디지털 시대로 더 깊이 들어가면서 다중 양식 모델의 개발은 기계 이해를 높이는 데 매우 중요했습니다. 이러한 모델은 텍스트, 이미지 등 다양한 데이터 형식의 콘텐츠를 처리하고 생성합니다. 이러한 모델의 주요 특징은 이미지를 텍스트로 변환하는 기능으로, 이미지 캡션 작성 및 시각적 질문 답변과 같은 작업에서 뛰어난 능력을 보여줍니다.
이미지를 텍스트로 변환함으로써 시각적 데이터에 포함된 풍부한 정보를 활용하고 활용할 수 있습니다. 예를 들어, 전자상거래에서 이미지-텍스트 변환은 이미지를 기반으로 제품 분류를 자동화하여 검색 효율성과 정확성을 향상시킬 수 있습니다. 마찬가지로, 자동 사진 설명 생성을 지원하고 제품 제목이나 설명에 포함되지 않은 정보를 제공하여 사용자 경험을 향상시킬 수 있습니다.
이 게시물에서는 인기 있는 다중 양식 모델에 대한 개요를 제공합니다. 또한 이러한 사전 학습된 모델을 배포하는 방법을 보여줍니다. 아마존 세이지 메이커. 또한 전자 상거래를 위한 제로 샷 태그 및 속성 생성, 이미지에서 자동 프롬프트 생성과 같은 여러 실제 시나리오에 특히 초점을 맞춰 이러한 모델의 다양한 응용 프로그램에 대해 논의합니다.
다중양식 모델의 배경
기계 학습(ML) 모델은 자연어 처리(NLP) 및 컴퓨터 비전과 같은 분야에서 상당한 발전을 이루었습니다. 여기서 모델은 단일 데이터 소스에서 콘텐츠를 분석하고 생성하는 데 있어 인간과 유사한 성능을 나타낼 수 있습니다. 최근에는 다양한 양식에 걸쳐 콘텐츠를 처리하고 생성할 수 있는 다중 양식 모델 개발에 대한 관심이 높아지고 있습니다. 비전과 언어 네트워크의 융합과 같은 이러한 모델은 다양한 소스와 양식의 정보를 통합하여 이해력과 표현 능력을 향상시키는 능력으로 인해 두각을 나타냈습니다.
이 섹션에서는 널리 사용되는 두 가지 다중 양식 모델의 개요를 제공합니다. CLIP(대조 언어-이미지 사전 훈련) 및 BLIP(부트스트래핑 언어-이미지 사전 훈련).
클립 모델
CLIP은 이미지-텍스트 유사성 및 제로샷 이미지 분류에 사용할 수 있는 다중 모드 비전 및 언어 모델입니다. CLIP은 인터넷에서 공개적으로 이용 가능한 다양한 소스로부터 수집된 400억 개의 이미지-텍스트 쌍으로 구성된 데이터세트를 기반으로 훈련되었습니다. 모델 아키텍처는 다음 다이어그램과 같이 이미지 인코더와 텍스트 인코더로 구성됩니다.
훈련 중에 이미지와 해당 텍스트 조각이 인코더를 통해 공급되어 이미지 특징 벡터와 텍스트 특징 벡터를 얻습니다. 목표는 일치하는 쌍에 대한 이미지 및 텍스트 특징의 코사인 유사성이 높은 반면, 일치하지 않는 쌍의 특징은 낮은 유사성을 갖도록 만드는 것입니다. 이는 대조 손실을 통해 수행됩니다. 이러한 대비적 사전 학습을 통해 의미 체계가 정렬되는 공통 임베딩 공간에 이미지와 텍스트를 매핑하는 인코더가 생성됩니다.
그런 다음 인코더는 다운스트림 작업을 위한 제로샷 전이 학습에 사용될 수 있습니다. 추론 시 사전 훈련된 이미지 및 텍스트 인코더는 각각의 입력을 처리하고 이를 고차원 벡터 표현으로 변환합니다. 임베딩. 그런 다음 이미지와 텍스트의 임베딩을 비교하여 코사인 유사성과 같은 유사성을 확인합니다. 임베딩이 이미지 임베딩과 가장 유사한(예: 가장 작은 거리를 가짐) 텍스트 프롬프트(이미지 클래스, 카테고리 또는 태그)가 가장 관련성이 높은 것으로 간주되고 이에 따라 이미지가 분류됩니다.
