본문 바로가기

분류 전체보기

 (140)
UX 기획자 성장일지: 포트폴리오 레이아웃 - 06 UX 포트폴리오에는 크가지 두 개의 레이아웃이 있다 첫 번째는 리서치와 분석을 위한 레이아웃이다 더블 다이아몬드 프로세스에서 Discover, Develop에 해당되며, 과정 중심의 레이아웃을 이용해 나타내야 효과적이다 두 번째는 결론과 정의를 위한 레이아웃이다 이는 Define과 Deliver에 해당되며, 도식화를 통해 나타낸다 쉽게 정리하면 발로 뛰고 수집한 경험은 과정 중심으로, 내가 내린 결론과 결정은 다이어그램으로 나타내보기
쉽고 빠르게 익히는 실전 LLM - CHAPTER 5. 고급 프롬프트 엔지니어링 프롬프트 인젝션공격자가 LLM에 제공된 프롬프트를 조작하여 편향되거나 악의적인 결과를 생성하기 위해 사용하는 공격 유형- 짧은 프롬프트 사용 자제- 추측하기 어려운 독특하고 복잡한 프롬프트 구조 이용- 공격 패턴 가능성 필터링, 민감한 정보를 포함하는 답변 필터링- 프롬프트 정기적 업데이트 및 수정 입력 데이터 정제잠재적으로 해롭거나 위험한 내용(욕설, 개인 정보, 스팸, 인젝션 공격 키워드) 필터링- 유효성 검사 파이프라인을 만듦 배치 프롬프팅여러 개의 샘플을 하나의 프롬프트로 그룹화하여 LLM이 동시에 여러 답변을 생성하게 하는 것 > 추론 시간을 줄여줌 프롬프트 체이닝하나의 LLM 출력을 다른 LLM의 입력으로 사용해 여러 단계의 작업을 완료하는 것 프롬프트 스터핑사용자가 프롬프트에 너무 많은 정보..
쉽고 빠르게 익히는 실전 LLM - CHAPTER 4. 맞춤형 파인튜닝으로 LLM 최적화하기 파인튜닝 훈련을 위한 데이터 준비LLM의 언어 이해 능력을 특정 분야의 작업에 더 잘맞게 조정하는 파인튜닝을 통해 관련성이 높고 정확한 답변을 효율적으로 생성하기 위함[훈련셋]을 통해 데이터의 패턴과 관계를 학습하고 인식, [검증셋]을 통해 모델의 성능을 평가, [테스트셋]을 통해 모델의 능력이 새로운 데이터를 접해도 편향되어 있지 않은지 최종 평가[손실 함수]를 통해 모델 예측 값과 실제 목표 값 사이 차이를 정량화해 오차를 계산하고 이를 최소화해 더 나은 예측을 달성하는 지표 역할 파인튜닝 모델 훈련 전략목표를 위한 훈련, 검증, 테스트 데이터셋 수집 > 하이퍼파라미터 설정(모델 가중치 결정 + 단일 업데이트 훈련셋 사이즈 결정 + 훈련셋 반복 학습 수 설정)을 통한 과적합, 과소적합 문제 방지 > ..
BUX (Brand based User Experience) BUX 사용자가 제품, 서비스를 경험하는 과정에서 느끼는 브랜드에 대한 경험을 설계하는 것 최근에 여러 가지 사용자 경험 디자인 템플릿이 등장하며 여러 서비스들이 사용성이 유사해지고 획일화되어 새로운 개념과 연구가 필요한 시점 피터 모빌의 사용자 경험 검증 기준과 브랜드 경험 5요소를 대응하여 BUX 검증을 위한 프레임워크를 제시 브랜드의 경험화 브랜드 인지도가 있을 때 UX를 활용하여 인지도를 강화하고 긍정적인 이미지를 증명 경험의 브랜드화 고객이 필요로 하나 생각지 못한 경험을 만들어 경험 자체를 브랜딩 브랜드의 경험화보다 고객에게 훨씬 큰 자극을 줄 수 있음 출처 BUX(Brand Based User Experience) 개발 필요성에 대한 연구 : 특징적 UX 디자인 언어를 중심으로 https:/..
