문제인식 (Problem) [선택적 섹션]
1. 외적 동기 (시장 상황 및 기회) (최근 시장 동향과 기술 발전에 따른 기회를 기술합니다)
• {시장 트렌드, 경쟁 상황, 기술 혁신 등} (필요한 시장 분석 내용을 입력) <예: 건강에 대한 관심 증가, 기술 발전에 따른 사용자 맞춤형 서비스 수요 확대>
2. 내적 동기 (회사 내부 역량 및 가치) (회사 내부의 강점 및 역량을 기술하세요)
• {경영진의 역량, 기술, 네트워크, 가치관 등} (핵심 역량과 조직의 가치를 서술) <예: R&D 역량 강화, 의료 전문가와의 협업 네트워크 보유>
3. 매출 한계점 및 신제품 개발 필요성 (현재 문제점과 이를 극복하기 위한 필요성을 명시합니다)
• {매출 정체, 시장 점유율 하락, 보완해야 할 기능 등} (구체적 지표와 문제점을 기록) <예: 기존 제품 매출 성장률 정체, 경쟁 제품 대비 서비스 기능 부족>
키워드
• {문제 인식, 외적 동기, 내적 동기, 매출 한계점, 신제품 개발 필요성} (주요 키워드를 입력하세요) <예: "혁신, 참여, 성장, 개선">
머신러닝 모델이 훈련 단계에서 적은 수의 데이터를 사용하여 학습하고, 이를 바탕으로 새로운 데이터를 처리할 수 있게 하는 방법입니다.
특징:
모델의 파라미터(내부 설정값) 를 실제로 업데이트하여 새로운 정보에 적응합니다.
훈련과 테스트 단계가 분리되어 있음.
이미 훈련된 대규모 언어 모델(예: ChatGPT)이 추론 과정에서 몇 가지 예제를 참고하여 질문이나 작업을 이해하고 결과를 생성하는 방식입니다.
예시: "A: 1+1은 무엇인가요? B: 2입니다. A: 2+2는 무엇인가요? B: 4입니다. A: 3+3은 무엇인가요?"라고 입력하면, 모델이 패턴을 보고 "B: 6입니다."라고 답하는 것.
특징:
모델 자체의 파라미터는 업데이트되지 않고, 주어진 프롬프트(질문과 예제) 만으로 작동합니다.
훈련 없이 바로 사용 가능.
Few-Shot Learning은 모델을 실제로 다시 훈련해야 하고, 적은 데이터로도 학습이 가능하게 만드는 기술입니다.
Few-Shot Prompting은 이미 학습된 모델을 기반으로, 주어진 예제를 참고하여 바로 작업을 수행하는 방법입니다
다음은 개념을 정리해둔 논문의 설명입니다. 읽어보시면 더 구분이 될 거예요.
Few-Shot Prompting (Brown et al., 2020) is the paradigm seen in Figure 2.4, where the GenAI learns to complete a task with only a few examples(exemplars).
to note that FSL is a broader machine learning paradigm to adapt parameters with a few examples, while Few-Shot Prompting is specific to prompts in
the GenAI settings and does not involve updatingmodel parameters.