블립 모델
또 다른 인기 있는 다중 양식 모델은 BLIP입니다. 다양한 비전 언어 작업에 적응할 수 있는 새로운 모델 아키텍처를 도입하고 고유한 데이터 세트 부트스트래핑 기술을 사용하여 시끄러운 웹 데이터로부터 학습합니다. BLIP 아키텍처에는 이미지 인코더와 텍스트 인코더가 포함되어 있습니다. 이미지 기반 텍스트 인코더는 시각적 정보를 텍스트 인코더의 변환기 블록에 주입하고, 이미지 기반 텍스트 디코더는 시각적 정보를 변환기 디코더 블록에 통합합니다. 이 아키텍처를 통해 BLIP은 이미지 기반 검색 및 콘텐츠 생성부터 대화형 시각적 대화 시스템에 이르기까지 시각적 정보와 언어적 정보의 융합을 포함하는 다양한 비전 언어 작업에서 뛰어난 성능을 보여줍니다. 이전 포스팅에서 우리가 제안한 바가 있습니다. BLIP 모델 기반 콘텐츠 조정 솔루션 컴퓨터 비전 단봉 ML 접근 방식을 사용하여 여러 문제를 해결했습니다.
사용 사례 1: 전자상거래 플랫폼을 위한 제로샷 태그 또는 속성 생성
전자상거래 플랫폼은 아이디어, 제품 및 서비스로 가득한 역동적인 시장 역할을 합니다. 수백만 개의 제품이 나열되어 있으므로 효과적인 정렬 및 분류는 중요한 과제입니다. 자동 태그 추가 및 속성 생성의 강력한 기능이 발휘되는 곳이 바로 여기입니다. ML 및 NLP와 같은 고급 기술을 활용함으로써 이러한 자동화된 프로세스는 전자상거래 플랫폼의 운영에 혁명을 일으킬 수 있습니다.
자동 태그 추가 또는 속성 생성의 주요 이점 중 하나는 검색 가능성을 향상시키는 기능에 있습니다. 고객은 정확하게 태그된 제품을 신속하고 효율적으로 찾을 수 있습니다. 예를 들어, 고객이 "앞에 로고가 있는 면 크루넥 티셔츠"를 검색하는 경우 자동 태그 지정 및 속성 생성을 통해 검색 엔진은 단순히 더 넓은 "티셔츠" 카테고리뿐만 아니라 일치하는 제품을 찾아낼 수 있습니다. 뿐만 아니라 "면"과 "크루넥"의 구체적인 속성도 있습니다. 이러한 정확한 매칭을 통해 더욱 개인화된 쇼핑 경험을 촉진하고 고객 만족도를 높일 수 있습니다. 또한 자동 생성된 태그 또는 속성은 제품 추천 알고리즘을 크게 향상시킬 수 있습니다. 상품의 속성을 깊이 이해함으로써 고객에게 보다 관련성이 높은 상품을 제안함으로써 구매 가능성을 높이고 고객 만족도를 높일 수 있습니다.
CLIP은 태그 또는 속성 생성 프로세스를 자동화하기 위한 유망한 솔루션을 제공합니다. 제품 이미지와 설명 또는 태그 목록을 입력으로 사용하여 각 태그에 대해 벡터 표현을 생성하거나 삽입합니다. 이러한 임베딩은 입력 간의 의미론적 관계를 반영하는 상대 거리와 방향으로 고차원 공간에 존재합니다. CLIP은 이러한 의미 있는 임베딩을 캡슐화하기 위해 대규모 이미지-텍스트 쌍에 대해 사전 학습되었습니다. 태그나 속성이 이미지를 정확하게 설명하는 경우 해당 임베딩은 이 공간에서 상대적으로 가까워야 합니다. 해당 태그 또는 속성을 생성하기 위해 잠재적인 태그 목록을 CLIP 모델의 텍스트 부분에 입력하고 결과 임베딩을 저장할 수 있습니다. 이상적으로 이 목록은 전자상거래 플랫폼의 제품과 관련된 모든 잠재적 카테고리 및 속성을 포함하여 철저해야 합니다. 다음 그림은 몇 가지 예를 보여줍니다.
SageMaker에 CLIP 모델을 배포하려면 다음 노트북을 따르세요. GitHub 레포. 사전 구축된 SageMaker를 사용합니다. LMI(대형 모델 추론) 컨테이너 모델을 배포합니다. LMI 컨테이너 사용 DJL 서빙 추론을 위해 모델을 제공합니다. SageMaker에서 대규모 모델을 호스팅하는 방법에 대해 자세히 알아보려면 다음을 참조하십시오. DJLServing 및 DeepSpeed 모델 병렬 추론을 사용하여 Amazon SageMaker에 대규모 모델 배포 및 Amazon SageMaker에서 FasterTransformer를 사용하여 고성능으로 대형 모델 배포.
