이번 포스팅에서는 6개월간 GPT API를 활용한 LLM 서비스를 개발하면서 가장 효과 있었다고 생각한 Prompt Engineering 기법 5개를 소개해볼게요. 지극히 개인적인 의견이고, GPT API에만 적용해본 사실이므로 실제 적용시에 충분한 검증을 진행하고 사용하시는 것을 추천드립니다! 😜1. Analalogical Prompting PromptHub Blog: Using Analogical Prompting to Generate In-Context ExamplesOne of the best ways to optimize your prompts is to add examples. Analogical prompting automates this using LLMs to generate relev..

추천 시스템은 크게 콘텐츠 기반 필터링, 협업 필터링(Collaborative Filtering) 이렇게 두 가지 방법이 있습니다. 이 두 방법을 섞어서 사용하는 하이브리드 방법도 있습니다. 물론 추천 시스템에도 딥러닝 모델을 활용한 방법들도 있지만, 이런 방법들은 추후에 다뤄보도록 하고, 이번에는 가장 핵심적인 방법론인 콘텐츠 기반 필터링, 협업 필터링 이렇게 두 가지 방법에 대해서 설명을 하겠습니다. 콘텐츠 기반 필터링은 고객의 정보, 물건의 정보로 비슷한 고객과 비슷한 물건들을 정의합니다. 이렇게 정의한 이후 비슷한 고객의 행동 패턴을 추천하거나, 고객의 과거 행동 패턴에서 경험한 물건과 비슷한 물건을 추천합니다. 예를 들어 보면, 그림과 같이 부산에 사는 30살의 여성인 고객 A, 김해에 사는 3..

이번 포스트에서는 Face Recognition 관련 이론인 SphereFace, CosFace, ArcFace 이렇게 3 가지 이론을 같이 다루어 보겠습니다. 이 세 이론의 역사를 보면 SphereFace (2017) -> CosFace (2018) -> ArcFace (2018)로 나왔다고 볼 수 있습니다. xxxFace는 이름에서 보이다시피 얼굴인식 분야에서 얼굴의 특징으로 얼굴을 인식하기 위한 이론입니다. 이중 ArcFace는 특히 좋은 성능을 보이고 있습니다. 해당 순위는 Papers with Code에서 Face Recognition (얼굴 인식) 분야의 Sota모델에 대한 정보이고, 10개의 데이터셋 중에서 FaceNet과 같이 무려 3개의 분야에서 제일 좋은 모델에 사용되는 이론인 만큼 성..