아리곤듀의 개발 성장 일기

제어의 깊이n8n의 자동화: "A가 들어오면 B를 하고 C를 보내라"는 정해진 경로(Deterministic Path)를 따릅니다. 최근 AI 노드가 추가되었지만, 여전히 구조적인 틀 안에서 움직입니다.LangChain의 에이전트: LLM이 스스로 판단하여 "이 문제를 풀기 위해 지금 어떤 도구(Tool)를 쓸까?"를 결정하게 만듭니다. 즉, 추론(Reasoning) 기반의 동적 워크플로우를 설계할 때 LangChain은 ReAct, Plan-and-Execute 같은 고도화된 전략을 직접 코딩할 수 있습니다.에이전트 구현의 질적 차이n8n의 자동화: "A가 들어오면 B를 하고 C를 보내라"는 정해진 경로(Deterministic Path)를 따릅니다. 최근 AI 노드가 추가되었지만, 여전히 구조적인 틀..

생성형 AI 스터디 기록하기 2회차[구글 스터디 잼 X 서울시 여성재단 우먼잇츠스터디 - "Gen AI 생성형 AI 생애주기 맞보기"] 1. 생성형 AI와 LLM 모델 개념 / Vertex AI 활용 프롬프트 엔지니어링 (2회차)2. Vector 및 Embedding 개념 / Gemini Multimodal 기반 RAG 구현 (3회차)3. 데이터 파이프라인 ML APIs (4회차)4. BigQuery ML 기반 모델 구축 (5,6회차)5. MLOps - 모델 평가 / ML 솔루션 구축 및 배포 (7,8회차) Beginner: Introduction to Generative AI Learning Path✔️ Chapter 01, 02, 04생성형 AI와 LLM 모델 개념Foundation Model(..

생성형 AI 스터디 기록하기 3회차[구글 스터디 잼 X 서울시 여성재단 우먼잇츠스터디 - "Gen AI 생성형 AI 생애주기 맞보기"] 1. 생성형 AI와 LLM 모델 개념 / Vertex AI 활용 프롬프트 엔지니어링 (2회차)2. Vector 및 Embedding 개념 / Gemini Multimodal 기반 RAG 구현 (3회차)3. 데이터 파이프라인 ML APIs (4회차)4. BigQuery ML 기반 모델 구축 (5,6회차)5. MLOps - 모델 평가 / ML 솔루션 구축 및 배포 (7,8회차) Advanced: Generative AI for Developers Learning Path✔️ Chapter 05, 06, 07, 08 Gemini Multimodal 기반 RAG 구현: P..

생성형 AI 스터디 기록하기 3회차[구글 스터디 잼 X 서울시 여성재단 우먼잇츠스터디 - "Gen AI 생성형 AI 생애주기 맞보기"] 1. 생성형 AI와 LLM 모델 개념 / Vertex AI 활용 프롬프트 엔지니어링 (2회차)2. Vector 및 Embedding 개념 / Gemini Multimodal 기반 RAG 구현 (3회차)3. 데이터 파이프라인 ML APIs (4회차)4. BigQuery ML 기반 모델 구축 (5,6회차)5. MLOps - 모델 평가 / ML 솔루션 구축 및 배포 (7,8회차) Advanced: Generative AI for Developers Learning Path✔️ Chapter 05, 06, 07, 08Chapter 6 3. Generative AI Stud..

생성형 AI 스터디 기록하기 3회차[구글 스터디 잼 X 서울시 여성재단 우먼잇츠스터디 - "Gen AI 생성형 AI 생애주기 맞보기"] 1. 생성형 AI와 LLM 모델 개념 / Vertex AI 활용 프롬프트 엔지니어링 (2회차)2. Vector 및 Embedding 개념 / Gemini Multimodal 기반 RAG 구현 (3회차)3. 데이터 파이프라인 ML APIs (4회차)4. BigQuery ML 기반 모델 구축 (5,6회차)5. MLOps - 모델 평가 / ML 솔루션 구축 및 배포 (7,8회차) Advanced: Generative AI for Developers Learning Path✔️ Chapter 05, 06, 07, 08 Chapter 51. AI 원칙과 윤리핵심 철학: 문제..

