skala 검색 결과

해당 글 34건

하이퍼 파라미터 튜닝(RandomSearch CV)

하이퍼 파라미터모델 학습 전에 사용자가 직접 설정해주는 파라미터들EX)결정 트리의 max_depthKNN의 k신경망의 learning rate, batch size, epoch 등 튜닝?? 이러한 하이퍼 파라미터들을 바꿔보면서 가장 좋은 성능이 나오게 조정하는 작업 왜 중요한가??모델 성능 극대화 -> 튜닝을 잘하면 정확도, 정밀도, F1-score 등이 눈에 띄게 향상될 수 있다.과적합 / 과소적합 방지 -> 적절한 튜닝은 모델의 일반화 성능을 높여줘, 오버피팅이나 언더피팅을 줄일 수 있음최적의 모델 선정 -> 동일한 알고리즘이라도 하이퍼 파라미터에 따라 성능 차이가 크기 때문에 중요함 하이퍼 파라미터의 종류모델 관련 하이퍼 파라미터예 : max_depth, n_estimators, C, gamma 등..
SKALA/AI 2025. 4. 25. 17:22

AutoGen

AutoGen은 Microsoft에서 개발한 도구로, LLM(대형 언어 모델) 기반 에이전트들이 서로 대화하며 협업할 수 있도록 설계된 오픈소스 프레임워크이다. 주요 목적은 복잡한 태스크를 여러 LLM Agent가 나누어 처리하고 자동화하는 것이고, 필요 시 사람도 그 사이에 들어올 수 있다.Agent??역할(Role), 목표(Objective), 행동 방식(Function Call, Message Passing)을 가진 하나의 독립된 지능 유닛AutoGen에서는 Agent들이 서로 대화하고 의견을 교환하면서 문제 해결을 유도유저가 문제를 제시하면,AssistantAgent가 계획을 짜고,CodeAgent가 코드를 짜고,CriticAgent가 검토하고,다시 Assistant가 수정하는 루프 진행심지어 A..
SKALA/AI 2025. 4. 24. 15:56

Cross Validation

Cross Validation모델을 훈련시키고 테스트할 때, 그냥 데이터를 훈련용(train)과 테스트용(test)로 한 번만 나누기만 하면, 운 좋게 쉬운 데이터가 테스트에 들어가서 성능이 과하게 높게 나올 수 있다그래서 데이터를 여러 번 나누고, 여러 번 평가해서 평균을 내는 방식으로 진짜 성능을 알아 볼 수 있다.LOOCVLOOCV, 하나만 빼 !!Leave - One - Out Cross Validation단 하나의 샘플만 Validation set으로 사용데이터셋이 작은 규모인 경우 고려장점데이터 손실이 거의 없음 ( 학습에 거의 모든 샘플을 사용)단점계산량이 크다과적합에 민감하다-> 거의 안 쓴다고 한다K-Fold Cross Validation전체 데이터를 K개의 fold로 균등하게 나눈 뒤각..
SKALA/AI 2025. 4. 23. 19:54

Graph RAG

기존 RAG의 한계를 극복하기 위해 Graph RAG라는 것이 고안되었다.지식그래프기반의 RAG로 일반적인 벡터검색을 기반한 RAG보다 엔티티간의 관계를 따라 가다보면 더 정확하고 상세한 답변에 도달 할 수 있다. 지식그래프 개체, 사건 또는 개념과 같은 실체에 대한 상호 연결된 설명 모음을 뜻함 Graph RAG vs 일반 Vector RAG일반 RAG 특징Dense retriever (예: FAISS, BM25 등)을 통해 관련 문서를 가져옴선택된 문서를 LLM에게 전달하여 답변 생성문서 간 관계를 고려하지 않음 (독립적 정보 취급)Graph RAG 특징문서 간 개체(entity), 개념(concept), 관계(relationship)를 추출해 Knowledge Graph를 구성LLM은 단순한 문서 ..
SKALA/AI 2025. 4. 22. 19:55

앙상블(Ensemble)

여러 개의 Weak Model을 조합/결합하여 최적의 모델을 만드는 것특징단일 모델의 약점을 다수의 모델들을 결합하여 보완성능이 떨어지더라도 서로 다른 유형의 모델을 섞는 것이 오히려 전체 성능에 도움이 될 수 있음Decision Tree의 단점인 과적합(Overfitting)은 여러 모델을 결합하고 보완하여, 알고리즘 자체의 장점인 직관적인 분류를 강화할 수 있음※ 과적합 : 모델이 훈련 데이터에는 너무 잘 맞지만, 새로운 데이터(테스트 데이터)에는 성능이 떨어지는 현상 앙상블에는 Base Ensemble, Meta Ensemble이 존재한다Base Ensemble에는 Voting, Bagging, Boosting 이렇게 3가지가 존재한다Base Ensemble여러 개의 개별 모델들의 예측을 직접적으로..
SKALA/AI 2025. 4. 21. 16:17

CloudFront + S3, https 붙이기

WebRTC 프로젝트 중 계속 https 연결이 아니면 안되는 상황이 너무 많이 발생했다.그렇기에 계속 로컬에서 어떻게든 붙이면서 하려 했는데 그래도 인증되지 않은 인증서라니, 안된다고 계속 에러나와서가장 정석적인 방법으로 프론트, 서버 모두 https 를 붙여서 진행할 예정이다.기존 S3 버킷에 정적 호스팅은 되어 있으니 그냥 해당 프로젝트의 프론트를 붙이고 CloudFront만 붙이면된다.그리고 난 도메인도 안쓸꺼니 AWS에서 인증서 발급도 필요없다. 그냥 CloudFront 기본 주소를 사용하면된다.CloudFront??CloudFront클라우드프론트는 개발자 친화적 환경에서 짧은 지연 시간과 빠른 전송 속도로 데이터, 동영상, 애플리케이션 및 API를 전세계 고객에게 안전하게 전송하는 고속 콘텐츠..
SKALA/Cloud 2025. 4. 18. 22:02

로컬 환경에서 Https 붙이기 (Window)

WebRTC로 서로 테스트를 하고 싶은데 http 연결에는 카메라와 클립보드 복사가 안되는 등 제약사항이 너무 많아서 빠른 테스트를 위해 로컬에 https를 붙이는 법을 연구중이다1. SSL 인증서 생성자체 서명된 SSL 인증서를 생성해야 한다# mkcert 설치 (Windows의 경우)choco install mkcert# 로컬 CA 생성mkcert -install# IP 주소용 인증서 생성 (여기서 본인의 IP 주소를 넣으세요)mkcert 192.168.1.x localhost 127.0.0.1 이 명령은 192.168.1.x-key.pem과 192.168.1.x.pem 파일을 생성한다2. Vue-Cli 사용시vue.config.js 파일을 아래와 같이 수정해준다const fs = require('f..
SKALA/Front-end 2025. 4. 17. 18:42