그래서 Google은 최근 무료 Generative AI 소개 과정 목록을 삭제했으며 가장 큰 질문은 - 이 과정이 과대광고할 가치가 있는가?입니다.
그게 내가 여기 있는 이유인 것 같아요. Google의 Generative AI 소개 학습 경로(여기에서 확인)를 완료한 후 여기에 두 가지 요점이 있습니다.
People Mentioned
그래서 Google은 최근 무료 Generative AI 소개 과정 목록을 삭제했습니다. 가장 큰 질문은 - 이 과정이 과대광고할 가치가 있는가?입니다.
그게 내가 여기 있는 이유인 것 같아요. Google의 Generative AI 소개 학습 경로( )를 완료한 후 여기에 제 2센트가 있습니다.
목차
코스 분석
대상 고객
학습 목표
내용 분석
요약/치트시트
최종 평결 (그럴 가치가 있나요?)
추가 리소스
Google의 Generative AI 학습 경로 과정 분석
대상 고객
Google의 과정은 해당 주제에 대한 사전 기술 지식이 없는 학생을 대상으로 합니다. 또는 에 설명된 대로 이 과정은 영업, HR, 마케팅, 운영과 같은 역할을 담당하고 기술 관련 지식이 없는 대상자를 위해 설계되었습니다. 즉, 이 과정은 심층적 인 방법을 제공하지는 않지만 생성 AI의 기본 개념에 대한 훌륭한 소개를 제공한다는 의미입니다.
학습 목표
“그런데 제너레이티브 AI(Generative AI)란 실제로 무엇인가?”라는 질문에 적절하게 대답하려는 아이디어입니다.
이 과정의 중점은 생성 AI, 대규모 언어 모델 및 AI 윤리에 있습니다. 이 과정을 통해 사례 연구, 강의 스타일 동영상, 퀴즈 등을 통해Google에서 제공하는 AI 서비스 와 책임 있는 AI 관행을 통합하는 Google의 역할에 대해 알아볼 수도 있습니다.
내용 분석
이제 학습 경로의 자료를 해독해 보겠습니다.
Generative AI Fundamentals 과정은 기본적으로 처음 세 가지 과정(Gen AI 소개, LLM 소개, Responsible AI 소개)을 편집한 것이지만 퀴즈가 추가되어 있습니다. 그리고 조건은 다음과 같습니다. 기술 배지 과정 전에 과정을 완료하는 경우 해당 과정을 다시 수강할 필요가 없습니다. 학습 경로가 그런 식으로 구성된 이유는 Generative AI Fundamentals 기술 배지를 시도할 때 단순히 '다음'을 클릭하는 대신 실제로 교육 자료를 진행하도록 하기 위한 것입니다.
강좌에서 내용을 골라서 제가 개발한 치트시트는 다음과 같습니다.
요약 + 치트시트
생성 AI
“인공지능이란 무엇인가?”로 시작하여, 인간의 인지를 모방하여 복잡한 작업을 수행하고 그로부터 학습하는 컴퓨터 과학 분야입니다. AI에는 데이터에 대해 훈련된 알고리즘을 사용하여 다양하고 복잡한 작업을 수행할 수 있는 적응형 모델을 생성하는 기계 학습의 하위 필드가 있습니다.
ML에는 지도 학습, 비지도 학습, 강화 학습, 딥 러닝 등 다양한 유형이 있습니다. 딥러닝은 인공 신경망을 사용하므로 신경망이 지도 학습, 비지도 학습, 준지도 학습을 사용하여 목표를 달성하는 보다 복잡한 패턴을 만들 수 있습니다. 딥러닝 모델에는 차별적 모델과 생성적 모델이라는 두 가지 유형이 있습니다.
제너레이티브 AI(Generative AI)는 텍스트, 이미지, 오디오, 합성 데이터 등 다양한 유형의 콘텐츠를 생산할 수 있는 인공지능 기술의 일종이다. 간단히 말해서 GenAI는 기존 콘텐츠에서 학습한 내용을 바탕으로 새로운 콘텐츠를 생성하는 AI의 한 유형입니다. 이는 통계 모델을 생성하는 훈련이라는 학습 프로세스를 사용하여 프롬프트가 주어졌을 때 예상되는 응답이 무엇인지 예측하는 데 사용됩니다.
