Velopers
모든 블로그
데이블

데이블

도메인dabletech.oopy.io
주요 카테고리 AI · Frontend · Else

활동 요약

대표 인기 포스트언어 모델의 Fine-Tuning 성능 올리기0 조회
최근 30일
0개
평균 조회
0
누적 조회
0
전체 글
10개
마지막 발행
2024. 7. 15.
블로그 방문

최신 게시글 (10)

2024년 7월 15일

AI

언어 모델의 Fine-Tuning 성능 올리기

언어 모델의 fine-tuning 성능을 높이는 LoRA, TAPT, DAPT, Adversarial Training을 소개했습니다. 대규모 전체 학습보다 비용과 효율을 고려한 적용 방향을 정리했습니다.

#LLM#fine-tuning#LoRA
000

2024년 7월 9일

AI

Bid Shading이란?

1등 가격 경매 환경에서 DSP가 경쟁 입찰가를 추정해 입찰가를 낮추는 Bid Shading 개념과 방법을 설명했습니다. 오프라인과 온라인 실험에서 잉여와 순이익 개선 가능성을 확인했습니다.

#ML#KDD#GCP
000

2024년 5월 16일

프론트엔드

Biome: 차세대 JS Linter와 Formatter

Biome은 JavaScript와 TypeScript를 위한 빠른 포매터·린터 통합 도구를 소개했습니다. 설정 단순화와 속도 향상이 장점이지만, 아직 지원 언어와 레퍼런스는 제한적입니다.

#Biome#JavaScript#TypeScript
000

2024년 5월 16일

AI

딥러닝 추천 모델에 인과추론 접목시켜 전환율 예측 성능을 향상시키자!

추천시스템에서 상관관계만 학습할 때 생기는 편향과 누락 문제를 인과추론 관점에서 설명했습니다. 전환율 예측에서는 MTL과 IPW, DR을 결합한 방법으로 성능을 높이는 흐름을 소개했습니다.

#ML#추천시스템#인과추론
000

2024년 5월 14일

프론트엔드

리액트 19 신규 기능 및 개선 사항

리액트 19의 신규 기능과 개선 사항을 Actions, use API, 서버 컴포넌트 중심으로 정리했습니다. 또한 메타데이터, 스타일시트, 스크립트, 자원 preloading 등 운영상 개선점도 함께 소개했습니다.

#React#SSR#CSR
000

2024년 5월 6일

AI

SHAP

SHAP의 기반인 Shapley Value를 예시와 수식으로 풀어 설명했습니다. 모델 예측을 특징별 기여도로 나누는 원리와 계산 시 주의점도 정리했습니다.

#SHAP#Shapley Value#Machine Learning
000

2024년 5월 4일

AI

머신러닝으로 만드는 개인화 추천 시스템

머신러닝으로 개인화 추천 시스템을 설계하는 기본 흐름을 설명했습니다. 실험 환경에서 학습하고 배포 환경에서 pCTR과 CPM으로 광고를 선택하는 구조를 정리했습니다.

#ML#추천 시스템#calibration
000

2023년 6월 18일

AI

Bayes Theorem

베이즈 정리의 기본 개념을 조건부 확률에서부터 차근차근 설명했습니다. 동전 던지기 예시와 수치해석, MCMC, PyMC로 사후분포를 추정하는 과정을 다뤘습니다.

#Bayes Theorem#Python#PyMC
000

2022년 9월 6일

기타

자, 이제부터 이 글을 보는 순간 Git이 쉬워집니다? - 원리로 알아보는 Git의 기초

Git을 관찰자 비유로 풀어내며 init, add, commit, branch, HEAD의 흐름을 설명했습니다.원리 이해가 Git 활용과 문제 해결의 핵심이며, 실습 사례도 함께 소개했습니다.

#Git#branch#commit
000

2022년 4월 25일

아키텍처

더 나은 객체지향 개발을 위한 아이디어: 관심사의 분리부터 제어의 역전까지

관심사의 분리와 의존성 주입, 제어의 역전으로 좋은 코드의 의미를 설명했습니다. 프레임워크가 의존성을 관리하면 협업과 변경 대응이 쉬워진다고 정리했습니다.

#객체지향#의존성 주입#제어의 역전
000