올해는 머신러닝이다.

강력한 AI 애플리케이션을 구축하려면?LangChain, LangGraph, LangFlow, LangSmith 비교 분석AI 애플리케이션을 개발하는 과정에서 다양한 도구와 프레임워크를 접하게 되는데요. 특히, LangChain, LangGraph, LangFlow, LangSmith 같은 도구들은 LLM(대형 언어 모델)을 활용한 개발을 더욱 쉽게 만들어줍니다. 하지만 각각의 기능과 차이점이 무엇인지 궁금하신 분들도 많을 텐데요. 이번 글에서는 이 네 가지 도구의 특징과 활용법을 예제와 함께 비교해 보겠습니다.1. LangChain: LLM 애플리케이션을 쉽고 체계적으로 구축하기LangChain은 오픈 소스 프레임워크로, LLM을 활용한 애플리케이션을 보다 체계적으로 구성할 수 있도록 도와줍니다. 예를..

로그(logging)는 개발과 운영에서 매우 중요한 요소야. 로그를 잘 남기면 디버깅, 문제 해결, 성능 분석, 보안 감사 등에 큰 도움이 돼. 여기서는 효율적으로 로그를 남기는 방법을 정리해볼게.🔹 1. 로그의 목적을 명확히 하자로그는 단순한 출력이 아니라 분석과 문제 해결을 위한 기록이야. 따라서 로그를 남길 때는 다음을 고려해야 해.디버깅을 위한 로그: 개발 중 코드의 흐름을 확인하는 용도운영 로그: 실제 서비스에서 발생하는 오류, 사용자 활동 기록보안 로그: 권한 변경, 로그인 시도, 데이터 접근 기록 등목적에 맞게 로그 레벨을 적절히 사용해야 해.🔹 2. 로그 레벨(Level)을 올바르게 사용하자로그 레벨을 잘 구분해야 로그 관리가 쉬워져.레벨 설명 사용 예시DEBUG상세한 디버깅 정보변수 ..

에이전틱 RAG와 로컬 AI: 더욱 강력한 AI 에이전트를 구축하는 방법by n8nRAG란 무엇인가?Retrieval-Augmented Generation (RAG) 는 AI 에이전트가 특정 도메인의 문서를 바탕으로 보다 정확한 응답을 생성할 수 있도록 하는 가장 널리 사용되는 방법 중 하나입니다. 이를 통해 AI가 단순한 질의응답(Q&A) 시스템이 아니라, 문서 기반 도메인 전문가로 활용될 수 있습니다. 그러나 기존의 RAG는 종종 충분한 성능을 발휘하지 못하는 경우가 많습니다.그래서 최근에는 에이전틱 RAG (Agentic RAG) 라는 개념이 등장하여 보다 강력하고 유연한 RAG 시스템을 구축하는 방법이 연구되고 있습니다.기존 RAG vs. 에이전틱 RAG전통적인 RAG 시스템은 다음과 같은 방식으..

https://www.kaggle.com/whitepaper-agents AgentsAuthors: Julia Wiesinger, Patrick Marlow and Vladimir Vuskovicwww.kaggle.com  구글의 에이전트 백서: AI 에이전트의 개념과 작동 방식 요약에이전트란 무엇인가?최근 구글에서 발표한 에이전트(Agent)에 대한 백서는 AI 기술의 발전에 있어 중요한 개념들을 다루고 있습니다. 기존의 ChatGPT와 같은 모델들은 단순히 질문을 받으면 즉각적인 응답을 제공하는 방식이지만, 에이전트는 자율적(autonomous)이고 독립적(independent) 으로 작동하며 여러 단계를 거쳐 문제를 해결하는 것이 특징입니다.기존 모델과 에이전트의 차이점기존 AI 모델(ChatGPT..

