7fed8272b4826af051ef85e64e8476736440f2d2013a7fc742edeb5b406e67


24년 6월달에 올린 게시글입니다.


위에서의 Gen-AI 가 요즘에는 AI 가 되어버렸습니다.


위에서의 Catalog 에 대해서 말은 적당히 옳지만, Theme/Entity/Feature 의 세 요소에 대해서 적당히 단어를 구하는 것이 기법이 필요로 하는데


이에 대해서 Framework 를 설정하는 것에 대해서 업데이트를 합니다.


>>


AI 개발에 대해서 주요한 것은 비정형 데이터에 대해서 Theme/Entity/Feature 의 세 요소로 자료의 Indexing description 이 가능하다는 것임.


이에 대해서 Theme, Entity, Feature 는 보통 여러가지인 CASE 가 많음.


이에 대해서는 AND 로 묶인다는 것을 알 수 있음.


그렇다면 비정형 데이터에 대해서 Indexing description 을 어떻게 수행하는가? 에 대해서 Theme, Entity, Feature 를 식별을 해야하는데 자료의 집합이 어떻게 꾸며져있는가? 에 대한 Description 을 Theme, Entity, Feature 의 단위로 수행하는 것에 대해서 어려울 수가 있음.


여기에서는 적당한 View points 가 필요로 함.


적절히 이것을 수행하는 방안은


<어떠한 무엇의 어떠함..> 이라는 것의 Format 이 성질이라는 것의 개념에 대한 Description 으로 쓸 수가 있다는 것에 있음.


그렇다면 비정형 데이터에 대해서 어떻게 꾸며져있는가? 에 대해서 그 개체가 가지고 있는 성질에 대한 AND 를 <어떠한 무엇의 어떠함..> 을 가지고 있음에 대해서 List 로 작성할 수가 있음.


상식적으로 데이터에 대해서 그것이 꾸며져있는 무엇의 자료일 때, 그것에 대해서 <어떠한 무엇의 어떠함..> 을 가지고 있다. 라는 것에 대해 AND 의 List 를 마련하는 것이 지칭하는 대화로 볼때 어느정도 품평하는 일에 대해서 자료의 꾸밈명세가 낱낱으로 무엇이 되는가? 가 충분하기에 Description 에 대해서 충분할 수 있음.


그런데, 그러한 <어떠한 무엇의 어떠함..> 에 대해서는 그것이 그 자체로 Feature 가 되기도 함. 그런 방식으로 꾸며져있는 무엇의 자료에 대해서 그것의 Feature 에 대해서 AND 의 List 로 <어떠한 무엇의 어떠함..> 이 Entity 와 Feature 의 Group 을 이룬다고 볼 수가 있음.


그리고 Indexing description 에 대해서 이러한 AND List 에 대해서는 Theme 에 대한 Group 이 품평적인 맥락에서 <어떠한 무엇의 어떠함..> 의 AND List 에 대해서 있기도 함.


그래서 전체적으로는 Deep Learning 에 대해서 정확하게는 Deep Learning 모델을 Sampling 에 대해서 수학적으로 규칙을 구하는 것도 있어서 이것이 모두라고 할 수는 없지만 Deep Learning 에 대해서는 다음과 같이 이뤄진다고 볼 수가 있음.


1) 꾸며져있는 무엇의 자료에 대한 Theme 를 매개로 자료묶음을 모은다.


2) 이에 대해서 <어떠한 무엇의 어떠함..> 에 대해서 꾸며짐에 대한 AND List 를 대량 Scketch 한다.


3) 이로부터 얻어지는 Theme/Entity/Feature 에 대해서 Feature Token 에 대한 Indexing 이 매개 Theme 에 맞춰 이루는 Group Map 을 인식한다.


4) 이에 대해서 Map 의 각 Group Feature 가 Map 에 대해서 이루는 Group 분포에 대해 자료묶음의 전체집합에 대해서 Deep Learning 을 시킨다.


대략 이러한 방식으로 Gen-AI 의 Deep Learning 이 이뤄진다고 봄..


abcd9999