AWS Flash - Unleashing Innovation: The Generative AI Revolution (Korean)

Amazon Web Services and Amazon via AWS Skill Builder

Overview

우리는 인간이 만든 것과 기계가 만든 것 사이의 경계가 점점 모호해지는 사회에 살고 있습니다. 생성형 AI는 기술을 창출하고, 설계하고, 상호 작용하는 방식에 있어 전환점이 되었습니다. 그러나 어떻게 작동하고, 참신함 이외의 이점은 무엇이며, 위험은 무엇입니까?

생성형 AI가 간단 명료하고 이해하기 쉬운 방식으로 작동하는 방법과 이 기술을 독립 실행형 도구로 사용하거나 협업 파트너십을 통해 사용하여 혁신과 변화를 책임감 있게 추진하는 방법을 쉽게 이해할 수 있도록 하는 소개에 참여하십시오.

과정 수준: 기초
소요 시간: 2시간

참고: 이 과정은 Google Chrome(최신 주요 버전 2개), Microsoft Edge(최신 주요 버전 2개), Safari(최신 주요 버전 2개)에 최적화되어 있습니다.

활동

이 교육 과정에는 실제 사례를 기반으로 하는 프레젠테이션과 사용 사례 및 데모가 포함됩니다.

과정 목표

이 세션이 끝나면 수강자는 다음을 수행할 수 있습니다.

인공 지능, 기계 학습, 3가지 유형의 기계 학습을 정의합니다.
기계 학습 알고리즘에서 기계 학습 모델을 학습하고 이후에 출력하는 방법을 설명합니다.
기존 기계 학습 알고리즘과 딥 러닝 알고리즘의 차이점을 이해합니다.
인공 신경망이 작동하는 방법을 설명합니다.
차별적(예측) AI와 생성형 AI의 차이점을 이해합니다.
텍스트 생성을 위해 대규모 언어 모델(LLM)을 훈련하고 사용하는 방법을 설명합니다.
파운데이션 모델(FM)의 목적과 중요성, 프롬프트 엔지니어링과 미세 조정을 사용하여 FM을 사용자 지정하는 방법을 이해합니다.
이미지 생성을 위해 확산 모델을 훈련하고 사용하는 방법을 설명합니다.
생성형 AI의 실제 적용을 설명합니다.
생성형 AI의 책임감 있고 포괄적인 사용과 관련된 문제를 식별합니다.

수강 대상

이 과정의 수강 대상은 다음과 같습니다.

기술 애호가가 아닌 사용자
기술 애호가
의사결정권자

사전 요구 사항

없음

과정 개요

1. 소개

이 섹션에서는 인공 지능 및 기계 학습 환경의 현재 상태에 대한 전반적인 컨텍스트를 제공합니다. 인공 지능 정의와 관련된 기본 사항에서 시작하여 기계 학습과 기계 학습의 3가지 주요 유형인 지도 학습, 비지도 학습, 강화 학습(RL)에 대해 자세히 살펴봅니다. 이러한 기본 사항을 통해 인공 지능과 기계 학습에서 실제로 학습할 수 있는 방법에 대해 높은 수준의 논의가 있으며, 이는 생성형 AI를 지지하는 기술인 딥 러닝과 인공 신경망에 대한 포괄적인 내용으로 이어집니다.

인공 지능이란?
기계 학습이란?

지도 학습

비지도 학습

강화 학습(RL)

기계 학습은 어떻게 학습합니까?
딥 러닝이란?

인공 신경망

차별적 AI

2. 생성형 AI

이 섹션에서는 가장 인기 있고 잘 알려진 두 가지 형태의 생성형 AI, 즉 텍스트 생성 및 자연어 처리, 이미지 생성 및 확산 모델에 대해 자세히 살펴봅니다.

텍스트 생성 및 자연어 처리

텍스트 생성 및 자연어 처리의 초석은 대규모 언어 모델(LLM)입니다. LLM이란 무엇이며, 특히 트랜스포머 아키텍처를 중심으로 텍스트 중심 문제를 해결하는 데 있어 이러한 모델이 기존의 기계 학습 접근 방식보다 더 발전되고 효과적인 방법에 대해 심층적으로 살펴봅니다. 그런 다음, 이러한 기능이 작동하고 고유한 데이터를 활용하여 실제 사용 사례를 처리하도록 개발할 수 있는 방법을 설명합니다. 다음으로, 파운데이션 모델(FM)을 다루는 모듈의 마지막 부분으로 이어집니다. 이러한 모델은 조직에서 사전 훈련된 고성능 LLM에 액세스하여 생성형 AI를 사용하는 데 드는 진입 비용을 크게 낮춥니다.

대규모 언어 모델이란?
과거 접근 방식과 어떻게 다릅니까?
트랜스포머 아키텍처
조건부 텍스트 생성
대규모 언어 모델(LLM) 개발
데모: Amazon SageMaker JumpStart를 사용하는 파운데이션 모델
이미지 생성 및 확산 모델

동적 이미지 생성 및 합성은 특히 이 섹션의 초점인 확산 기반 모델을 도입하면서 지난 몇 년 동안 상당한 발전을 이루었습니다. 확산 모델의 작동 방식에 대해 설명하고, 이를 어떻게 훈련해야 기본적인 이미지 생성은 물론, 사용자가 제공하는 프롬프트에 따라 이미지를 생성함으로써 생성되는 이미지 유형을 유도할 수 있는지 설명합니다.

확산 모델
확산 모델 훈련
효과적인 확산 모델
노이즈 예측 및 제거 개선
잠재 공간
텍스트 상태 조정
텍스트-이미지 합성
데모: Amazon SageMaker JumpStart를 사용하는 Stable Diffusion

3. 생성형 AI의 실제 사용

생성형 AI는 소비자 대면 애플리케이션을 통해 널리 주목을 받고 있지만 조직이 얻을 수 있는 실질적인 이점은 비즈니스 대면 애플리케이션을 통해 얻을 수 있습니다. 기존 AI 접근 방식은 한동안 사용할 수 있었지만, 생성형 AI는 이러한 기존 접근 방식으로는 불가능했던 새로운 가능성의 물결을 불러옵니다. 이 섹션에서는 조직을 위한 생성형 AI의 실제 사용 사례 중 일부를 설명합니다.