1. 시험 환경Ubuntu: 24.04 LTSJava: 17.0.11 설치하기 2. 설치1) sudo 권한으로 apt 업데이트하고 openjdk v17을 설치$ sudo apt update$ sudo apt install openjdk-17-jdk 2)  설치한 java 버전을 확인$ java -version 3) 설치된 java 경로를 확인    - default : /usr/lib/jvm/java-17-openjdk-amd64/bin/java 4) environment 파일에서 JAVA_HOME 환경변수를 설정 $ sudo vi /etc/environment 12PATH="/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:..

허깅페이스: 트랜스포머 기반의 다양한 모델들과 학습 스크립트를 구현해놓은 일종의 모듈  -> 자연어 처리, 이미지 생성모델, 컴퓨터 비전모델등 다양한 도구와 라이브러리를 제공함.  -> 즉, 인공지능에 대한 어떤 배경지식이 많이 없더라도 간단한 파이썬 지식이 있다면 학습 모델들을 쉽게 사용해 볼 수 있는 곳임!- 구글 코랩 사용-  기계 학습 모델을 구축, 배포 및 교육하기 위한 도구와 리소스를 개발하는 프랑스계 미국 스타트업 회사이자 오픈 소스 플랫폼  장점편리한 사용성: Hugging Face는 다양한 언어 처리 모델과 데이터셋을 제공하고 있습니다. 이들은 PyTorch, Tensor Flow 등의 딥러닝 프레임워크에서 사용할 수 있습니다.최신 모델 제공: Hugging Face에서는 최신 언어 처리..

UI pathC#과 .NET Framework 기반으로 개발Windows OS에서만 개발 및 실행 가능에디터 부분이 windows Workflow Foundation으로 개발되었기 때문에, 코드 타이핑을 통한 개발이 아닌 마우스 드래그 앤 드랍으로 개발 워크플로우를 레코딩하면 됨사전 구현된 자동화 액티비티를 활용해 보다 쉽게 자동화 구현협업 툴과 간편한타사 컴포넌트 통합을 통해 모든 부서 및 워크플로우 지원공유 및 재활용 가능한 컴포넌트를 통해 협업과 생산성 향상라이브러리, 액티비티, 프로젝트, 오픈 워크플로우를 검색할 수 있는 명령 팔레트2005년에 설립 국내 도입: LG, 하나금융 등 RPA 표준 플랫폼포레스터 2018년 2분기 자료에 따르면 가장 널리 보급된 RPA 플랫폼이고 업계 1위현재 1800..

Meta AI의 Foundation Model인 LLaMA2024년 봄, 메타(Meta)에서 차기작 ‘라마 3 (8B, 70B)’를 공개현재 훈련 중인 400B 이상의 모델도 이어 공개될 것이라 예고됐고, 오픈AI의 차세대 LLM 모델인 GPT-5도 올여름 중 출시될 것이라는 소문이 있음라마 3는 라마 2보다 성능이 크게 향상된 것은 물론, 구글의 제미나이(Gemini)나 앤트로픽의 클로드(Claude) 등 주요 LLMs(Large Language Model, 대형 언어 모델)와 비교해도 비슷한 크기의 모델 중에서 가장 높은 성능을 보여줌✔️ Llama 3 주요 특징 (개선 사항) 라마 3 라마 2학습 데이터셋 크기15T (15조 개) 토큰✅7배 이상 증가, 대규모 사전학습 확장✅라마 3 pre-trai..

LLM의 단점LLM(Large Language Model)은 많은 장점에도 불구하고 다음과 같은 단점과 한계점을 가지고 있습니다:편향성 문제학습 데이터에 내재된 편향성을 그대로 반영할 수 있음성별, 인종, 종교 등에 대한 고정관념이나 차별적 표현을 생성할 위험 존재사실 관계 오류 가능성방대한 데이터를 학습하지만, 항상 정확한 정보를 제공하지는 않음잘못된 정보나 허위 정보를 진실로 간주하고 전파할 수 있음맥락 이해의 한계문장 단위의 이해는 가능하지만, 장문의 글이나 복잡한 맥락 파악은 어려울 수 있음세계 지식과 상식 추론 능력이 부족하여 심층적인 이해에 한계 존재일관성 문제동일한 입력에 대해 일관된 답변을 생성하지 않을 수 있음모델의 확률적 특성상 생성 결과가 매번 달라질 수 있어 신뢰성 저하윤리적 문제악..