Hugging Face를 활용한 생성형 AI 기본

강력한 언어 모델로 애플리케이션을 구축할 준비가 되었지만 어디서부터 시작해야 할지 모르시나요? 이 과정은 Hugging Face 생태계의 필수 도구를 사용하여 생성형 AI의 세계로 진입하는 명확하고 텍스트 기반의 경로를 제공합니다. 이 과정을 마치면 Large Language Models (LLMs) 작업을 위한 전체 워크플로우를 이해하게 됩니다. Transformers 및 tokenization과 같은 핵심 개념부터 텍스트 요약 및 창의적인 콘텐츠 생성과 같은 특정 작업을 위해 사전 훈련된 모델을 사용자 정의하는 데 필요한 실용적인 기술까지 다루게 됩니다. 학습 내용: - Transformers와 Large Language Models의 핵심 개념을 이해합니다. - Hugging Face Hub를 탐색하여 사전 훈련된 모델과 datasets을 찾고 사용합니다. - 모델 입력용 텍스트 데이터를 준비하기 위한 tokenization 프로세스를 숙달합니다. - 특정 작업에 맞게 기존 LLM을 custom dataset으로 fine-tuning하는 것을 연습합니다. - 적은 compute 자원으로 모델을 훈련하기 위해 parameter-efficient fine-tuning (PEFT) 기술을 적용합니다. - quantization과 같은 방법을 사용하여 inference를 위한 모델을 최적화하는 방법을 배웁니다. - Retrieval-Augmented Generation (RAG)을 포함한 일반적인 LLM 애플리케이션 패턴을 탐구합니다. 이 과정은 기본 이론으로 시작하여 데이터 준비, 모델 선택, fine-tuning 및 최적화를 다루는 실습으로 진행됩니다. 자세한 설명을 읽고 작성된 예제를 통해 단계별로 기술을 구축하는 연습을 하게 됩니다. 이 과정은 초보자를 위해 설계되었습니다. Hugging Face 또는 deep learning에 대한 사전 경험은 필요하지 않지만, Python에 대한 기본적인 이해는 도움이 될 것입니다. 오늘 생성형 AI의 세계로 여정을 시작하세요.