이 예에서는 파일을 제공합니다. serving.properties
, model.py
및 requirements.txt
모델 아티팩트를 준비하고 이를 tarball 파일에 저장합니다.
serving.properties
사용하려는 모델 병렬화 및 추론 최적화 라이브러리를 DJL Serving에 나타내는 데 사용할 수 있는 구성 파일입니다. 필요에 따라 적절한 구성을 설정할 수 있습니다. 구성 옵션 및 전체 목록에 대한 자세한 내용은 다음을 참조하세요. 구성 및 설정.model.py
제공 요청을 처리하는 스크립트입니다.requirements.txt
설치할 추가 pip 휠이 포함된 텍스트 파일입니다.
모델을 다운로드하고 싶다면 포옹하는 얼굴 직접 설정할 수 있습니다. option.model_id
매개 변수 serving.properties
파일을 모델 저장소 내부에 호스팅된 사전 훈련된 모델의 모델 ID로 저장합니다. 허깅페이스.co. 컨테이너는 이 모델 ID를 사용하여 배포 시간 동안 해당 모델을 다운로드합니다. 설정한 경우 model_id
에 아마존 단순 스토리지 서비스 (Amazon S3) URL인 경우 DJL은 Amazon S3에서 모델 아티팩트를 다운로드하고 model_id
모델 아티팩트의 실제 위치로 이동합니다. 스크립트에서 이 값을 가리켜 사전 학습된 모델을 로드할 수 있습니다. 이 예에서는 LMI 컨테이너가 다음을 사용하므로 후자의 옵션을 사용합니다. s5cmd Amazon S3에서 데이터를 다운로드하면 배포 중 모델을 로드할 때 속도가 크게 줄어듭니다. 다음 코드를 참조하세요.
. 모델.py 스크립트에서 속성 파일에 제공된 모델 ID를 사용하여 모델 경로를 로드합니다.
모델 아티팩트가 준비되어 Amazon S3에 업로드된 후 몇 줄의 코드를 사용하여 CLIP 모델을 SageMaker 호스팅에 배포할 수 있습니다.
엔드포인트가 서비스 중이면 입력 이미지와 레이블 목록을 입력 프롬프트로 사용하여 엔드포인트를 호출하여 레이블 확률을 생성할 수 있습니다.
사용 사례 2: 이미지에서 자동 프롬프트 생성
다중 양식 모델을 사용하는 혁신적인 응용 프로그램 중 하나는 이미지에서 정보 프롬프트를 생성하는 것입니다. 생성 AI에서는 신속한 어떤 유형의 콘텐츠나 응답이 원하는지 지시하기 위해 언어 모델이나 기타 생성 모델에 제공되는 입력을 말합니다. 프롬프트는 기본적으로 모델 생성 프로세스를 안내하는 시작점 또는 지침 집합입니다. 이는 문장, 질문, 부분 텍스트 또는 컨텍스트나 원하는 출력을 모델에 전달하는 입력의 형태를 취할 수 있습니다. 잘 만들어진 프롬프트를 선택하는 것은 정확하고 관련성이 높은 고품질 이미지를 생성하는 데 매우 중요합니다. 신속한 엔지니어링 언어 모델에서 원하는 응답을 얻기 위해 텍스트 입력을 최적화하거나 작성하는 프로세스이며, 종종 단어, 형식 또는 컨텍스트 조정이 포함됩니다.
이미지 생성을 위한 신속한 엔지니어링에는 다음을 포함하여 여러 가지 과제가 있습니다.
- 시각적 개념을 정확하게 정의 – 시각적 개념을 말로 설명하는 것은 때로 부정확하거나 모호하여 원하는 이미지를 정확하게 전달하기 어려울 수 있습니다. 텍스트 프롬프트를 통해 복잡한 세부 사항이나 복잡한 장면을 캡처하는 것은 쉽지 않을 수 있습니다.
- 원하는 스타일을 효과적으로 지정하기 – 분위기, 색상 팔레트 또는 예술적 스타일과 같은 특정 스타일 선호도를 텍스트만으로 전달하는 것은 어려울 수 있습니다. 추상적인 미적 개념을 모델에 대한 구체적인 지침으로 변환하는 것은 까다로울 수 있습니다.
