SOURCE BOX

EasyOCR은 파이썬으로 개발된 광학문자인식(OCR) 라이브러리로, 다양한 언어의 텍스트를 이미지나 실시간 비디오에서 인식할 수 있게 해준다. 이 라이브러리는 PyTorch 기반으로 만들어져 있으며, 쉽고 간단하게 사용할 수 있는 인터페이스를 제공한다. EasyOCR은 다양한 언어를 지원하며, 특히 텍스트가 복잡하거나 비정형적인 경우에도 좋은 성능을 제공한다.

GitHub Marketplace는 GitHub 사용자들이 다양한 도구와 애플리케이션을 쉽게 찾아보고 설치할 수 있는 플랫폼인데, 여기에 AI모델들도 사용할 수 있게 되어 있다. GitHub Marketplace 에 있는 GPT-4o-mini 모델을 사용하여 간단한 질의에 대한 결과를 받는 기능을 구현하는 방법을 정리한다.

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.

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.

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.

LangChain을 사용해 Ollama 플랫폼내 있는 AI모델과 연동이 가능하다. python 언어를 통해 복잡한 작업을 간편하게 자동화 할 수 있도록 매뉴얼이 제공되고 있고, 이 글에서는 ChatOllama와 ChatPromptTemplate 클래스를 활용해 언어 번역 기능을 구현하는 방법을 따라하면서 과정을 기록해보려 한다.

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.

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.

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.

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.