대규모 언어 모델
대규모 언어 모델은 두 가지 요인으로 인해 큰 것으로 간주됩니다. 즉, 많은 수의 매개변수가 있는 대규모 훈련 데이터세트에 대해 훈련된다는 것입니다. 하이퍼파라미터라고도 불리는 매개변수는 본질적으로 기계가 학습한 메모리와 지식이며, 문제를 해결하기 위해 모델의 기술을 정의하는 데 사용됩니다. LLM은 또한 인간의 언어를 사용하여 일반적인 문제를 해결하려고 노력하는 범용 목적입니다.
사전 훈련된 LLM과 미세 조정된 LLM의 두 가지 종류가 있습니다. 사전 훈련된 모델은 "모든 것"을 수행할 수 있지만 실질적인 한계가 있는 반면, 미세 조정된 모델은 특정 틈새 시장에 적합하거나 특정 문제를 해결하는 것을 목표로 합니다. 미세 조정은 비용이 많이 드는 경향이 있으므로 프롬프트 조정과 같은 매개변수 효율적인 조정 방법(PETM)과 같은 보다 효율적인 방법이 존재한다는 점에 유의하는 것이 중요합니다.
프롬프트를 이해하기 위해 프롬프트는 본질적으로 특정 응답을 도출하기 위해 LLM에 제공되는 입력입니다. 일반적인 오해는 신속한 설계와 신속한 엔지니어링 사이에 있습니다. 이를 분석하기 위해 프롬프트 설계는 시스템이 수행하도록 요청되는 특정 작업에 맞게 조정되는 반면 프롬프트 엔지니어링은 도메인별 지식을 사용하고 원하는 출력의 예를 제공하며 다음과 같은 키워드를 사용하여 모델의 성능을 향상하도록 설계됩니다. 이 특정 시스템에 효과적인 것으로 알려져 있습니다.
Google의 AI/ML 서비스
Vertex AI는 기초 모델을 위한 모델 정원을 제공합니다. 사용자가 고객 만족도를 예측하기 위해 모델을 사용하려는 사용 사례를 고려하면 분류 작업 유형 감정 분석 작업 모델을 사용하도록 선택할 수 있습니다.
PaLM API를 MakerSuite와 통합하면 생성적 개발 주기가 단순화됩니다. MakerSuite에는 다양한 알고리즘을 사용하여 사용자 데이터에 대한 모델을 교육하는 모델 교육 도구, 사용자가 모델을 프로덕션에 배포할 수 있는 모델 배포 도구, 프로덕션에서 모델 성능을 모니터링하는 모델 모니터링 도구와 같은 다양한 리소스가 포함되어 있습니다.
GenAI Studio를 사용하면 사용자는 사전 훈련된 모델 라이브러리, 모델 미세 조정을 위한 도구, 모델을 프로덕션에 배포하기 위한 도구, 추가 지원을 위한 커뮤니티 포럼과 같은 리소스를 통해 GenAI 모델을 빠르게 탐색하고 사용자 정의할 수 있습니다.
GenAI App Builder는 사용자에게 드래그 앤 드롭 인터페이스, 앱 콘텐츠 편집을 위한 시각적 편집기, 내장 검색 엔진 및 대화형 AI 엔진을 제공합니다.
그러나 코스가 완벽하지 않다는 점에 유의하는 것이 중요합니다. 특정 주제 간에 중복되는 부분이 있을 수 있으며 AI 산업에 대한 Google의 기여에만 초점을 맞춥니다. 또한, 특히 각 모듈이 일반적으로 퀴즈당 3~5개의 질문으로만 구성된다는 점을 고려하면 퀴즈가 충분히 도전적이지 않을 수 있습니다.
하지만 이 과정은 완전히 무료이며 소셜 미디어 플랫폼과 이력서에 자신의 성과를 보여줄 수 있다는 점을 고려해 볼 가치가 있습니다. 게다가 과정이 간결하고 간단하기 때문에 시간을 너무 많이 소모하지 않습니다. 제 말을 믿으세요. 하루도 안 되어 길을 끝낼 수 있었어요 GW
Google 과정을 넘어서 생성적 AI 학습 여정을 계속하는 방법
저는 우리의 학습 여정이 결코 하나의 소스에만 의존해서는 안 된다고 생각하고 싶습니다. 다음은 살펴볼 수 있는 다른 과정입니다.
