아카이브 방법

ChatGPT로 직무 설명 및 면접 질문을 작성하는 방법

에 의해 그레고리 엘리아스 | 5월 4, 2023 | 엔터프라이즈 AI, 방법, LLM / NLP, 프롬프트 엔지니어링

ChatGPT로 직무 설명 및 면접 질문을 작성하는 방법 경쟁이 치열한 HR 업계에서 적합한 인재를 찾는 것은 어려운 일이 될 수 있습니다. 고급 AI 언어 모델인 ChatGPT는 채용 프로세스를 간소화하고 후보자의 역량을 향상시키는 데 도움이 될 수 있습니다.

ChatGPT로 자기소개서 작성하는 방법

에 의해 그레고리 엘리아스 | 5월 2, 2023 | 방법, 프롬프트 엔지니어링

ChatGPT로 자기소개서를 작성하는 방법 이 가이드에서는 ChatGPT를 사용하여 개인화된 자기소개서를 작성하는 과정을 간략하게 설명합니다. 지원하려는 회사와 직무에 대한 구체적인 정보를 입력하면 ChatGPT를 통해 맞춤화된 자기소개서를 생성할 수 있습니다.

튜토리얼: 처음부터 스페인어용 ELECTRA를 사전 교육하는 방법

에 의해 그레고리 엘리아스 | 12월 29, 2020 | 엔터프라이즈 AI, 방법, LLM / NLP

튜토리얼: 처음부터 스페인어로 ELECTRA를 사전 훈련하는 방법 Skim AI의 머신러닝 연구원 크리스 트란이 처음 게시했습니다. 소개 이 글에서는 Transformer 사전 학습 방법 제품군의 또 다른 구성원인 ELECTRA를 사전 학습하는 방법에 대해 설명합니다.

튜토리얼: 네임드 엔티티 인식(NER)을 위해 BERT를 미세 조정하는 방법

에 의해 그레고리 엘리아스 | 12월 28, 2020 | 엔터프라이즈 AI, 방법, LLM / NLP

튜토리얼: NER을 위해 BERT를 미세 조정하는 방법 Skim AI의 머신 러닝 연구원 Chris Tran이 처음 게시했습니다. 소개 이 문서에서는 네임드 엔티티 인식(NER)을 위해 BERT를 미세 조정하는 방법에 대해 설명합니다. 특히, BERT 변형인 SpanBERTa를 훈련하는 방법에 대해 설명합니다.

튜토리얼: 추출 요약에 맞게 BERT를 미세 조정하는 방법

에 의해 그레고리 엘리아스 | 12월 28, 2020 | 엔터프라이즈 AI, 방법, LLM / NLP

튜토리얼: 추출 요약화를 위해 BERT를 미세 조정하는 방법 작성자: Skim AI의 머신러닝 연구원 Chris Tran 1. 서론 요약화는 자연어 처리 분야에서 오랫동안 어려운 과제였습니다. 짧은 버전을 생성하려면 ...

자연어 생성 및 비즈니스 애플리케이션

에 의해 그레고리 엘리아스 | 7월 27, 2020 | LLM / NLP, 프로젝트 관리

자연어 생성과 비즈니스 애플리케이션 자연어 생성(NLG) AI 작성자와 로봇 생성 뉴스에 대한 지속적인 탐구로, 이러한 알고리즘을 구동하는 몇 가지 기술을 살펴볼 가치가 있습니다. 생성하도록 설계된 AI는...

튜토리얼: 스페인어용 RoBERTa 언어 모델 훈련 방법

에 의해 그레고리 엘리아스 | 4월 29, 2020 | 방법, LLM / NLP

SpanBERTa: RoBERTa 언어 모델을 처음부터 스페인어에 맞게 훈련한 방법 원래 게시글은 Skim AI의 머신러닝 연구 인턴, Chris Tran이 작성했습니다. spanberta_pretraining_bert_from_scratch 소개¶ 트랜스포머 모델을 사용한 자가 학습 방법...

튜토리얼: 감정 분석을 위한 BERT 미세 조정하기

에 의해 그레고리 엘리아스 | 4월 15, 2020 | 방법, LLM / NLP

튜토리얼: 감정 분석을 위한 BERT 미세 조정하기 Skim AI의 머신러닝 연구원 Chris Tran이 처음 게시했습니다. BERT_for_Sentiment_Analysis A - 소개¶ 최근 몇 년 동안 NLP 커뮤니티는 자연어 처리 분야에서 많은 돌파구를 찾았습니다.

머신 러닝 프로젝트를 시작하기 전에 물어봐야 할 10가지 질문

에 의해 그레고리 엘리아스 | 3월 20, 2020 | 엔터프라이즈 AI, LLM / NLP, 프로젝트 관리

머신 러닝 프로젝트를 시작하기 전에 물어봐야 할 10가지 질문 801TP3조 이상의 데이터 과학 프로젝트가 테스트를 넘어 프로덕션 단계로 넘어가지 못합니다. 모두가 머신 러닝 프로젝트를 시작한다면 어디에서 문제가 발생하고 있을까요? 의심할 여지 없이 ML 솔루션은 효율성을 높여줍니다...