쉽고 빠르게 익히는 실전 LLM - CHAPTER 3. 프롬프트 엔지니어링의 첫 번째 단계 프롬프트 엔지니어링 LLM기반 어플리케이션 구축 시, 사용자 경험을 향상시키기 위해 필요 정확하고 유용한 출력을 반환도록 유도하는 LLM에 대한 입력(프롬프트)를 만드는 것 정렬 모델이 사용자가 예상한 것과 일치하는 방식으로 입력 프롬프트를 이해하고 답변하는 것 프롬프트 엔지니어링 최적화 1. 직접 요청하기 2. 퓨샷 학습 3. 출력 구조화 4. 페르소나 지정 퓨샷 학습 LLM에 몇 가지 예제를 제공하여 정확하고 일관된 출력을 생성하도록 하는 것 문제의 맥락과 애매한 차이를 이해하는 데 도움을 줌 특정한 어조, 구문 또는 특정 도메인에 특화된 언어를 다룰 때 유용함 명시적인 지시를 제공하지 않고도 LLM에 작업 이해도를 제공하여 더 직관적이고 사용자 친화적인 환경을 만들 수 있음 > 챗봇, 언어 번역 도..
쉽고 빠르게 익히는 실전 LLM - CHAPTER 2. LLM을 이용한 의미 기반 검색 텍스트 임베딩 단어나 구문을 맥락적 의미를 기반으로 다차원 공간에서 기계가 읽을 수 있는 수치 벡터로 표현하는 방법 > 두 구문이 유사하다면, 구문들의 벡터들은 유클리드 거리가 가깝다 텍스트 임베더 단어 또는 구문을 받아 벡터로 변환, 텍스트를 벡터로 표현하는 품질을 결정하기 때문에 중요 > 클로즈드 소스인 OpenAI의 임베딩 엔진은 여러 가지 옵션을 제공, 한 번의 API 호출로 모두에 대한 임베딩을 생성할 수 있어 효율적임 > 오픈소스인 트랜스포머 라이브러리의 BERT를 이용한 Bi-encoder는 두 개의 BERT 모델(입력과 출력 텍스트 쌍)을 인코딩하여 각 사이의 의미적 관계를 포착함 벡터 다시 텍스트로 되돌릴 수 없지만, 인코딩된 상태에서 점수를 비교할 수 있는 텍스트의 새로운 표현법 의미 ..
쉽고 빠르게 익히는 실전 LLM - CHAPTER 1. LLM이란 LLM (대규모 언어 모델) 트랜스포머 아키텍처에서 파생된 AI 모델 사람의 언어, 코드 등을 이해하고 생성하기 위해 설계됨 의료 산업의 전자 의무 기록(EMR)처리, 임상시험 매칭, 신약 발견, 사기 탐지, 감정 분석, 트레이딩 전략 등에 사용 임베딩 텍스트를 기계가 읽을 수 있도록 변환 고차원 공간에서 단어, 구절, 또는 토큰의 수학적 표현 토큰화 텍스트를 가장 작은 이해 단위인 토큰으로 분해하는 과정 토큰들은 의미를 가진 정보 조각으로 어텐션 계산에 입력으로 사용됨 토큰 > 초기 임베딩 > 어텐션 계산 셀프 어텐션 시퀀스 내 각 단어가 다른 모든 단어에 '주의를 기울이게' 하여 단어 간 장거리 종속성과 문맥 관계를 포착 어텐션 이전에는 대부분의 신경망이 모든 입력을 동등하게 처리하고, 예측을 위해 ..
UX 기획자 성장일지: 전략과 전술/목적과 목표 - 05 목적은 방향, 비전, 성취하고 싶은 결과 목표는 목적을 실현하기 위한 정량적 지표 전략은 목적 달성을 위한 방향성 수립 전술은 목적을 성취하기 위해 계획된 행동이나 수단 What = 전략 = 목적 How = 전술 = 목표 UX 공부를 하고 혼자 포트폴리오를 만들며 당연하게 사용했던 인터뷰 목적, 설문조사 목표, UX 전략 등의 단어가 실제 실무에서는 훨씬 더 중요하고 제대로 사용해야겠다 느꼈다

티스토리툴바