전체 글 썸네일형 리스트형 [AI Study] 그래프 데이터베이스(Graph DB) 분석 그래프 데이터베이스(Graph DB) 분석RDB(관계형 데이터베이스)와의 비교를 통한 그래프 DB의 개념 및 활용 사례🎯 학습 목표"그래프 데이터베이스의 핵심 원리와 적용 분야 이해"학습 내용:관계형 데이터베이스(RDB)의 관계 표현 한계점 분석그래프 DB의 핵심 구성 요소: 노드(Node)와 엣지(Edge)'관계' 중심 데이터 모델링의 장점 파악그래프 DB의 주요 사용 사례(Use Case) 학습그래프 쿼리 언어 Cypher의 기본 구조 이해ol>🧐 Step 1. 문제 정의: 관계형 데이터베이스(RDB)의 한계1-1 기존의 테이블(Table) 기반 데이터 모델관계형 데이터베이스(RDB)는 데이터를 정규화된 테이블(Table) 구조로 저장한다. 이는 정형 데이터를 관리하는 데 매우 효율적이지만, 데이.. 더보기 [AI Study] 멀티모달(Multimodal) AI [AI Study] 멀티모달(Multimodal) AI : 텍스트를 넘어 이미지와 소리까지 이해하는 AI 🎯 오늘의 학습 목표"멀티모달 AI의 개념과 작동 원리 완벽 이해하기"학습 내용:멀티모달 AI의 정확한 정의 알기멀티모달이 '왜' 중요한지 이해하기실제 멀티모달 AI의 작동 예시 파악하기 (GPT-4o, Gemini)멀티모달 AI의 핵심 기술 맛보기미래에 멀티모달이 가져올 변화 예측하기🛠️ 멀티모달을 구성하는 기술들Computer Vision (CV) - 이미지를 이해하는 '눈'Natural Language Processing (NLP) - 텍스트를 이해하는 '언어 능력'Audio Processing - 소리를 이해하는 '귀'Fusion / Alignment - 여러 정보를 종합하는 '두뇌'Tra.. 더보기 [AI Study] LangGraph로 상태 기반 Agent 만들기 [AI Study] LangGraph로 상태 기반 Agent 만들기복잡한 AI 워크플로우를 그래프로 관리하는 방법🎯 만들 것"LangGraph 고객 지원 시스템"기능:상태(State) 기반 데이터 관리노드(Node)로 각 단계 정의조건부 분기 (Conditional Edge)자동 워크플로우 실행투명한 실행 과정🛠️ 기술 스택Python 3.11+LangGraph - 상태 기반 워크플로우LangChain - AI 프레임워크OpenAI API - GPT-4o-mini💡 LangGraph란?Multi-Agent vs LangGraph:구분Multi-AgentLangGraph상태 관리수동자동흐름 제어if문그래프복잡한 로직어려움쉬움시각화불가가능반복 처리복잡간단LangGraph 구조:[START] ↓[분류.. 더보기 [AI Study] Multi-Agent 시스템 구축하기 [AI Study] Multi-Agent 시스템 구축하기여러 AI Agent가 협력하여 복잡한 문제를 해결하는 시스템 만들기🎯 만들 것"Multi-Agent 고객 지원 시스템"기능:자동 문의 분류 (기술/결제/일반)전문 분야별 Agent 자동 배정각 Agent가 전문 지식으로 답변최종 품질 관리 및 답변 정리투명한 처리 과정 표시🛠️ 기술 스택Python 3.11+LangChain - AI 워크플로우 프레임워크OpenAI API - GPT-4o-mini객체지향 설계 - Agent 클래스 분리💡 Multi-Agent란?하나의 Agent vs 여러 Agent:구분단일 AgentMulti-Agent역할모든 일 처리역할 분담전문성평균적높음확장성어려움쉬움유지보수복잡간단 Multi-Agent 처리 흐름:고객 .. 