---
license: cc-by-4.0
base_model: unsloth/gpt-oss-20b
tags:
- unsloth
- lora
- korean
- data-analysis
- mlops
- gpt-oss
- 한국어
- 데이터분석
- 파인튜닝
language:
- ko
datasets:
- KOREAson/YiSang-HighQuality
library_name: peft
pipeline_tag: text-generation
---

# ZTO_v1 - 데이터 분석 특화 한국어 모델

## 📊 모델 소개

**ZTO_v1**은 **unsloth/gpt-oss-20b**를 기반으로 데이터 분석 및 MLOps 태스크에 특화되도록 파인튜닝된 한국어 모델입니다.
LoRA(Low-Rank Adaptation) 기술을 사용하여 효율적으로 학습되었으며, 시니어 데이터 분석가 및 MLOps 컨설턴트 역할을 수행할 수 있습니다.

## 🎯 주요 특징

- **모델명**: ZTO_v1
- **베이스 모델**: unsloth/gpt-oss-20b (20B 파라미터)
- **훈련 방법**: LoRA (Low-Rank Adaptation)
- **특화 분야**: 데이터 분석, MLOps 컨설팅
- **학습 데이터**: 
  - [KOREAson/YiSang-HighQuality](https://huggingface.co/datasets/KOREAson/YiSang-HighQuality)
  - 자체 생성 데이터 (Custom Generated Dataset)
- **언어**: 한국어 (Korean)
- **라이선스**: CC-BY-4.0

## 🚀 사용 방법

### 모델 로드

```python
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
import torch

# 베이스 모델 로드
base_model = AutoModelForCausalLM.from_pretrained(
    "unsloth/gpt-oss-20b",
    torch_dtype=torch.float16,
    device_map="auto",
    trust_remote_code=True
)

# LoRA 어댑터 로드
model = PeftModel.from_pretrained(base_model, "lee-monster/ZT0_v1")

# 토크나이저 로드
tokenizer = AutoTokenizer.from_pretrained("lee-monster/ZT0_v1")
```

### 사용 예시

```python
messages = [
    {"role": "system", "content": "당신은 시니어 데이터 분석가이자 MLOps 컨설턴트입니다."},
    {"role": "user", "content": "리뷰데이터를 활용한 텍스트 분석을 통한 경쟁사 대비 차별성을 도출하려면 어떻게 분석해야해?"}
]

inputs = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    return_tensors="pt",
    return_dict=True
).to(model.device)

with torch.no_grad():
    outputs = model.generate(
        **inputs,
        max_new_tokens=512,
        do_sample=True,
        temperature=0.7,
        top_p=0.9,
        pad_token_id=tokenizer.eos_token_id
    )

response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)
```

## 📊 훈련 정보

- **베이스 모델**: unsloth/gpt-oss-20b-unsloth-bnb-4bit
- **훈련 스텝**: 30 steps
- **LoRA Rank**: 8
- **LoRA Alpha**: 16
- **타겟 모듈**: q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj
- **학습 데이터**: 
  - KOREAson/YiSang-HighQuality (283k samples)
  - 자체 생성 데이터 (Custom Generated Dataset)

## 🎓 활용 분야

이 모델은 다음 분야에서 우수한 성능을 보입니다:

### 📊 데이터 분석 (Data Analysis)
- 통계적 분석 및 해석
- 데이터 시각화 전략 수립
- A/B 테스트 설계 및 분석
- 예측 모델링 및 머신러닝 파이프라인 구축

### 🔧 MLOps 컨설팅
- ML 파이프라인 설계 및 최적화
- 모델 배포 전략 수립
- 모니터링 및 성능 관리
- CI/CD 파이프라인 구축

### 🧮 수학적 문제 해결
- 복잡한 수학 문제 분석
- 알고리즘적 사고 지원
- 논리적 추론 및 증명

### 💼 비즈니스 인사이트
- 데이터 기반 의사결정 지원
- KPI 분석 및 해석
- 비즈니스 메트릭 최적화

## 💻 시스템 요구사항

- **GPU 메모리**: 최소 16GB (권장 24GB+)
- **시스템 RAM**: 최소 16GB
- **Python**: 3.8+
- **주요 라이브러리**: transformers, peft, torch

## ⚠️ 주의사항

1. **데이터 분석 특화**: 이 모델은 데이터 분석 및 MLOps 태스크에 최적화되어 있습니다.
2. **한국어 중심**: 한국어 외의 언어에서는 성능이 제한적일 수 있습니다.
3. **검증 필요**: 생성된 분석 결과는 항상 검토하고 검증이 필요합니다.
4. **윤리적 사용**: 데이터 프라이버시와 윤리를 준수하여 사용해주세요.

## 🔗 관련 링크

- **베이스 모델**: [unsloth/gpt-oss-20b](https://huggingface.co/unsloth/gpt-oss-20b)
- **학습 데이터**: [KOREAson/YiSang-HighQuality](https://huggingface.co/datasets/KOREAson/YiSang-HighQuality)

## 📜 라이선스

이 모델은 **CC-BY-4.0** 라이선스로 배포됩니다.

## 📝 데이터셋 정보

- **주요 데이터셋**: KOREAson/YiSang-HighQuality (283k samples)
- **추가 데이터**: 자체 생성한 데이터 분석 및 MLOps 관련 데이터
- **데이터 형식**: Instruction-Response 쌍

## 🙏 Acknowledgements

- OpenAI gpt-oss 팀
- Unsloth 팀
- KOREAson/YiSang-HighQuality 데이터셋 제작자