물론 크기가 큰 모델이 대체적으로 더 좋은 성능을 내지만, 가장 중요한 것은 데이터라고 볼 수 있습니다. 텍스트 데이터 정제도 중요하며, 각 과제에 맞춰 일관적인 기준으로 라벨링이 진행되어야 좋은 성능을 기대할 수 있습니다. 데이터 처리에 관해서는, 문장의 특정 단어를 동의어로 대체하여 데이터의 양을 늘리는 데이터 증식 기법과 같은 예시가 있을 수 있겠습니다.
[질문] 업무적으로 사용하는 폰의 경우 MDM을 설치하여 주의를 할 수 있겠지만 직원들 개인 휴대폰에 설치하여 관리하는 것은 반발도 있고 여러가지 어려움이 있을 것 같은데 어떤 해결책이 있을까요?
개인용 Apple 기기에 MDM을 등록하여 사용하는 경우 사용자가 희망할 때 기기를 MDM의 관리에서 벗어날 수 있습니다.
뿐만아니라 MDM은 Apple의 정책에 따라 개발되기 때문에 사용자의 개인정보를 침해하지 않습니다.
따라서 업무시간에만 MDM의 관리를 받고, 업무 외 시간에는 개인의 기기로 돌아가서 사용하는것이 가능합니다.
그러면 업무 시간외의 침해에 대해선 취약해 지지 않나요
이런 경우 관리자 업무 부담이 증가하지 않을까요? 외부 활동이 잦으면 매번 설정하고 해제하고 번거로울 것 같기도 하구요.
QR코드를 통해 간단하게 등록하고, 기기 내에서 관리에서 벗어날 수 있습니다.
취합된 로그를 통해 사용자별로 확인하여 업무 부담없이 기기의 보안을 유지할 수 있습니다.
[질문] 웨비나 정말 잘 보고 있습니다! 데이터를 잘 정제해도 시중에 있는 모델들과 비교하여 대등한 성능을 기대하려면 모델의 크기도 커야하고 모델을 받쳐주는 하드웨어 자원이 필요할 것 같은데 데이터를 어떻게 처리해야 이러한 점들을 커버할 수 있는지 간단한 예시가 있으면 좋을 것 같습니다