원문 영상https://www.youtube.com/watch?v=1OLrT3dEzhA 아래 내용은 영상을 요약 및 정리한 내용입니다AI 기반 에이전트 디자인 패턴 완전 정복에이전트 디자인 패턴이란?AI와 머신러닝에서 **에이전트 디자인 패턴(Agentic Design Patterns)**은 LLM(Large Language Models)을 더 효율적으로 활용하는 방법을 연구하는 분야입니다. 특히, 에이전트 기반 시스템을 구축할 때 반복적으로 사용되는 패턴을 정리하고, AI가 더욱 정교한 의사 결정을 내릴 수 있도록 설계하는 방식인데요. 이번 블로그에서는 4가지 주요 패턴을 하나씩 알아보며 Python을 이용해 직접 구현하는 방법까지 상세히 설명드리겠습니다.4가지 에이전트 패턴본 강의에서는 다음과 같은 ..

https://www.youtube.com/watch?v=DrMND9TTEWw 아래 내용은 위 영상을 보고 요약 및 정리한 내용입니다. 작은 언어 모델(SLM)의 가능성과 활용: 최신 서베이 논문 소개최근 AI 분야에서 큰 주목을 받고 있는 작은 언어 모델(Small Language Models, SLM)에 대한 서베이 논문이 발표되었습니다. 이 논문은 2023년 11월 4일 아카이브(arXiv)에 공개된 따끈따끈한 연구로, SLM의 개념과 장점, 주요 기술, 활용 방안 등을 상세히 다루고 있습니다.작은 언어 모델(SLM)이란?일반적으로 우리가 알고 있는 대형 언어 모델(Large Language Models, LLM)과 달리, SLM은 비교적 적은 수의 파라미터를 사용하여 더 적은 연산 자원으로 높은 ..

딥러닝의 혁신: 딥시 R1과 딥시 V3 모델 완벽 분석최근 인공지능(AI) 업계에서 가장 큰 화제를 모은 사건 중 하나는 "딥시(DeepSeek)"라는 연구팀이 발표한 딥시 R1과 딥시 V3 모델입니다. 특히, 딥시 R1은 오픈AI의 GPT-4 Turbo에 버금가는 성능을 갖추고도 오픈소스로 제공된다는 점에서 엄청난 주목을 받았습니다. 또한, 딥시 V3는 저사양 GPU에서도 뛰어난 성능을 발휘하며 모델 학습 비용을 획기적으로 절감할 수 있도록 설계된 점에서 AI 연구자들에게 중요한 시사점을 제공합니다.이번 포스팅에서는 딥시 R1과 딥시 V3의 특징을 분석하고, 딥러닝 모델 학습 과정에서 중요한 개념들을 쉽게 설명해 보겠습니다.1. 딥러닝 모델의 발전과 딥시의 등장인공지능 분야에서는 더 크고 강력한 모델을..

원문 영상https://www.youtube.com/watch?v=osv2csoHVAo&t=857s 아래 내용은 위 영상을 보고 정리한 내용입니다. 바닥부터 대형 언어 모델(LM) 만들기 – 개요 및 실습최근 AI와 머신러닝 기술이 발전하면서 대형 언어 모델(LM, Large Language Model) 구축에 대한 관심이 높아지고 있습니다. 오늘은 LM을 바닥부터 만들어보는 과정을 소개해 드리겠습니다. 이 과정은 여러분이 직접 실습하며 모델 훈련과 작동 원리를 이해하는 데 도움이 될 것입니다.LM 기술의 변화와 현재대형 언어 모델을 직접 구축하는 기술은 이미 몇 년 전부터 대중화되기 시작했습니다. 특히 중국에서 개발된 ‘딥시(DeepSeek)’가 등장하면서 LM 시장이 급격히 변화하고 있으며, 오픈소스..

안녕하세요! 오늘은 n8n을 이용해서 AI를 활용하여 얼굴 없는 유튜브 영상을 제작하는 방법을 소개해 드리겠습니다. AI 에이전트를 활용하면 누구나 간단하게 자동화된 워크플로우를 통해 영상을 만들 수 있습니다. 이번 포스트에서는 전체 프로세스를 하나씩 설명해 드릴 테니, 끝까지 읽어 주세요!1. 얼굴 없는 영상(Faceless Video) 제작 워크플로우📌 첫 번째 워크플로우: 영상 제작이 워크플로우에서는 다음과 같은 5가지 단계를 거쳐 AI가 자동으로 영상을 생성합니다.1️⃣ 워크플로우 초기화 2️⃣ 11 Labs를 이용한 AI 음성 생성 3️⃣ Flux AI 모델을 활용한 이미지 생성 4️⃣ 오디오, 이미지, 자막 및 배경 음악 결합 5️⃣ 최종 영상 생성 및 Google Sheets에 데이터 저장..