- 모델 과부하를 방지하기 위해 복잡성 균형 조정 – 정교한 프롬프트는 모델을 혼란스럽게 하거나 정보로 인해 과부하가 발생하여 생성된 출력에 영향을 줄 수 있습니다. 충분한 지침을 제공하는 것과 압도적인 복잡성을 피하는 것 사이에서 올바른 균형을 유지하는 것이 필수적입니다.
따라서 이미지 생성을 위한 효과적인 프롬프트를 만드는 것은 시간이 많이 걸리며, 정밀도와 창의성 사이의 적절한 균형을 유지하기 위해 반복적인 실험과 개선이 필요하므로 인간의 전문 지식에 크게 의존하는 리소스 집약적인 작업입니다.
XNUMXD덴탈의 CLIP 질문자 CLIP과 BLIP을 결합하여 주어진 이미지와 일치하도록 텍스트 프롬프트를 최적화하는 이미지용 자동 프롬프트 엔지니어링 도구입니다. 다음과 같은 텍스트-이미지 모델에서 결과 프롬프트를 사용할 수 있습니다. 안정적인 확산 멋진 예술을 창조해 보세요. CLIP Interrogator가 생성한 프롬프트는 기본 요소뿐만 아니라 예술적 스타일, 이미지 이면의 잠재적 영감, 이미지가 사용되었거나 사용될 수 있는 매체 등을 포함하여 이미지에 대한 포괄적인 설명을 제공합니다. SageMaker에 CLIP Interrogator 솔루션을 쉽게 배포하여 배포 프로세스를 간소화하고 완전 관리형 서비스가 제공하는 확장성, 비용 효율성 및 강력한 보안을 활용할 수 있습니다. 다음 다이어그램은 이 솔루션의 흐름 논리를 보여줍니다.
다음을 사용할 수 있습니다. 수첩 SageMaker에 CLIP Interrogator 솔루션을 배포합니다. 마찬가지로 CLIP 모델 호스팅의 경우 SageMaker LMI 컨테이너를 사용하여 DJL Serving을 사용하여 SageMaker에서 솔루션을 호스팅합니다. 이 예에서는 SageMaker 엔드포인트에 배포된 모델을 지정하는 모델 아티팩트가 포함된 추가 입력 파일을 제공했습니다. 캡션 모델 이름과 클립 모델 이름을 전달하여 다른 CLIP 또는 BLIP 모델을 선택할 수 있습니다. model_name.json
다음 코드로 생성된 파일:
추론 스크립트 model.py
DJL Serving이 이 함수를 호출하여 요청을 실행하는 핸들 함수가 포함되어 있습니다. 이 진입점 스크립트를 준비하기 위해 원본의 코드를 채택했습니다. 클립_인터로게이터.py SageMaker 호스팅에서 DJL Serving과 함께 작동하도록 파일을 수정했습니다. 한 가지 업데이트는 BLIP 모델을 로드하는 것입니다. BLIP 및 CLIP 모델은 다음을 통해 로드됩니다. load_caption_model()
및 load_clip_model()
Interrogator 객체를 초기화하는 동안 함수를 사용합니다. BLIP 모델을 로드하기 위해 먼저 Hugging Face에서 모델 아티팩트를 다운로드한 후 Amazon S3의 대상 값으로 업로드했습니다. model_id
속성 파일에 있습니다. 이는 BLIP 모델이 다음과 같은 대용량 파일이 될 수 있기 때문입니다. blip2-opt-2.7b 크기가 15GB가 넘는 모델입니다. 모델 배포 중에 Hugging Face에서 모델을 다운로드하려면 엔드포인트 생성에 더 많은 시간이 필요합니다. 그러므로 우리는 다음을 가리킨다. model_id
BLIP3 모델의 Amazon S2 위치로 이동하고 속성 파일에 지정된 모델 경로에서 모델을 로드합니다. 배포 중에 모델 경로는 DJL Serving이 Amazon S3 위치에서 모델 아티팩트를 다운로드한 로컬 컨테이너 경로로 교체됩니다. 다음 코드를 참조하세요.
CLIP 모델은 크기가 그리 크지 않기 때문에 open_clip
원본과 동일한 Hugging Face에서 직접 모델을 불러오려면 clip_interrogator
이행:
유사한 코드를 사용하여 CLIP Interrogator 솔루션을 SageMaker 엔드포인트에 배포하고 입력 이미지로 엔드포인트를 호출하여 유사한 이미지를 생성하는 데 사용할 수 있는 프롬프트를 얻습니다.
