뭐 여기 오는 애들정도면 데이터 전처리 -> 모델 선택 -> 파라미터 세팅-> 학습 -> 검증 -> 평가 이런과정은 당연히 알테고 웹서칭, gpt안쓰고 그냥 ide상에서 잘 돌아가게 코드 짤수있는 애들 얼마나 될거같냐?
일단 난 1-2명 정도밖에 안된다고 생각함.
기준은 cv에서는 torchvision.model에서 모델 가져와서 쓰는거 nlp에서는 transformers 라이브러리에서 task별로 적절한 모델 찾아서 쓰는거 모델 이름정도는 서치가능
복붙은 안쳐주나요
ㅇㅇ 코테환경과 동일하다는 가정하에
난 못함
대부분 어려운게 맞음 나도 네이버 부캠, 구글 부캠 하면서 저렇게 하는 사람 별로 못봄. 확실한건 저거 가능한 애들은 전부 좋은데로 취업 잘 했다는거
오히려 이런 프레임워크가 정립된게 잘 없던데
모델들 돌려보면 이유를 깨닫지 버전 바뀔때마다 호환되는 라이브러리가 달라져서 ㅇㅇ 심지어 cuda 버전을 바꿔야되는 경우도있고 저 파이프라인 그대로 프레임워크를 만드는건 거의 불가능이라 봐야지
님 기계어로 프로그램 짤수있음? 병신인가
윗3명은 잘 대답하는데 문해력도 박살난 너에게 굳이 설명해줄 필요는 없겠지
무슨 깡으로 고닉달면서 이런 댓글을 싸지르는지 모르겠지만 너같은 애들이 딥러닝갤 평균이라면.. ㅋㅋ 우리나라 ai 미래가 암울하구나
ㅇㅇ 그렇게 살아 병신아
근데 이거 이제 중요한건가..?? 기본적인 틀은 AI가 다 짜주는 시대인데 솔직히 큰 의미없는거같음 오히려 써있는 코드를 잘 이해하고 머리속에서 시뮬레이션을 하는 능력을 길러야할거같음 - dc App
밑바닥부터 코드 작성할때 사전 정의된 메소드들에 대해서 찾아보고 적용하는 과정이 비효율적인거같음 - dc App
AI가 다해주는시대에 오히려 개념에 대한 토대가 부족하면 거기에서 차이가 날거임 써있는 코드 잘 이해하는건 코드 다루는 애들이면 웬만하면 다 할거고 괜히 기술면접때 다뤘던 프레임워크 관련 라이브러리들 기능에 대한 질문을 하는게 아니지. 이 부분은 매우 중요함 단순히 코드만 나열하는게 아닌 왜 이 라이브러리를 선택했는가
파이토치 쓸 수 있으면 이걸 못할 애가 있나??
? 이걸 못한다고? 그냥 훈련된 학부생 4학년 정도면 다할텐데?
내가 느끼기에 진짜 어려운건 1) 가설 설정 및 수식 전개 2) 코드로 새로운 수식 구현 이 과정이 어려운거지 이미 누군가 만들어놓은 모델 불러와서 쓰는 건 부트캠프만 가도 다 하는 수준 아닌가
개념을 아는것과 구현을 아는건 전혀 다른거임 PS문제 풀때 어려움을 느끼는것도 당연하지. 코테 막힌 문제 정답보면 와 이렇게 푼다고? 싶은 문제는 얼마없음 적어도 백준 골드까진 아는 개념에서 어떻게 구현하냐인데 파이프라인은 쉽다쳐도 특정 데이터가 주어졌을때 그 데이터에 적절한 전처리 방식을 떠올리고 전처리를 하고 어떤 모델이 적합할지 찾는건 쉽지않지
부트캠프가 수월하게 하는 이유는 전 기수들을 참고하기 때문임. 즉 데이터셋 자체가 가이드라인이 있고 대부분 가이드라인 내에서 주어진 gpu내에서 SOTA모델을 어떻게 요리할지에 대해서 연구하지 어차피 sota이기때문에 걍 기본 전처리만해도 성능의 하방이 보장되있다고 볼수있는데 새로운 수식 구현 이런부분은 엔지니어보다는 리서치의 영역이고 엔지니어로서 주어진 상황에 저 파이프라인에 근거해서 적절한 선택지를 고를수있는가가 핵심이지
ㅋㅋㅋ전처리ㅋㅋㅋ
갤 수준의 편차가 엄청나구나 여기
모델 선택<- 어지럽네 ㅋㅋ
그냥 백엔드 개발도 중간에 구글링도 하고, 스택오버플로우도 찾아봐가면서 만드는데 너무한 것 아님까 ㅠ
전에 없는 완전히 새로운 모델 학습하는게 아니라면 (researcher면 해야겠지만...) 다른 코드 참고 해도 된다고 생각합니다아... 중간에 설명 없이 에러나는 거 정도만 핸들링 할 수 있으면...