ml-intern이 실제 과제를 통과하지 못했다면 제대로 된 HF 인턴이라고 할 수 없었을 것입니다...
요약
Hugging Face(HF)는 지원자들이 실제 과제를 통해 역량을 검증받도록 '테이크홈' 과제를 진행했습니다. 이 과제는 논문 방법론 선택부터 HF Jobs를 사용한 실험 실행, 정확도 개선 및 결과 보고까지 엔드투엔드 과정을 포함합니다. 특히 AI 도구의 활용 여부를 공개하도록 요구하여 지원자의 투명성을 높였습니다.
핵심 포인트
- Hugging Face는 ML 인턴십 과정에서 실질적인 역량 검증을 위한 '테이크홈' 과제를 도입했습니다.
- 과제는 논문 기반 방법론 선택, HF Jobs를 활용한 실험 실행, 성능 개선 등 엔드투엔드(end-to-end) 과정을 요구합니다.
- 지원자에게 AI 사용 여부를 공개하도록 요청하여 작업 과정의 투명성을 확보하고 있습니다.
ml-intern이 실제 과제를 통과하지 못했다면 제대로 된 HF 인턴이라고 할 수 없었을 것입니다.
@_lewtun
지원자들을 위해 설계되었습니다.
우리는 이 과제(take-home)를 주었습니다. 그것은 모든 과정을 엔드 투 엔드(end-to-end)로 처리했습니다:
논문 부록에서 적절한 방법론을 선택함
HF Jobs에서 실험을 실행함
정확도를 개선함 (45% → 65%)
결과를 작성함
이 과제는 AI 사용 여부를 공개하도록 요구했으며, 그것은 Claude가 공동 저자(co-author)였다고 우리에게 알려주었습니다.
저도 HF에 지원할 때 동일한 테스트를 치렀는데, 우리가 얼마나 멀리 왔는지 보는 것은 정말 놀라운 일입니다.
전체 솔루션:
https://huggingface.co/blog/cmpatino/ml-intern-takehome
...
과제:
https://github.com/huggingface/post-training-takehome
...
AI 자동 생성 콘텐츠
본 콘텐츠는 X @cmpatino_ (자동 발견)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기