다음 이미지를 예로 들어보겠습니다. SageMaker에 배포된 CLIP Interrogator 엔드포인트를 사용하면 다음 텍스트 설명이 생성됩니다. croissant on a plate, pexels contest winner, aspect ratio 16:9, cgsocietywlop, 8 h, golden cracks, the artist has used bright, picture of a loft in morning, object features, stylized border, pastry, french emperor.
CLIP Interrogator 솔루션을 Stable Diffusion 및 신속한 엔지니어링 기술과 결합하면 완전히 새로운 차원의 창의적 가능성이 드러납니다. 이러한 통합을 통해 우리는 텍스트로 이미지를 설명할 수 있을 뿐만 아니라 원본 이미지의 다양한 변형을 조작하고 생성할 수도 있습니다. Stable Diffusion은 생성된 출력을 반복적으로 개선하여 제어된 이미지 합성을 보장하고 전략적 프롬프트 엔지니어링은 원하는 결과를 향해 생성 프로세스를 안내합니다.
. 노트북의 두 번째 부분, Stable Diffusion 모델로 이미지 스타일을 변경하기 위해 프롬프트 엔지니어링을 사용하는 단계를 자세히 설명합니다(안정적인 확산 XL 1.0). 우리는 안정성 AI SDK AWS에서 이 모델을 구독한 후 SageMaker JumpStart에서 이 모델을 배포하려면 시장. 이는 에서 제공하는 이미지 생성을 위한 더 새롭고 더 나은 버전이기 때문입니다. 안정성 AI, 원본 입력 이미지를 기반으로 고품질 이미지를 얻을 수 있습니다. 또한, 앞의 설명에 접두사를 붙이고 알려진 아티스트와 그의 작품 중 하나를 언급하는 추가 프롬프트를 추가하면 스타일을 변경하여 놀라운 결과를 얻을 수 있습니다. 다음 이미지에서는 프롬프트를 사용합니다. This scene is a Van Gogh painting with The Starry Night style, croissant on a plate, pexels contest winner, aspect ratio 16:9, cgsocietywlop, 8 h, golden cracks, the artist has used bright, picture of a loft in morning, object features, stylized border, pastry, french emperor.
다음 이미지에서는 프롬프트를 사용합니다. This scene is a Hokusai painting with The Great Wave off Kanagawa style, croissant on a plate, pexels contest winner, aspect ratio 16:9, cgsocietywlop, 8 h, golden cracks, the artist has used bright, picture of a loft in morning, object features, stylized border, pastry, french emperor.
결론
CLIP 및 BLIP과 같은 다중 양식 모델의 출현과 해당 애플리케이션은 이미지-텍스트 변환 환경을 빠르게 변화시키고 있습니다. 시각적 정보와 의미적 정보 사이의 격차를 해소함으로써 시각적 데이터의 방대한 잠재력을 활용하고 이전에는 상상할 수 없었던 방식으로 활용할 수 있는 도구를 제공하고 있습니다.
이 게시물에서는 다중 양식 모델의 다양한 응용 프로그램을 설명했습니다. 여기에는 자동 태그 지정 및 분류를 통해 전자상거래 플랫폼에서 검색의 효율성과 정확성을 높이는 것부터 Stable Diffusion과 같은 텍스트-이미지 모델을 위한 프롬프트 생성에 이르기까지 다양합니다. 이러한 애플리케이션은 독특하고 매력적인 콘텐츠를 만드는 데 새로운 지평을 열어줍니다. SageMaker에서 다양한 다중 모드 모델을 탐색하여 더 자세히 알아보고 비즈니스에 혁신적인 솔루션을 구축하는 것이 좋습니다.
저자에 관하여
얀웨이 추이, PhD는 AWS의 수석 기계 학습 전문가 솔루션 아키텍트입니다. 그는 IRISA(컴퓨터 과학 및 랜덤 시스템 연구소)에서 기계 학습 연구를 시작했으며 컴퓨터 비전, 자연어 처리 및 온라인 사용자 행동 예측 분야에서 AI 기반 산업 애플리케이션을 구축한 수년 간의 경험을 보유하고 있습니다. AWS에서 그는 자신의 분야 전문 지식을 공유하고 고객이 대규모 기계 학습을 통해 비즈니스 잠재력을 발휘하고 실행 가능한 결과를 도출하도록 돕습니다. 업무 외에는 독서와 여행을 즐깁니다.
