 활용하여 데이터를 수집한다. 이는 정량적 연구 방법 중 하나로, 대규모 샘플을 대상으로 신속하게 데이터를 얻을 수 있는 장점이 있다. 2. 서베이 조사의 특징 서베이 조사의 주요 특징은 대규모 샘플의 신속한 데이터 수집, 표준화된 질문지의 활용, 다양한 응답 방식의 선택, 비용 효율성, 유연성과 적응성 등이다. 이러한 특징들은 서베이 조사가 현대 연구에서 중요한 도구로 자리잡는 이유를 설명한다. 3...2025.01.28
-
서베이 조사의 1) 정의, 2) 특징, 3) 장단점2025.01.201. 서베이 조사의 정의 서베이 조사는 특정 집단의 의견, 태도, 행동 등을 파악하기 위해 질문지를 이용해 데이터를 수집하는 방법이다. 이 방법은 주로 대규모 인구를 대상으로 한다. 서베이는 표본 추출을 통해 전체 집단의 특성을 파악하는 데 사용된다. 표본 추출은 전체 인구 중 대표성을 가지는 소규모 그룹을 선택하여 조사를 실시하는 방식이다. 서베이 조사는 정량적 데이터를 수집하는 데 유용하며, 비교적 저렴하고 빠르게 대규모 데이터를 수집할 수 있다는 장점이 있다. 그러나 응답자의 성실도와 이해도에 따라 데이터의 신뢰성이 달라질 수...2025.01.20
-
서베이 조사의 1) 정의, 2) 특징, 3) 장·단점2025.05.011. 서베이 조사의 정의 서베이는 기본적으로 설문조사를 말한다. 이러한 서베이는 사회현상에 영향을 주는 변수들 사이의 관계를 파악하여 특정한 변화에 대하여 조사대상자의 반응을 분석하고 예측하기 위해 사용되는 기술조사의 한 형태이다. 이러한 기술조사는 종단조사와 횡단조사로 나눌 수 있으며, 서베이는 횡단조사의 하나이다. 2. 서베이 조사의 특징 서베이는 기본적으로 질문을 기반으로 수행되는 전략이다. 이러한 전략의 형태로 인해서 서베이는 대규모의 정보를 수집하는데 특화되어있다. 또한, 대규모의 집단을 대상으로 정보를 수집하는 것이 가능...2025.05.01
-
정렬 알고리즘 중 선택 정렬, 버블 정렬, 퀵 정렬, 병합 정렬에 대한 설명2025.01.151. 선택 정렬 선택 정렬은 주어진 데이터 내에서 특정 위치에 맞는 자료를 선택해 위치를 교환하는 알고리즘입니다. 구현이 간단하고 추가적인 메모리를 사용하지 않는다는 장점이 있지만, 항상 전체 데이터를 비교하고 정렬하므로 비효율적이라는 단점이 있습니다. 2. 버블 정렬 버블 정렬은 인접한 두 항목의 값을 비교한 뒤, 기준을 만족하면 두 값을 교환하여 정렬하는 방식입니다. 개념이 단순하기에 프로그래밍하기 쉽다는 장점이 있지만, 연산의 횟수가 데이터의 크기에 따라 기하급수적으로 증가하기 때문에 정렬에 걸리는 시간이 오래 걸린다는 단점이...2025.01.15
1 / 107
