LangChain 을 이용하여 AI 모델에 툴 호출(tool calling) 기술을 적용해보고, 이를 통해 AI 답변이 어떻게 달라지는지 테스트를 진행해보기로 한다. Tool Calling 기능은 대화형 AI 모델이 외부 도구를 직접 호출하여 특정 작업을 수행할 수 있도록 하는 기능이며, AI가 단순히 대화를 나누는 것을 넘어서 도구를 호출하여 복잡한 연산 혹은 실데이터에 기반한 답변을 수행할 수 있게 해준다.
[더 읽기]Hugo 사이트 google 검색결과 제목 수정
hugo로 블로그를 운영중에 있지만, 아래처럼 구글 검색결과에 - - 이렇게 표시가 되는 게 보였다. 글을 쓰기만 했지 내글이 어떻게 검색되는지 몰랐다. 중간에 2번 대시가 나오는게 이상해서 hugo layout 을 오랜만에 살펴보기로 했다.
AI 모델 정확도 높이기: Langchain과 Few-shot 학습으로 모델 개선하기
ChatGPT 같은 대형 언어 모델들도 특정 상황에서는 추가적인 학습 데이터가 필요할 때가 있는데, 이를 해결하기 위한 방법이 few-shot 학습이다. Few-shot 학습은 적은 수의 예시만으로도 모델이 새로운 문제에 잘 적응할 수 있게 도와주는 기술이다. 이 글에서는 Python의 Langchain 라이브러리를 사용하여, few-shot 학습을 AI 채팅 모델에 적용하고, 모델의 성능을 높이는 과정을 정리해본다. 같은 질문을 했을때, few-shot 학습전과 후의 AI모델 응답을 비교했는데 의도한대로 잘 나와서 놀랐다.
[더 읽기]LangChain 으로 Ollama LLM 모델 연동하기
Docker 이미지로 JupyterLab 설치
Dockerhub 에 JupyterLab 혹은 Jupyter Notebook 을 더이상 업데이트하지 않고 있음을 알게 되었다. 귀찮긴 하지만, python 이미지를 가지고 jupyter 설치를 하면 되긴하니까. 그렇게 이미지를 만들어서 로컬pc에 jupyter lab 환경을 띄우는 것까지 해보려한다.
[더 읽기]개인용 Private LLM 모델 설치(LLAMA3.2-3B)
Ollama는 AI 및 머신러닝 모델을 쉽게 관리하고 배포할 수 있도록 지원하는 플랫폼이다. 이 플랫폼은 LLM 모델 학습 및 추론 작업을 효과적으로 수행할 수 있도록 도와주며, AI 및 머신러닝 모델을 관리하고 배포하는 데 필요한 다양한 기능을 제공한다. Ollama 를 이용하면 개인용 private 생성형 AI 모델을 쉽게 설치할 수 있다.
[더 읽기]엑셀 VBA 주요기능 정리(조건문,반복문,서식채우기 등)
엑셀은 단순한 스프레드시트를 넘어 데이터 분석, 정리, 시각화 등 다양한 작업을 가능하게 해주는 강력한 도구이다. 이와 함께 VBA(Visual Basic for Applications)는 엑셀의 기능을 더욱 확장해 주는 프로그래밍 언어로, 반복적인 작업을 자동화하고, 사용자 지정 기능을 추가하며, 복잡한 데이터 처리도 손쉽게 할 수 있도록 도와준다. 이번 포스트에서는 엑셀 VBA 기능중에 자주사용하는 기능 몇개를 정리해보기로 한다.
[더 읽기]엑셀에서 채권 만기수익률 구하기(목표값찾기, 해찾기 기능)
채권의 가격과 수익률을 이해하는 것은 생각보다 복잡하다. 시장 금리의 변동, 채권의 만기, 그리고 지급되는 이자 등이 모두 영향을 미치기 때문인데, 이런 다양한 요소를 고려하여 채권의 가치를 평가하기 위해서는 여러 계산이 필요하다.
[더 읽기]Postgresql - FUNCTION 작성 및 실행방법
PostgreSQL에서 서버 프로그래밍의 일환으로 PL/pgSQL, PL/Tcl, PL/Perl, PL/Python 등 여러 프로그래밍 언어를 사용하여 만들 수 있다. 함수(FUNCION)는 다양한 작업을 자동화하거나 간단한 데이터 처리를 수행할 수 있으며 그중 기본 설치되어 있는 PL/pgSQL 으로 간단한 예시를 정리해본다.
[더 읽기]