라구 라메샤 Amazon SageMaker 서비스 팀의 수석 ML 솔루션 설계자입니다. 그는 고객이 ML 프로덕션 워크로드를 대규모로 구축, 배포 및 SageMaker로 마이그레이션하도록 돕는 데 중점을 두고 있습니다. 그는 기계 학습, AI 및 컴퓨터 비전 분야를 전문으로 하며 UT 달라스에서 컴퓨터 과학 석사 학위를 취득했습니다. 여가 시간에는 여행과 사진 촬영을 즐깁니다.
샘 에드워즈는 기계 학습 및 Amazon SageMaker를 전문으로 하는 AWS 시드니의 클라우드 엔지니어(AI/ML)입니다. 그는 고객이 기계 학습 워크플로와 관련된 문제를 해결하도록 돕고 고객을 위한 새로운 솔루션을 만드는 데 열정을 쏟고 있습니다. 업무 외에는 라켓 스포츠와 여행을 즐깁니다.
Melanie Li 박사는 호주 시드니에 본사를 둔 AWS의 수석 AI/ML 전문가 TAM입니다. 그녀는 기업 고객이 AWS에서 최첨단 AI/ML 도구를 사용하여 솔루션을 구축하도록 돕고 모범 사례를 통해 ML 솔루션 설계 및 구현에 대한 지침을 제공합니다. 여가 시간에는 자연을 탐험하고 가족, 친구들과 시간을 보내는 것을 좋아합니다.
고든 왕 AWS의 수석 AI/ML 전문가 TAM입니다. 그는 다양한 산업 분야에 걸쳐 AI/ML 모범 사례를 통해 전략적 고객을 지원합니다. 그는 컴퓨터 비전, NLP, 생성 AI 및 MLOps에 열정을 갖고 있습니다. 여가 시간에는 달리기와 하이킹을 좋아합니다.
다왈 파텔 AWS의 수석 기계 학습 설계자입니다. 그는 분산 컴퓨팅 및 인공 지능과 관련된 문제에 대해 대기업에서 중견 스타트업에 이르는 다양한 조직과 협력했습니다. 그는 NLP 및 Computer Vision 도메인을 포함한 딥 러닝에 중점을 둡니다. 그는 고객이 SageMaker에서 고성능 모델 추론을 달성하도록 돕습니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/build-an-image-to-text-generative-ai-application-using-multimodality-models-on-amazon-sagemaker/
- :있다
- :이다
- :아니
- :어디
- 1
- 10
- 100
- 12
- 15%
- 16
- 400
- 7
- 8
- 9
- 97
- a
- 능력
- 소개
- 추상
- 따라서
- 정확히
- 달성
- 달성
- 가로질러
- 실제
- 더하다
- 추가
- 또한
- 해결 된
- 조정
- 채택
- 많은
- 발전
- 이점
- 에 영향을 미치는
- 후
- AI
- AI 기반
- AI / ML
- 알고리즘
- 정렬 된
- All
- 수
- 혼자
- 또한
- 놀라운
- 아마존
- 아마존 세이지 메이커
- Amazon Web Services
- an
- 분석하는
- 및
- 어떤
- 어플리케이션
- 어플리케이션
- 구혼
- 적당한
- 아키텍처
- 있군요
- 미술
- 인조의
- 인공 지능
- 예술가
- 예술적인
- AS
- 양상
- 지원
- At
- 주의
- 속성
- 호주
- 자동화
- 자동화
- Automatic
- 자동화
- 가능
- 피하고
- AWS
- 잔액
- 기반으로
- BE
- 때문에
- 된
- 행동
- 뒤에
- 혜택
- BEST
- 모범 사례
- 더 나은
- 사이에
- 그 너머
- 큰
- 블록
- 몸
- 후원
- 경계
- 가교
- 빛나는
- 더 넓은
- 빌드
- 건물
- 사업
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- CAN
- 얻을 수 있습니다
- 기능
- 수
- 캡처
- 케이스
- CAT
- 카테고리
- 범주
- 고양이
- 도전
- 과제
- 도전
- 선택
- 왼쪽 메뉴에서
- 수업
- 분류
- 분류 한
- 닫기
- 클라우드
- 암호
- 색
- 결합
- 결합
- 제공
- 공통의
- 통신
- 비교
- 복잡한
- 복잡성
- 포괄적 인
- 컴퓨터
- 컴퓨터 과학
- 컴퓨터 비전
- 컴퓨팅
- 개념
- 구성
- 고려
- 구성
- 포함
- 컨테이너
- 용기
- 이 포함되어 있습니다
- 함유량
- 컨텐츠 생성
- 문맥
- 통제
- 매출 상승
- 시원한
- 동
- 수
- 피복
- 만들
- 만든
- 만들기
- 창조
- 창조적 인
- 창의력
- 임계
- Cross
- 고객
- 고객 만족
- 고객
- 달라스
- 데이터
- 깊은
- 깊은 학습
- 깊이
- 도
- 동굴
- 보여
- 보여줍니다
- 의존
- 배포
- 배포
- 전개
- 설명
- 설명
- 원하는
- 세부 묘사
- 세부설명
- 결정
- 개발
- 장치
- 다이얼로그
- 다른
- 어려운
- 방송
- 디지털
- 외형 치수
- 직접
- 토론
- 거리
- 분산
- 분산 컴퓨팅
- 몇몇의
- 도메인
- 도메인
- 한
- 다운로드
- 드라이브
- 두
- ...동안
- 동적
- 마다
- 용이하게
- 전자 상거래
- 유효한
- 효율성
- 효율적으로
- 정교한
- 요소
- 그렇지 않으면
- 임베딩
- 출현
- 나온다.
