course/pr_1213/ko/chapter1/10.md

단원 마무리 퀴즈

이번 챕터에서는 정말 많은 내용들을 다뤘습니다! 그러니 모든 세부 사항을 다 이해하지 못했다고 해서 좌절하지 마세요. 다음 챕터에서 다루는 내용은 내부 작동 방식을 이해하는 데에 도움이 될거에요.

그래도 우선, 이번 챕터에서 배운 내용에 대해 확인해보는 시간을 갖도록 하겠습니다!

1. Hub에서 roberta-large-mnli 체크포인트를 검색해 보세요. 이 모델은 어떤 작업을 수행하나요?

roberta-large-mnli page." }, { text: "텍스트 분류", explain: "더 정확하게 말하면, 이 모델은 두 문장이 논리적으로 타당한지 세 가지 레이블(모순, 함의, 중립)로 분류합니다. 이러한 문제를 자연어 추론(natural language inference)이라고 부릅니다.", correct: true }, { text: "텍스트 생성", explain: "이 페이지를 다시 확인하세요 roberta-large-mnli page." } ]} />

2. 다음 코드는 무엇을 반환하나요?

from transformers import pipeline

ner = pipeline("ner", grouped_entities=True)
ner("My name is Sylvain and I work at Hugging Face in Brooklyn.")

sentiment-analysis 파이프라인에 대한 설명입니다." }, { text: "이 문장을 완성할, 생성 텍스트를 반환합니다.", explain: "오답입니다 — 이는 text-generation 파이프라인에 대한 설명입니다.", }, { text: "사람, 기관, 장소 등을 나타내는 단어들을 반환합니다.", explain: "이 뿐만 아니라, grouped_entities=True를 사용해 "Hugging Face"와 같이 같은 개체에 해당하는 단어들을 그룹화해줍니다.", correct: true } ]} />

3. 다음 예제 코드에서 ... 대신 무엇이 들어가야 할까요?

from transformers import pipeline

filler = pipeline("fill-mask", model="bert-base-cased")
result = filler("...")

", explain: "오답입니다. 여기 bert-base-cased 모델 카드를 보시고 다시 도전해보세요." }, { text: "[MASK]", explain: "정답! 이 모델의 마스크 토큰은 [MASK]입니다.", correct: true }, { text: "man", explain: "오답입니다. 이 파이프라인은 마스킹된 단어를 채워야하기니까 어딘가에는 마스크 토큰이 있어야겠죠?" } ]} />

4. 다음 코드가 실행되지 않는 이유는 무엇일까요?

from transformers import pipeline

classifier = pipeline("zero-shot-classification")
result = classifier("This is a course about the Transformers library")

candidate_labels=[...].", correct: true }, { text: "한 문장이 아니라, 여러 문장을 파이프라인에 넣어주어야 합니다.", explain: "틀렸지만, 다른 파이프라인과 마찬가지로 제대로 사용한다면 물론 여러 리스트의 문장도 입력으로 넣어줄 수 있습니다." }, { text: "늘 그렇듯 🤗 Transformers 라이브러리가 또 고장난거 아닌가요?", explain: "못 들은 걸로 하겠습니다!" }, { text: "위의 문장은 너무 짧아서, 더 긴 문장을 입력해야 합니다.", explain: "오답입니다. 매우 긴 텍스트는 파이프라인에서 처리할 때 잘리게 되는 것을 명심하세요." } ]} />

5. "전이 학습(transfer learning)"이란 무엇을 의미하나요?

6. 언어 모델은 일반적으로 사전 학습시에 레이블을 필요로 하지 않습니다. 이 문장은 참일까요 거짓일까요?

자가 지도(self-supervised) 방식입니다. 이는 다음 단어 예측 혹은 마스킹 된 단어 채우기 등과 같이 입력으로부터 자동으로 레이블을 생성하는 것을 의미합니다.", correct: true }, { text: "거짓", explain: "정답이 아닙니다." } ]} />

7. 다음 중 “모델(model)”, “구조(architecture)”, “가중치(weights)”에 대해 가장 잘 설명한 것을 고르세요.

8. 다음 중 어떤 모델이 텍스트를 생성하여 프롬프트(prompt)를 완성시키는 데에 가장 적합할까요?

9. 다음 중 어떤 모델이 텍스트 요약에 가장 적합할까요?

10. 다음 중 어떤 모델이 입력 텍스트를 특정 레이블로 분류하는 데에 가장 적합할까요?

11. 다음 중 모델이 편향성(bias)을 갖게 되는 데에 가장 가능성 있는 원인을 모두 고르세요.