고품질 학습 데이터는 생성형 AI 모델이 정확하게 학습하고 잘 일반화하여 보다 안정적인 출력을 생성하도록 합니다. 본 웨비나에서는 NVIDIA NeMo™ Curator로 개발자가 학습 및 사용자 지정하기 위한 고품질 데이터 세트를 생성하기 위해 확장 가능한 데이터 처리 파이프라인을 쉽게 구축하는 방법을 알아봅니다.

멀티모달 데이터 처리의 복잡한 과제와 개발자가 NeMo Curator 모듈을 활용하여 이러한 과제를 해결하는 방법을 심층적으로 살펴봅니다. 중복 제거, 분류기 모델, 필터와 같은 다양한 기능을 소개할 예정이며 기존 데이터 세트를 보강하기 위해 고품질 합성 데이터를 생성하는 방법에 대해서도 설명합니다.

파운데이션 모델을 구축하든 기존 모델을 파인 튜닝하든, 본 웨비나는 학습 데이터의 품질을 향상할 수 있는 방법에 대한 귀중한 인사이트를 제공합니다.

추가로 최신 NVIDIA NeMo™ Retriever 및 NVIDIA NIM 마이크로서비스를 활용하여 프로덕션 레디 생성형 AI 파이프라인을 위한 텍스트 검색의 정확성과 확장성을 향상시키는 방법, Multimodal PDF Data Extraction NIM Agent Blueprints를 적용하여 대량의 PDF 문서에서 텍스트, 그래프, 표 등에서 정확한 정보를 추출하는 방법도 확인하실 수 있습니다.

웨비나에 참석하여 다양한 사용 사례에 대한 엔터프라이즈 데이터 인사이트를 얻어보세요.

• NeMo Curator를 활용하여 확장 가능한 엔드 투 엔드 데이터 처리 파이프라인을 구축하는 방법

• NVIDIA NeMo Retriever 적용하여 데이터가 있는 곳 어디에서나 엔터프라이즈급 검색 파이프라인을 구축하는 방법

• Multimodal PDF Data Extraction NIM Agent Blueprints 적용하여 대량의 PDF 문서에서 텍스트, 그래프, 표 등에서 정확한 정보를 추출하는 방법

• 실제 사례 및 성능 벤치마크

• 빠르고 원활하게 시작하는 방법

Content

content goes here