- 행사는 1시부터 시작하지만, 등록은 12시부터 시작합니다. 신청자가 등록하는 데 한번에 몰리면 혼잡할 수 있으니 일찍오셔서 행사에 참여를 준비해주시면 감사드리겠습니다.

- 3시에 가벼운 간식(샌드위치)이 준비될 예정입니다!

명함을 챙겨오시거나, 링크드인을 미리 가입/업데이트 해두신다면 네트워킹의 효과가 극대화됩니다!

추후 블로깅까지 한다면, 여러분들이 시간내어 참석한 행사의 가치를 더욱 높이는 행위가 됩니다!

익명으로 작성하시면 안되고, 가입/로그인 하고 작성하셔야 이름이 남습니다! 최종 발표 및 연락은 디스코드를 통해 진행하겠습니다!

여러분께서 궁금하신 사항을 올려주시면 AMA 시간에 답변해드리겠습니다!

예) 데이터 분석 직무로 취업하고 싶은데 어떻게 해야 하나요?

머신러닝 엔지니어가 되고 싶은데 어떻게 해야 하나요?

오늘 박상호님 발표에서 ~~이 궁금합니다.

실습 내용이나 Hugging Face KREW 활동 등 핸즈온 세션과 관련하여 궁금한 점이 있다면 글을 작성해주세요!

🤗 Hugging Face Inference Endpoints를 활용해 Hub 내 모델들을 호스팅하고, 오픈 모델을 기반으로 End-to-End RAG 파이프라인을 구현합니다. 호스팅한 모델을 사용해서 기초가 되는 Naive RAG 부터, 최신 논문 기반의 Advanced RAG Hands-on 워크샵을 진행합니다!

Ex) 찬란님 발표에서 ~~이 궁금합니다.

찬란님 고생하셨습니다.

Ex) 화장실은 어디인가요?

등록 절차는 어떻게 되나요?

접속 후 Event attendee code (8자리 숫자만 입력)

Code : 06100617

참여방법

1. 입구에서 받은 안내종이에 있는 빙고 큐알코드로 가짜연 사이트 접속

2. 우측 상단 탭에서 빙고 탭 클릭

3. 네트워킹을 위한 닉네임 및 항목 설정

4. 돌아다니며 빙고 채우기!

단어 보내는 방법

1. 상대방의 닉네임을 하단 입력창에 작성

2. 내 단어 보내기 클릭

3. 상대방이 빙고판 갱신 버튼 클릭

참고

• 닉네임을 입력하면 상대방 빙고판이 갱신됩니다!

• 빙고판을 채우기 위해선 나의 닉네임을 다른 사람들이 입력해야 합니다!

• 각 부스에 참여해야 받을 수 있는 빙고단어가 존재하니, 부스에 참여하여 채워보세요!

• 여러 사람들과 네트워킹하며 빙고2줄을 채워보세요 😉

게임 캐릭터 스티커, 팬, 메모장, 손풍기

가짜연구소 후드

구글 캠핑 의자

HP × nvidia 백팩

빙고 2줄이상 완성하면 추첨을 통해 드립니다~

1) 저걸 기업에서 도입해서 튜닝해서 API로 서비스를 만들고자 할 때는, 어느 정도의 최소 사양이 필요한지 궁금합니다. 파라미터 수에 따라 사양이 요구되는 부분도 달라지는 걸로 기억해서요.

2) OnDevice면, 모델 정확도를 좋게 하면서 경량화를 시키는게 중요할텐데, batch size를 줄이든, 컴퓨터과학적으로, 수학적으로 최적화하는 기법도 있을거고, 메모리 사용을 최소화하려면 병렬 컴퓨팅까지 필수인걸로 생각이 듭니다. 어떻게 On-device가 되도록 했는지 궁금합니다.

3) 인간의 언어라는게, 억양이랑 사투리가 있을수도 있을텐데요. 곧 나올 회의 언어 통역 및 요약 기능에서, 억양이랑 사투리 역시도 잘 고려해서 요약하고 해석을 해 주는지 궁금합니다!

4) 생성형 영상이면 Adversial Attack하고도 관련이 있을 거 같아요! 판별기가 생성한 이미지, 영상을 진짜라고 인식해야 할 거 같아서요!

5) 구글 서치에 ai overview 말씀을 하셨는데요, 어려운 질문 질의도 잘 알려준다 하면 단어 간 임베딩값에 우선순위가 존재하는걸까요? 유사한 내용을 알려줄려면 코사인 유사도 같은 개념들이 잘 적용될 거 같기도 느껴졌습니다.

부스에 앞서, 깃허브 스타⭐ 하나씩 부탁드립니다! 1K가 코앞이예요.

RAG에 푹 빠져있는 개발자이신가요? RAG를 해보고 싶은데 시도해보지 못하셨나요? 혹은 오늘을 계기로 RAG에 입문하기로 결정하셨나요? 이런 분들 모두 AutoRAG가 필요할 것입니다!