- 고용하다
- 가능
- 격려
- 종점
- 매력적인
- 엔진
- 기사
- 엔지니어링
- 강화
- 강화
- 보장
- Enterprise
- 기업
- 항목
- 대
- 필수
- 본질적으로
- 예
- 예
- 전시회
- 있다
- 경험
- 전문적 지식
- 탐험
- 탐색
- 표현
- 페이스메이크업
- 용이하게하다
- 가족
- 특색
- 특징
- 연방 준비 은행
- 를
- Fields
- 그림
- 입양 부모로서의 귀하의 적합성을 결정하기 위해 미국 이민국에
- 파일
- 먼저,
- 흐름
- 집중
- 초점
- 따라
- 수행원
- 럭셔리
- 형태
- 체재
- 양식
- 발견
- 무료
- 프랑스어
- 친구
- 에
- 앞
- 충분히
- 기능
- 기본적인
- 추가
- 게다가
- 퓨전
- 획득
- 갭
- 생성
- 생성
- 생성
- 생성
- 세대
- 생성적인
- 제너레이티브 AI
- 얻을
- 주어진
- 골
- 골든
- 큰
- 지도
- 안내서
- 핸들
- 처리
- 마구
- 마구
- 있다
- he
- 무겁게
- 도움이
- 도움이
- 그녀의
- 높은
- 높은 품질의
- 그의
- 보유
- 호라이즌
- 주인
- 호스팅
- 호스팅
- 방법
- How To
- HTML
- HTTP
- HTTPS
- 사람의
- ID
- 이상적으로
- 아이디어
- if
- 영상
- 이미지 분류
- 형상
- 이행
- 구현
- import
- 개선
- 개선
- in
- 포함
- 포함
- 포함
- 증가
- 표시
- 산업
- 산업
- 정보
- 유익한 정보
- 혁신적인
- 입력
- 입력
- 내부
- 영감
- 설치
- 예
- 학회
- 명령
- 통합
- 완성
- 인텔리전스
- 대화형
- 인터넷
- 으로
- 소개합니다
- 감다
- 참여
- 문제
- IT
- 그
- JPG
- JSON
- 키
- 알려진
- 라벨
- 레이블
- 경치
- 언어
- 넓은
- 대기업
- 리드
- 배우다
- 배우기
- Li
- 도서관
- 거짓
- 처럼
- 있을 수 있는 일
- 라인
- 명부
- 상장 된
- 하중
- 로드
- 지방의
- 위치
- 논리
- 심벌 마크
- 오프
- loves
- 낮은
- 기계
- 기계 학습
- 확인
- 유튜브 영상을 만드는 것은
- 관리
- .
