LikeSNU는 서울대 중앙도서관이 체계적으로 수집/분석한
서울대 구성원의 지식 빅데이터(도서 대출, 논문, 학사, 강의, 수업 계획서) 기반 지식정보 플랫폼 입니다.
페이지 (1/2)
더보기단행본
Yoshiki, Kanda
2024년 / 루비페이퍼
단행본
Ozdemir, Sinan
2024년 / 한빛미디어
페이지 (1/221)
더보기SpringerOpen, 2024. / David Berenstein; Elliot Maderazo; Robinson Mancilla; Anayeli Ramírez
Journal of High Energy Physics, 2024
Association for Computing Machinery (ACM), 2024. / Guoliang Li; Xuanhe Zhou; Xinyang Zhao
Proceedings of the VLDB Endowment, 2024
Ravi, Rathi; Reena, Kumari; Seema R, Pathak; Vikram, Dalal
Journal of biomolecular structuredynamics, 2022
Institute of Electrical and Electronics Engineers Inc. / Ye, K.; Yang, Q.; Lu, Z.; Yu, H.; Cui, T.; Bai, R.; Shen, L.
IEEE Journal on Emerging and Selected Topics in Circuits and Systems, 2025
IEEE Computer Society / Zhou, Q.; Xiao, F.; Wu, J.; Zhu, M.; Zhou, Y.; Zhang, Y.
IEEE Transactions on Knowledge and Data Engineering, 2025
페이지 (1/1)
더보기대학원 / 전선
대형언어모델(Large Language Model, LLM)은 수억 이상 파라미터를 갖는 인공신경망으로 구성된 언어모델이다. 자기지도학습이나 반자기지도학습을 사용하여 레이블링 되지 않은 대규모 텍스트로 훈련된다. 토큰화, 트랜스포머 모델, 프롬프트 엔지니어링, 파인 튜닝 등으로 구성된다. Neural Network, CNN, RNN, LSTM, 어텐션, 트랜스포머, RLHF, 프롬프트 엔지니어링, 파인튜닝, RAG 등을 다룬다. LLM 이론을 기초부터 완성 단계까지 학습한다. LLM를 소규모로 직접 사전학습모델을 구현한다. 사전학습된 모델을 기반으로 프롬프트 엔지니어링, 파인튜닝, RAG를 통하여 성능을 향상시키는 것을 구현한다.학사 / 전선
세계적으로 유명한 반도체 회사에 소속된전문가들의 지도 아래 인공지능 반도체 기술에 대한 깊은 탐구의 기회를 제공한다. 수업을 통해 인공지능 반도체 기술의 핵심 원리와 다양한 응용에 대한 종합적인 이해를 얻게 되고, LLM(Large Language Model), Biomedical 분야 등에 인공지능 반도체를 활용하는 방안에 대해 국내외 전문가들의 주관으로 강의가 진행될 예정이다. 이를 통해 인공지능 반도체 기술의 장점과 한계를 명확히 파악하며, 현실 세계에서 혁신적인 해결책과 응용 사례를 제안할 수 있는 능력을 갖추게 된다.대학원 / 전선
이 수업에서는 인간 언어의 발화와 이해에 관련된 신경 메커니즘에 대한 개요를 제공합니다. 통사론, 의미론과 같은 고전적 언어학을 뛰어 넘어, 언어의 발화와 이해, 그리고 여타 다른 인지 기능과의 연계성을 바탕으로 인간의 언어 활동에 대한 다양한 뇌신경과학적 측면을 다룹니다. 따라서 최신의 기능적 뇌영상 방법(특히 functional MRI)을 통한 연구들을 중점적으로 살펴보고 신경학적 및 발달적 언어 장애의 사례는 물론 거대언어모델(Large Language Model: LLM)과 관련 된 연구도 함께 공부합니다. 이 수업은 특히 뇌에서의 언어 처리, 그리고 언어 처리 이론과 뇌 기능 사이의 관계에 바탕을 두고 다양한 신경언어학적 연구를 공부하게 될 것입니다.대학원 / 전선
오늘날 데이터 중심의 비즈니스 환경에서 인공지능/머신러닝(AI/ML) 기술은 고객 및 시장 분석부터 전략적 의사결정에 이르기 까지 기업 경영 전반에 수많은 혁신을 일으키고 있다. 본 과정은 MBA 학생들에게 비즈니스 애플리케이션에 특화된 핵심 AI/ML 알고리즘들을 실습 중심으로 학습할 수 있는 기회를 제공한다. 고객 이탈 예측, 금융 사기 탐지, 고객 세분화, 수요 예측, 맞춤형 추천 시스템과 같은 실전 사례들을 통해 머신러닝의 실용적인 적용 방법을 익히게 되며, 대규모 언어 모델(LLM)을 활용하여 별도의 프로그래밍 경험 없이도 데이터 처리 및 AI/ML 알고리즘 적용을 위한 기초적인 코드 구현 기술을 습득하게 된다. 본 과정을 수료한 학생들은 머신러닝을 활용한 데이터 기반 의사결정을 효과적으로 수행할 수 있는 역량을 갖추게 될 것이다.대학원 / 전선
본 과목 「AI 기반 심리과학 연구방법론」은 심리과학 분야 대학원생이 연구 수행 과정 전반에 걸쳐 본 연구과제를 통해 설계 및 검증된 AI 협업 워크플로우(사전 학습된 LLM, 심리과학 특화 RAG 등 활용)를 경험하고 숙달함으로써 연구 방법론적 역량을 혁신하도록 학습하는 과목이다. 수강생은 연구 문제의 개념화, 가설 탐색 및 정교화, 심리과학 문헌 분석, 연구 설계 구체화, 데이터 분석 계획 수립, 분석 결과 해석 및 시각화, 그리고 연구 결과 보고서 작성 및 소통에 이르기까지 심리과학 연구 방법론의 각 단계에서 본 연구과제를 통해 개발/활용되는 AI 지원 워크플로우를 실질적인 협업 도구로 활용하는 방법을 학습한다. 동시에 AI 산출물의 심리과학적 타당성, 방법론적 정확성, 윤리성 및 연구 재현성을 비판적으로 평가하고 교정하는 AI 협업 기반 심리과학 연구 방법론 역량을 함양하는 데 중점을 둔다. 이러한 구조를 통해 수강생은 AI를 단순 도구가 아닌 심리과학 연구의 협업 파트너로 활용하면서도, 데이터 과학 시대의 새로운 연구 방법론적 과제와 연구 윤리적 책임을 명확히 인지한 상태에서 창의적이고 재현 가능한 심리과학 연구 수행을 실천하게 된다.페이지 (1/0)
더보기검색결과가 존재하지 않습니다.
페이지 (1/0)
더보기검색결과가 존재하지 않습니다.
페이지 (1/0)
더보기검색결과가 존재하지 않습니다.
'LLM' 에 대해 도서 결과가 18건 있습니다.
'LLM' 에 대해 논문 결과가 2,202건 있습니다.
'LLM' 에 대해 강의 결과가 7건 있습니다.
'LLM' 에 대해 서울대 연구자 결과가 0건 있습니다.