|
인공지능의 역사
3. LLM(Large Language Model; 대규모 언어 모형)
4. LMM(Large Multimodal Model; 대규모 멀티모달 모형)
5. Deep Learning과의 관계
1) 딥러닝과 LLM의 관계
2) 딥러닝과 LMM의 관계
3) 결론
6. 본인의 의견
7. 참고문헌(APA 양식에 맞추어서 작성)
|
|
|
멀티모달 모델(Large Multimodal Model, LMM)이 주목받고 있습니다. 본 자료에서는 LLM과 LMM의 특징과 구현 로직을 살펴보고, 두 모델의 차이점을 비교한 후, 이들과 딥러닝(Deep Learning)의 관계에 대해 논의하고자 합니다.
II. 본론
1. 대규모 언어 모
|
|
|
인류의 미래에 지대한 영향을 미칠 것으로 기대됩니다. <목 차>
1. 인공지능의 역사와 발전
2. LLM과 LMM의 기본 개념
3. LLM과 LMM의 주요 차이점
4. 딥러닝과의 관계
5. LLM과 LMM의 활용 사례
6. 기술적 한계와 도전
7. 미래 전망과 발전 방향
|
|
|
인공지능의 주요 활용 사례
7. 생성형 인공지능을 위해 활용될 수 있는 정보통신 기술
1) IoT(사물인터넷)
2) 보안 기술
3) 빅데이터(Big Data)
4) 클라우드 컴퓨팅(Cloud Computing)
5) 딥러닝(Deep Learning)
8. 나의 의견
Ⅲ. 결론
참고문헌
|
|
|
과 멀티강의 1, 2강에서 접두사가 사용된 단어를 모든 찾아 적고, 각각의 단어에 대해 접두사의 의미와 단어의 의미를 밝힌다.
3. 교재 Unit 1과 멀티강의 1, 2강에서 다음이 사용된 문장을 하나씩 찾아 적고, 문법적인 설명을 곁들인다. 가령 문
|
|
 |
과의 논의
1. 투표율 하락요인에 대한 구조모형 및 영향력 분석
(1) 신뢰성과 타당성 검토 및 구조모형 분석
(2) 투표율 하락요인에 대한 영향력 분석
2. 분석결과의 함의 및 대안모색
(1) 분석결과의 함의
(2) 투표율 제고를 위한 대안
|
|
|
설명
<표-10> 요소 A1과 A2의 비교
<표 11> 정보통신 국책연구개발사업의 최근 3년간 기술부문별 투자액(융자 제외) 및 투자배분비율
<표 12> 평가기준별 하위기준과 정의
<표 13> 평가기준별 5대 기술 부문들의 가중치 계산결과
<표 14> 각 평가기
|
|
|
모형에 대한 고려와 지역별, 거리별로의 추가고려가 필요하다는 것을 시사하고 있다.
본 연구를 수행하면서 다음과 같은 한계점이 나타나 이에 대한 언급을 하면, 수도권의 특성을 더욱 반영할 수 있는 지하철역세권의 범위 확대 및 변수도입
|
|
|
과 가장 연관관계가 높으며, 이용자들이 장시간 노출될 수 있는 차내 소음 문제를 중심으로 지하철 5호선의 자료를 토대로 소음과 그의 영향요소들간의 관계특성을 파악할 수 있는 지하철 소음 영향관계모형을 개발하였다.
그에 대한 결과
|
|
|
모델링 21
그림 2.13. 연약 점토지반의 p-y 곡선 24
그림 2.14. 굳은 점토의지반의 p-y 곡선 26
그림 2.15. 사질토 지반의 p-y 곡선 27
그림 2.16. 말뚝배면 지반의 수동저항 영역 32
그림 3.1. 모형말뚝의 철근배근과 완성품 33
그림 3.2. 콘크리트 블럭
|
|
 |
과 Reinforcement Learning with Human Feedback(RLHF) 방식으로 실제 사용자 피드백을 반영하는 방법이 필요하다고 생각합니다. 저는 이러한 문제에 대한 실험적 접근을 앞으로의 연구 주제로 삼고자 합니다. 2026 KT AI석사과정(LLM-sLM-멀티모달 LLM 기술개
|
|
 |
과정이라는 생각하고, 매사에 최선을 다하고 있으며 늘 긍정적인 자세로 생활에 임하겠습니다.
부족함이 많지만 분명 제가 원하는 분야에 도전할 수 있는 마음가짐이 충분히 되어 있다고 감히 얘기할 수 있습니다. 만약 진학의 기회가 주어진
|
|
 |
과 같은 대규모 게임 서비스 회사에서 강화학습을 적용할 때 가장 주의해야 할 점은 '유저 경험을 해치지 않는 것'이라고 생각합니다. 강화학습 모델이 최적화된 결과를 도출해도, 그것이 플레이어에게 불합리하거나 불쾌한 경험을 주면 오히
|
|
 |
제공할 계획입니다. 또한 모델의 해석력을 높이기 위해 SHAP 값 기반 설명 가능 AI 기법도 병행하여 적용하겠습니다. 1. 경영학과 연구주제 및 연구계획 1
2. 경영학과 연구주제 및 연구계획 2
3. 경영학과 연구주제 및 연구계획 3
|
|
 |
시스템을 설계하고, 실제 교실 환경에서의 반응과 학습 효과를 분석하는 후속 연구로 확장하고자 합니다. 1. 인공지능학 연구주제 및 연구계획 1
2. 인공지능학 연구주제 및 연구계획 2
3. 인공지능학 연구주제 및 연구계획 3
|
|
메뉴펼치기