- 지도
- 장터
- 석사
- 경기
- 일치하는
- 어울리는
- 의미있는
- 매질
- 단지
- 수도
- 이전
- 백만
- 수백만
- ML
- MLOps
- 모델
- 모델
- 절도
- 수정
- 배우기
- 또한
- 오전 투어
- 가장
- 여러
- name
- 자연의
- 자연 언어 처리
- 자연
- 필요
- 네트워크
- 신제품
- 새로운 지평
- 밤
- nlp
- 없음
- 수첩
- 소설
- 대상
- of
- 오프
- 제공
- 제공
- 자주
- on
- ONE
- 온라인
- 만
- 열 수
- 행정부
- 최적화
- 최적화
- 최적화
- 선택권
- 옵션
- or
- 조직
- 실물
- OS
- 기타
- 우리의
- 결과
- 출력
- 외부
- 두드러진
- 개요
- 압도적인
- 자신의
- 그림
- 쌍
- 쌍
- 팔레트
- 평행
- 매개 변수
- 부품
- 특별히
- 통과
- 열렬한
- 통로
- 성능
- 맞춤형 교육 플랫폼
- 박사 학위
- 사진
- 사진술
- .
- 추축의
- 플랫폼
- 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 연주
- 플러그
- 포인트 적립
- 인기 문서
- 포즈
- 가능성
- 게시하다
- 가능성
- 잠재력
- 힘
- 사례
- 정확한
- Precision
- 예측
- 환경 설정
- Prepare
- 준비
- 예방
- 너무 이른
- 이전에
- 교장
- 문제
- 방법
- 프로세스
- 처리
- 프로덕트
- 생산
- 제품
- 돌기
- 장래가 촉망되는
- 속성
- 재산
- 제안 된
- 제공
- 제공
- 제공
- 제공
- 공개적으로
- 구매
- 문제
- 닥치는대로의
- 범위
- 이르기까지
- 빠르게
- 비율
- 읽기
- 현실 세계
- 최근에
- 추천
- 감소
- 참조
- 의미
- 정제
- 반영
- 지방
- 관련
- 관계
- 상대적인
- 상대적으로
- 관련성
- 관련된
- 주목할 만한
- 저장소
- 대표
- 의뢰
- 요청
- 필요
- 필요
- 연구
- 자원 집약적
- 그
- 응답
- 응답
- 결과
- 결과
- return
- 혁명적 인
- 연락해주세요
- 강력한
- 달리기
- 달리는
- 현자
- 같은
- 만족도
- 확장성
- 규모
- 시나리오
- 장면
- 장면
- 과학
- 스크립트
- 검색
- 검색 엔진
- 수색
- 섹션
- 보안
- 참조
- 본인
- 의미론
- 연장자
- 문장
- 서브
- 서비스
- 서비스
- 피복재
- 세트
- 몇몇의
- 공유
- 그녀
- 쇼핑
- 영상을
- 표시
- 쇼
- 상당한
- 크게
- 비슷한
- 비슷하게
- 단순, 간단, 편리
- 단일
- 크기
- 단편
- 해결책
- 솔루션
- 풀다
- 일부
- 때로는
- 출처
- 지우면 좋을거같음 . SM
- 스페이스 버튼
- 전문가
- 전문
- 전문적으로
- 구체적인
- 지정
- 스펙트럼
- 속도
- 지출
- 스포츠
- 안정된
- 별이 빛나는
- 시작
- 시작 중
- 신생
- 최첨단
- 단계
- 저장
- 저장
- 저장
- 똑 바른
- 전략의
- 유선
- 하다
- 스타일
- 대체로
- 이러한
- 충분한
- 제안
- 지원
- 교환
- 신속히
- 시드니
- 체계
- 시스템은
- TAG
- 받아
- 소요
- 목표
- 태스크
- 작업
- 팀
- 기술
- 기술
- 이 템플릿
- 본문
- 텍스트
- 보다
- 그
- XNUMXD덴탈의
- 풍경
- 그들의
- 그들
- 그때
- 그곳에.
- 그것에 의하여
- 따라서
- Bowman의
- 그들
- 이
- 을 통하여
- 시간
- 제목들
- 에
- 수단
- 검색을
- 에 대한
- 훈련 된
- 트레이닝
- 이전
- 변압기
- 변화
- 변환
- 여행
- 두
- 유형
- 이해
- 상상할 수 없는
- 유일한
- 잠금을 해제
- 업데이트
- 업로드
- URL
- us
- 사용
- 익숙한
- 사용자
- 사용자 경험
- 사용
- 사용
- 가치
- 종류
- 여러
- 거대한
- 버전
- 대단히
- 를 통해
- 시력
- W
- 필요
- 웨이브
- 방법
- we
- 재산
- 웹
- 웹 서비스
- 했다
- 뭐
- 언제
- 어느
- 동안
- 모든
- 누구의
- 의지
- 수상자
- 과
- 말씨
- 말
- 작업
- 일
- 워크 플로우
- 일
- 겠지
- 년
- 자신의
- 너의
- 제퍼 넷