총 1,437개
-
LLM(Large Language Model)과 LMM(Large Multimodal Model)의 비교 및 Deep Learning과의 관계2025.01.261. LLM(Large Language Model) LLM은 대규모 텍스트 데이터를 학습하여 언어 이해와 생성을 수행하는 모델입니다. GPT, BERT 시리즈 등이 대표적이며, 사전에 학습된 방대한 파라미터와 맥락적 추론 능력을 통해 다양한 분야에서 활용되고 있습니다. LLM은 텍스트 상의 문맥 흐름을 예측하고 의미를 파악함으로써 정교한 언어 처리와 유연한 질의응답을 수행할 수 있습니다. 2. LMM(Large Multimodal Model) LMM은 텍스트를 넘어 이미지, 음성, 영상 등 서로 다른 형태(모달)의 데이터를 통합적으...2025.01.26
-
포토샵의 생성형 채우기(Generative Fill) 기능 분석 및 사용 방법2025.01.141. 생성형 채우기 기능의 정의 어도비 포토샵의 '생성형 채우기' 기능은 AI를 활용하여 이미지의 결함이나 불필요한 부분을 자연스럽게 수정하는 고급 편집 도구입니다. 해당 기능은 사용자가 선택한 이미지 영역을 인식하고 주변 콘텍스트를 분석하여 누락되거나 제거해야 할 부분을 채우는 방식으로 작동합니다. 2. 기능의 작동 원리 생성형 채우기 기능의 핵심은 AI 기반의 딥러닝 알고리즘에 있습니다. 해당 기능은 네트워크가 방대한 이미지 데이터셋에서 학습을 통해 특정 패턴과 텍스처를 인식하고 모사하는 방법을 습득하는 것에서 시작됩니다. 사용...2025.01.14
-
머신러닝에서의 과적합 문제2025.05.101. 과적합(Overfitting) 과적합은 머신러닝에서 중요한 문제 중 하나입니다. 머신러닝 모델이 훈련 데이터에 너무 특화되어 있어 새로운 입력 데이터에 대한 예측 능력이 저하되는 현상을 말합니다. 이는 모델의 성능과 일반화(generalization) 능력을 감소시키며, 실제 응용에서 신뢰할 수 없는 결과를 초래할 수 있습니다. 2. 과적합의 원인 과적합은 데이터의 특성을 완벽하게 기억하는 것에서 비롯됩니다. 모델은 훈련 데이터에 맞추기 위해 복잡한 패턴과 노이즈까지도 학습할 수 있습니다. 일반적으로 데이터의 양이 적은 경우,...2025.05.10
-
빅데이터 기술로 인해 발생한 문제점과 해결책2025.01.151. 빅데이터 활용으로 인한 데이터 유출 빅데이터를 활용한 인공지능 서비스에 대한 접근성이 용이해지면서 편리함이 증가했지만, 기업들의 기밀문서 등 중요 데이터의 유출문제가 제기되고 있다. 실제로 챗 GPT의 경우 데이터 유출이 발견되면서 세계적으로 많은 논란이 되었고, 국내 공공기관들과 기업들은 챗 GPT 사용을 제한하기도 하였다. 이처럼 해외기업 서비스를 이용하는 과정에서 국내 기업들의 보안데이터가 쉽게 유출될 우려가 있어 국내 초거대 AI 기술의 활용에 어려움을 겪고 있는 실정이다. 2. 저작권 침해 문제 최근 빅데이터를 활용한...2025.01.15
-
어댑터 클래스를 이용한 그리드뷰2025.01.281. 그리드뷰(GridView) 그리드뷰(GridView)는 안드로이드 UI 구성에서 데이터를 행과 열의 격자 형태로 표시하기 위한 유용한 컴포넌트입니다. 이 컴포넌트는 이미지 갤러리, 상품 리스트 등 데이터를 시각적으로 정렬하고, 사용자와의 상호작용을 제공하는 데 효과적으로 사용됩니다. 2. 어댑터(Adapter) 어댑터(Adapter)는 데이터를 UI에 연결하는 중개자 역할을 합니다. 데이터 원본(Array, ArrayList 등)과 GridView를 연결하여 데이터가 표시되도록 합니다. 3. 그리드뷰 구현 과정 어댑터를 이용한...2025.01.28
-
일상생활에서 기억술 활용하기2025.01.181. 과잉학습 과잉학습은 반복적인 암송(rehearsal)이 기억을 공고화하는데 큰 효과가 있음을 나타내는 기억술이다. 규칙적인 시간 간격을 두고 여러 번 수행하는 분산학습이 단기간 집중학습보다 더 큰 효과를 가져온다. 과잉학습은 일상생활에서 시험 준비, 언어 학습, 새로운 지식 습득 등에 활용될 수 있다. 2. 범주화 범주화는 관련된 항목들을 그룹화하여 기억하는 기억술이다. 정보의 구조화와 조직화를 통해 기억을 향상시키고 정보를 더 쉽게 추출할 수 있도록 돕는다. 쇼핑, 학습, 문제 해결 등 다양한 일상생활에서 범주화를 활용할 수...2025.01.18
-
소프트웨어개발실무 ) 논문 내용 정리 - Going deeper with convolution2025.04.281. GoogLeNet GoogLeNet은 22개의 계층으로 이루어진 깊은 네트워크로, 분류와 검출 부문에 출하되었다. GoogLeNet의 매개변수는 최고의 정확도를 보이며, 2년 전 ILSVRC 14 대회에서 우승한 Krizhevsky의 아키텍처보다 12배나 적게 매개변수를 이용하였지만, 훨씬 향상된 정확도를 보인다. GoogLeNet은 효율을 극대화한 DNN 아키텍처로, 인셉션이라는 코드 이름의 컴퓨터 비전을 위한 것이다. 인셉션 모듈의 형식을 취하며 새로운 조직 level을 소개하고, 네트워크의 깊어진 깊이를 제시한다. 2. ...2025.04.28
-
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
-
QGIS 초보탈출 가이드_5편2025.05.081. 조판 인쇄 데이터의 최종성과인 도면, 보고서 이미지를 제작하는데 사용되는 도구. (Arc의 Layout와 유사한 기능)으로, 인덱스별로 도면을 일괄출력하기에 유용함. 신규생성, 불러오기, 항목추가 등의 기능을 제공하며, 지도책 기능을 통해 도면 일괄출력을 할 수 있다. 2. 그래픽 모델러 공간 처리 툴박스의 모든 기능을 모델로 구축하여 수행할 수 있는 기능으로, Arc의 모델빝더와 동일한 기능을 제공한다. 입력 객체와 알고리즘을 추가하여 모델을 구축할 수 있으며, 샘플 작업 및 Arc 모델빌더와의 비교 등이 가능하다. 3. 외...2025.05.08
-
C++ report 정적멤버2025.01.161. 정적멤버데이터 정적멤버데이터는 클래스의 모든 객체에서 공유되는 데이터 멤버입니다. 이는 클래스 내에서 선언되며, 객체 생성과 상관없이 존재합니다. 정적 멤버 데이터는 클래스 이름을 통해 직접 접근할 수 있습니다. 2. 정적멤버함수 정적 멤버 함수는 클래스의 모든 객체에서 공유되는 함수입니다. 이 함수는 클래스 이름을 통해 직접 호출할 수 있으며, 객체 생성과 상관없이 존재합니다. 정적 멤버 함수는 일반 멤버 함수와 달리 this 포인터를 사용할 수 없습니다. 3. 2차원 배열 2차원 배열은 행과 열로 구성된 배열입니다. 2차원...2025.01.16
7 / 144