더보기 [AI Study] LangChain으로 RAG 시스템 구축하기 [AI Study] LangChain으로 RAG 시스템 구축하기문서를 업로드하면 그 내용을 기반으로 답변하는 AI 만들기🎯 만들 것"AI 학습 비서 with RAG"기능:PDF/TXT 문서 업로드자동으로 청크 분할 & 벡터DB 저장질문하면 관련 문서 검색문서 기반 정확한 답변출처 표시🛠️ 기술 스택Python 3.11+LangChain - AI 워크플로우 프레임워크Chroma - 벡터 데이터베이스OpenAI API - GPT-4o-mini & EmbeddingsPyPDF - PDF 파일 처리📦 Step 1. 패키지 설치1-1 가상환경 활성화source venv/bin/activate 1-2 패키지 설치pip install langchain langchain-openai langchain-commun.. 더보기 [AI Study] 랭체인(LangChain)과 RAG, 한 번에 이해하기 랭체인(LangChain)과 RAG, 한 번에 이해하기 랭체인(LangChain)과 RAG(검색 증강 생성)의 개념 비교 대규모 언어 모델(LLM)은 방대한 지식을 갖추고 있으나, 최신 정보 부재 및 내부 데이터 접근 불가와 같은 명확한 한계를 가집니다. 이 문제를 해결하는 핵심적인 두 개념이 바로 RAG와 랭체인입니다. 두 용어는 자주 함께 사용되지만, 그 역할과 범주는 명확히 다릅니다. 1. RAG (검색 증강 생성): LLM의 답변 정확도를 높이는 기술 LLM이 학습하지 않은 데이터에 대해 답변을 생성하거나 사실이 아닌 정보를 만들어내는 현상(환각)은 주요한 문제입니다.**RAG(Retrieval-Augmented Generation)**는 이러한 문제를 해결하기 위한 기술 아키텍처입니다. LLM이.. 더보기 [AI Study] Python + OpenAI로 AI 챗봇 만들기 [AI Study] Day 1 완성 - CLI 챗봇에서 Streamlit UI까지터미널 CLI부터 Streamlit 웹 UI까지, Python으로 만드는 첫 AI 챗봇🎯 오늘 만든 것1. CLI 챗봇 (main.py)터미널에서 대화하는 AI 챗봇대화 기억 기능토큰/비용 추적 2. Streamlit 웹 UI (app.py)브라우저에서 사용하는 ChatGPT 스타일 UI대화 저장/불러오기실시간 비용 모니터링🛠️ 기술 스택Python 3.11+OpenAI API (GPT-4o-mini)Streamlit (웹 UI)python-dotenv (환경 변수 관리)📦 Step 1. 환경 설정1-1 가상환경 생성python3 -m venv venvsource venv/bin/activate 1-2 패키지 설치pip.. 더보기 [AI Study] 청크, 벡터DB, RAG란? - 개념 쉽게 이해하기 [AI Study] 청크, 벡터DB, RAG란? - 개념 쉽게 이해하기RAG가 뭐길래? 어려워 보이지만 사실은 간단합니다!🎯 문제 상황일반 ChatGPT의 한계:질문: "우리 회사 휴가 정책이 뭐야?"ChatGPT: "죄송하지만 귀사의 정보를 모릅니다" ❌왜 그럴까요?ChatGPT는 2023년까지의 학습 데이터만 알고 있음우리 회사 문서는 학습하지 못함최신 정보도 모름 RAG로 해결:질문: "우리 회사 휴가 정책이 뭐야?"→ 회사 문서 검색→ ChatGPT가 문서 보고 답변ChatGPT: "연차 15일, 병가 10일입니다" ✅📚 RAG를 이해하기 위한 3가지 개념RAG를 이해하려면 먼저 3가지 개념을 알아야 합니다:청크 (Chunk)벡터 DB (Vector Database)RAG (Retrieval-.. 더보기 이전 1 2 3 4 ··· 22 다음