data science -> statistics -> math & coding (old definition)
ai, machine learning
major data science -> machine learning -> 1. apply 2. devep
6월 마저 하던가하고 리엑트랑 노드 js 백앤드 지식을 어느정도 알면
1주차 파이썬 문법, numpu
2주차 판다스랑, linear,
3주차 logistice, sql, non sql
5개가 있는데 아마 4개는 최소하지 않을까
8월 1주차까진.. 8월1주차
7월은 기초 데싸 , numpy, pandas , sql,non sql (db) , -> linear ,logistice
제가 봤을때는 전부 힘들거에요 ,근데 기초까지 하면 학기중에 만약에 프로젝트상 할게이으면 보류를하ㅗ 만약에 애들 개발이 느려서 교육/ 공부할 기간있따면 -> 마저 하는것도 좋을거가탕요 ai machinelearning bfs ,dfs , deeplearning Artificial intelligence Open Ai chatgpt bard . machine learning -> 기존에 있는 데이터를 학습하고 분석한후 -> 기초 데이터 사이언스 -> 없는 데이터 인풋
10 살 몸무게 30키로
13살 몸ㅁ게 45키로
14살 몸무게가 48키로
15살 몸ㅁ묵가 52키로
11살 12살
y= 30+5(x-10) , prediction function -> linear function, logistic function
11살은 35kg
1. 그럼에도 일차함수로는 -> 선형대수학
matrix y = 2x +3 y=5 x=1
y= 2x+1 y =5 x=2
y=5 x= 1.5? y->4.5
둘다 만족할수없지만 오차가 적게
인풋이 100개 200개,
일차함수 기준을 Input output error rate 총합->ㅅ씨그마
가 최소로 나오게하는방 ->선형대수학 좀더 깊게 파면
classification 이사람이 남자인지 여자인지
동물인지 식
deep learning 그냥 데이터를 뒤지게 떄려넣어서 거기서 찾아내는방식
인공 신경망 neural network layer 1 (남자 인가 여자인가) 2 (재산이 10억이 넘ㅁ는가 안넘는가), 3 (이사람이 스포츠카를 선호하나 아니면 suv섢한), 4,5 ,
한 고객이 자동차를 사고싶다 CNN -> 이거의 발전형 우리가 쓰는 chatgpt,
1. datascience -> prediction -> machine learning -> 필수일거같고
2. deeplearning -> openai -> closed llm chatgpt ->우리가 개발하는게아니요
Api 챗지핕 회사에 외주느낌으로 의탁해서 쓰는건데
제가 거기 api이용해서 제가 원하는 코딩또는 지피티 연결해서
서비스를 이용하는거 -> Assistant API
-> 첫번쨰 샘올트만 갑자기 오픈에이 제공안할게요
가격 따따블하게요 바이 꼬우면 아시 (의존성이 많이강하다)
그리고 오픈에이서버가 맛이갔어
우리서버면 서버곤리자 빨리빨리해 라고함ㄴ되는데
얘는 우리가 샘올트만을 혼낼수없어서..
위에는 큰단점이 현실적으로 거의없으니까
저장하는곳이 저희 로컬 서버컴퓨터 가아니라
오픈에이아이 저장되다는거라
물론 얘네들이 보지않겟지만
의료쪽이라던가 이론쪽은 환자정보 절대 안되겟죠
1. 공용으로 나와있는 의료정보, 위키피디아
장점: 구현하기 정말쉽다, 관리하기 어렵지ㅏ않다,
그래픽카드가 필요없다, 맥북으로 도 다할수있다
단점: 법률적 중요한정보, 서버 가 터지면 할수있는게없다
open llm llama3, kespa
장점: 인터넷이 없어도된다, 그리고 개인정보 회사정보 상관잉벗다, 서버는 우리가 권
+ 파라미터 직접 수정하고 직접 넣어주
의료쪽분야 의료쪽분야 파라미터를 쭉 (datascience )
모아서 훈련시켜주면되는데
의료한정chatgpt 5보다 더좋은거죠
(파인튜닝 )
를 7b파라미터갯수인데,
3. artificial intellgicne -> 게임개발쪽이나 아니면 다른 뭐
-> 이거는 대학교가서 교수님한테 (대학교 너무 잘디있어ㅓ)