CS 182: Lecture 1, Part 1: Introduction

이전에 구글 developers에서 제공하는 ML Crash Course를 정독한적이 있고, 현재는 LLM 교육을 수강하고 있지만 실제로 개발을 하지 않아서 그런가 AI 지식이 날이갈수록 잊혀져 가고 있습니다.

저는 LLM도 결국 AI에 포함되는, 지나가는 하나의 패러다임이라고 생각하기 때문에, 그 다음 AI 패러다임을 대비하기 위해 AI 자체의 지식이 어느정도는 필요하다고 판단했습니다. langchain, langraph 등 활용하는 방법 말구요.

 

그러던 와중에 LLM 교육에서 알게된 데이터 사이언티스트 한 분이, 제가 MLOps와 AI 근본적인 지식에 관심이 있다고 말씀드리자 CS182 강의를 추천해주셨습니다. 추천해주신 이유는 적당한 깊이로 넓은 범위의 지식을 얻을 수 있기 때문이라고 받아들였습니다.

https://cs182sp21.github.io/

 

공식 사이트에는 강의자료만 있어서 유튜브에 검색해봤는데 2021년 강의가 있어 그것을 수강하기로 결정했고, 66강으로 꽤 많지만 시간이 오래걸리더라도 틈틈히 완강 할 계획입니다.

유튜브 동영상 1개마다 글을 쓸건데, 단순히 강의 안에 있는 지식을 작성하기보다는 제 생각과 의견을 많이 덧붙일 예정입니다.

그래야 기억에 오래 남고 더 많은 생각을 할 수 있을거같네요.

 

1강만 우선 들어봤는데.. 내용이 매우 흥미로웠습니다.

갑자기 번역 모델에 대한 예시를 설명하는데, 결론은 아래와 같습니다.

 

A 언어 문장을 B 언어 문장으로 번역을 할 때 A 언어 to B 언어 한 쌍 매칭하는게 중요한게 아니다.

언어와 관계 없이 A 언어로 된 문장에 대한 생각(thought)을 알 수만 있다면, 그 생각(thought)을 B언어로 바꾸면 된다.

그렇다면 A to B 매칭 시킬 필요가 없다.

여기서 이 "생각"은 representations 이고, 딥러닝은 데이터의 representations를 자동으로 학습할 수 있다.

 

언어는 껍데기이고 언어를 나타내는 어떤 중간 매개체를 사용한다는거같습니다.

백엔드로 치면.. 인터페이스를 만들어서 추상화를 하여 layer간 의존성을 낮추는거와 비슷하다고 느껴지네요.

역시 만류귀종인가 싶기도 합니다.

 

첫 강부터 흥미로운데.. 추천해주신 분께 듣기로는 난이도가 쉽지는 않다고 하셔서 걱정이 좀 됩니다만 일단 도전 해보려고 합니다.