-
Agentic AI
[Agentic AI] Module 1, 2 Agentic Workflows & Reflection
Module 1, 2 Agentic Workflows & Reflection 아래는 DeepLearning.AI에서 Andrew Ng 교수님의 를 정리한 내용입니다.Module 1: Introduction to Agentic Workflows• Agentic AI Workflow란?LLM 기반 앱이 task를 완료하기 위해 다수의 step을 수행하는 과정 • 얼마나 agentic 하느냐 정도에 차이가 있고, 그 차이는 자율성(autonomy)에 있다. • Agentic Workflows의 핵심 장점 • 더 나은 성능 • 사람보다 빠름 (병렬화 때문) • 모듈화 가능: 도구를 더하거나 업데이트하고 모델을 교체할 수 있음 • Agentic AI를 적용하기 좋은 Task • 명확하고 step-by-st..
-
용어정리
추천 관련 용어 정리
User-Based Recommendation 사용자 간의 유사성을 기반으로 추천을 제공하는 방법 주어진 사용자와 유사한 다른 사용자들의 행동 패턴을 분석하여 추천을 제공 → 사용자 기반 협업 필터링(User-Based Collaborative Filtering)의 한 형태 User representation learning 사용자의 특성과 행동을 나타내는 효과적인 표현을 학습하는 방법 사용자 표현 학습은 사용자의 특성을 숫자로 나타내는 방법을 학습하는 과정을 포함 예를 들어, 소셜 미디어 플랫폼에서는 사용자 표현 학습을 통해 사용자의 관심사를 이해하고, 그에 맞는 콘텐츠를 제안할 수 있습니다. 또는 전자상거래 플랫폼에서는 사용자의 이전 구매 기록과 행동 패턴을 학습하여 적절한 제품을 추천할 수 있습니다..
-
TIL
sigmoid보다 tanh를 쓰는 이유
1. sigmoid보다 tanh의 기울기가 더 크기 때문이다. 기울기가 더 크면 경사 하강법을 할때 더 큰 step으로 W와 b를 업데이트할 수 있으므로 더 빨리 cost를 0으로 만들 수 있다. cost는 0에 가까울수록 성능이 좋으므로 일반적으로 sigmoid보다 tanh가 성능이 더 좋은 것이다. 2. 기울기 편향을 피할 수 있다. 그래프를 보면 sigmoid는 (0,1)의 범위를 가지고 있고, tanh는 (-1,1)의 범위를 가진다. 모든 입력 벡터가 양수값을 가지고 있을때, 양의 값만을 가지는 sigmoid는 역전파를 할 때 모든 가중치가 같은 방향으로 움직이게 된다. 모두 증가하든지, 모두 감소하든지 말이다. 즉, 이동 방향이 편향될 수 있다는 단점이 있다. 하지만 tanh는 (-1,1) 범위..
-
TIL
Conv1D, Conv2D, Conv3D 차이
말 그대로다. 1차원 배열 데이터에는 Conv1D를, 2차원 배열 데이터에는 Conv2D를 사용한다. 아직까지 Conv3D를 사용해 본 적은 없지만 마찬가지로 3차원 배열 데이터에 사용한다. 즉, Conv1D, Conv2D, Conv3D 차이는 입력 데이터의 차원이다. 그런데 여기서 끝나면 의문이 생긴다. 코드를 보자. model = tf.keras.models.Sequential([ # Note the input shape is the desired size of the image 150x150 with 3 bytes color tf.keras.layers.Conv2D(64, (3,3), activation='relu', input_shape=(150, 150, 3)), tf.keras.layers.M..
-
알고리즘
[프로그래머스/레벨1] K번째수
풀이 과정 여러 코딩 테스트를 치르면서, 코딩 테스트 문제 푸는 방법을 정했다. 1. 문제를 정독하면서 메모(검은색으로 작성)한다. 주의해야 할 것은 ※으로 표시한다. 2. 알고리즘(분홍색으로 작성)을 떠올리고 적용하려고 노력한다. 3. 필요한 변수에 대해서는 변수명(하늘색으로 작성)을 작성한다. 4. 바로 문제 풀지 말고 주석을 달며 의사 코드를 작성한다. 5. 의사 코드에 맞춰 구현한다. 앞으로 이 순서대로 문제를 풀어볼 예정이다! 1. 문제를 정독하면서 메모한다. 주의해야 할 것은 ※으로 표시한다. 우선 문제 자체는 길지도 않고 어렵지도 않아서 메모할 것이 거의 없었다. 단, 인덱스가 0부터 시작한다는 점을 주의해야 했다. 문제에서 array의 2번째부터 5번째까지 자르면 [5, 2, 6, 3]이라..