AutoRAG는 복잡하고 많은 RAG 모듈들 중에서 최적의 조합을 찾아주는 RAG를 위한 AutoML 툴입니다.

오늘 부스에 방문하시면, AutoRAG를 직접 써보실 수 있습니다! AutoRAG 개발자들이 총출동했으니, 관심 있다면 많은 방문 부탁드립니다!

2) MLOps 실전 가이드에 보니 개선이라는 뜻을 가진 일본어 Kaizen에서 유래된 KaizenML이라고 있고, 아마존 클라우드 SageMaker 사례가 나왔더라구요. 머신러닝 전반을 자동화한다는 점이 정말 놀라웟었습니다.

3) SecOps 쪽 주요 기능들이 많이 궁금합니다. 아까 이상행동 탐지를 말씀하셨는데, 아마존에 관련 기능이 어떻게 작동하는지 너무 궁금합니다.

예) 19세기 나폴레옹 전쟁 시기 프랑스군 장교

예) 1차 세계대전 당시 독일군 병사

2) BlORA는 특정 프롬포트에 따라 가중치가 달라지는걸까요? 이쪽을 더 깊이 파보고 싶습니다.

3) 피처 distance는 유클리디안 거리 기준으로 distance를 구하는 걸까요?

1) 혹시 평가 메트릭은 어떻게 작동하나요? Judge-LLM을 사용했나요 혹은 사람이 채점한 것인가요?

2) 사람이 채점하는 평가 메트릭이 아니라면, 해당 메트릭에 대한 human correlation은 얼마 정도 나오나요?

저 역시도 멀티모달에 관심이 있고, bing 검색 + 이미지, 텍스트 챗봇 개념을 생각을 해 두고 있는데요. 이번 리트리벌과 생성 모델 양 쪽에 대한 비교와 생성 모델에 필요성(이전 문맥을 고려하는 점)에 대해 많은 insight를 느꼈습니다.

1) 혹시 하이퍼파라미터를 비롯한 모델을 튜닝하는 데 있어 어려웠던 과정이 없었는지 궁금합니다.

2) 멀티턴에서 이미지 훈련하는 과정이 더 궁금해집니다. 아까 리트리벌인 경우에는 (캡션, 이미지) 정보 쌍으로 넣으신 것 같은데요. 이미지 패턴은 어떻게 인식하고, 그 이미지를 어떻게 프롬포트를 내놓는지도 궁금하기도 합니다.

사람들이 필요로 하는 편리한 라이브러리를 만들어보고 싶습니다!

아까 skin texture를 이미지 분류 시 많이 본다고 하셨는데요,

그러면 좋은 이미지를 분류하는데 있어서

1데이터 섞기 + 다른 스타일 섞기(글씨도 악필부터 시작해서 진짜 잘 쓴 데이터 섞기) -> diffInject으로 해결해보는 접근법이 좋을까요?

물리학적인 접근방법에도 관심이 많은 컴공 학부 전공했던 사람입니다.

엔트로피를 제어하는데 있어서 강화학습을 활용한다는 점이 의미깊었습니다.

혹시 GPRM이라는게 경사최적화(손실함수를 0에 가깝게 만드는 것. Global minima로 가게 하는 것)과 관련이 있을까요?

Multi-query retriever는 사용자의 불친절한 질문에 대응할 수 있어서 유용해 보이는데요, 어떻게 LLM이 '트랜스포머란?'이라는 질문에서 다른 트랜스포머가 아닌 모델 아키텍처 트랜스포머에 관련된 질문을 하게 되는지 궁금합니다. 쿼리 생성에도 context가 주어지나요?

1. 실제 태양의 경우 중력에 의해 헬륨과 같은 생성물이 중심에 모이는 현상이 있을 것 같은데, 토카막 환경의 경우 중력이 다르다보니 일반적인 확산방정식의 형태로 생성된 원소가 퍼져나갈 것 같기도 하고.. 이런 부분이 현격한 차이를 만들어낼까요?

2. 이 분야의 경우 마코프성질이 있을 것 같은데, LSTM과 같은 모델이 (의외로) 더 나은 성능을 보이는 케이스가 있을까요?

3. NeuralODE로 문제를 풀 때 naive DNN을 사용하지는 않을 것 같은데, 핵융합을 할 때 고려되는 주된 inductive biases는 어떤 것이 있을까요?

text search의 경우 dense한 vector search보다 sparse한 keyword search가 성능이 더 좋기도 한데, image seach의 경우에도 적용할만한 sparse search 기법이 있는지 궁금합니다.

오늘 데모 부스에서 질문이랑 설명 받아주셔서 넘 감사했습니다 :)

오늘 행사 등록할때 포토 부스에서 사진 찍어주신 관계자 분께도 페들렛으로나마 감사인사드려요!

유익한 세션 덕에 궁금한 것 많이 배웠습니다!

첫 슈도콘이었는데, 넘 즐거웠습니다 🥹