분류 전체보기(140)
-
LangChain으로 LLM RAG 챗봇 구축 IV
2단계: 비즈니스 요구 사항 및 데이터 이해 AI 프로젝트 작업을 시작하기 전에 해결하려는 문제를 이해하고 문제 해결 방법에 대한 계획을 세워야 합니다. 여기에는 문제를 명확하게 정의하고, 요구 사항을 수집하고, 사용할 수 있는 데이터와 기술을 이해하고, 이해관계자의 명확한 기대치를 설정하는 것이 포함됩니다. 이 프로젝트에서는 문제를 정의하고 챗봇에 대한 비즈니스 요구 사항을 수집하는 것부터 시작합니다. 문제 및 요구 사항 이해 당신이 미국의 대규모 병원 시스템에서 일하는 AI 엔지니어라고 상상해 보세요. 이해관계자는 자신이 수집하는 끊임없이 변화하는 데이터에 대한 더 많은 가시성을 원합니다. 그들은 SQL과 같은 쿼리 언어를 이해하거나 분석가에게 보고서를 요청하거나 누군가 대시보드를 구축할 때까지 기다..
2024.04.17 -
LangChain으로 LLM RAG 챗봇 구축 III
프롬프트 템플릿 LangChain을 사용하면 프롬프트 템플릿을 사용하여 챗봇을 위한 모듈식 프롬프트를 디자인할 수 있습니다. LangChain의 문서를 인용하면 프롬프트 템플릿을 언어 모델에 대한 프롬프트를 생성하기 위한 사전 정의된 레시피로 생각할 수 있습니다. 리뷰를 통해 환자 경험에 대한 질문에 답변하는 챗봇을 구축한다고 가정해 보겠습니다. 이에 대한 프롬프트 템플릿은 다음과 같습니다. [ ]: from langchain.prompts import ChatPromptTemplate review_template_str = """Your job is to use patient reviews to answer questions about their experience at a hospital. Use t..
2024.04.16 -
LangChain으로 LLM RAG 챗봇 구축 II
1단계: LangChain에 익숙해지기 챗봇을 설계하고 개발하기 전에 LangChain을 사용하는 방법을 알아야 합니다. 이 섹션에서는 병원 시스템 챗봇의 예비 버전을 구축하여 LangChain의 주요 구성 요소와 기능을 알아봅니다. 이는 완전한 챗봇을 구축하는 데 필요한 모든 도구를 제공합니다. 선호하는 코드 편집기를 사용하여 새 Python 프로젝트를 만들고 해당 종속성에 대한 가상 환경을 만들어야 합니다. Python 3.10 이상이 설치되어 있는지 확인하십시오. 가상 환경을 활성화하고 다음 라이브러리를 설치하십시오. [ ]: !conda create -n langchain python=3.12 -y # !source ../.bashrc # !conda init !conda activate lang..
2024.04.15 -
LangChain으로 LLM RAG 챗봇 구축 I
OpenAI의 ChatGPT와 같은 대규모 언어 모델(LLM)과 상호 작용하고 질문에 답변하고 문서를 요약하고 코드를 작성하는 등의 놀라운 능력을 경험했을 것입니다. LLM은 그 자체로 훌륭하지만 약간의 프로그래밍 지식만 있으면 LangChain과 같은 라이브러리를 활용하여 거의 모든 작업을 수행할 수 있는 자체 LLM 기반 챗봇을 만들 수 있습니다. 기업 환경에서 LLM 기반 챗봇을 만드는 가장 인기 있는 방법 중 하나는 검색 증강 생성(RAG)을 이용하는 것입니다. RAG 시스템을 설계할 때 검색 모델을 사용하여 일반적으로 데이터베이스나 코퍼스에서 관련 정보를 검색하고 이 검색된 정보를 LLM에 제공하여 상황에 맞는 관련 응답을 생성합니다. 이 튜토리얼에서는 대규모 병원 시스템에서 일하는 AI 엔지니..
2024.04.14 -
Python의 마법 방법 VII
객체를 호출 가능하게 만들기 Python에서 콜러블은 한 쌍의 괄호와 선택적으로 일련의 인수를 사용하여 호출할 수 있는 객체입니다. 예를 들어 함수, 클래스 및 메서드는 모두 Python에서 호출 가능합니다. 콜러블은 작업을 수행할 수 있게 해주기 때문에 많은 프로그래밍 언어에서 기본입니다. Python을 사용하면 자신만의 콜러블을 만들 수 있습니다. 이렇게 하려면 클래스에 .call() 특수 메서드를 추가하면 됩니다. .call() 메소드가 있는 클래스의 모든 인스턴스는 함수처럼 동작합니다. 호출 가능 인스턴스의 일반적인 사용 사례는 호출 간에 계산된 데이터를 캐시하는 상태 저장 호출 가능이 필요한 경우입니다. 이는 일부 알고리즘을 최적화해야 할 때 유용합니다. 예를 들어, 효율성을 위해 이미 계산된 ..
2024.04.13 -
Python의 마법 방법 VI
설명자를 통해 속성 관리 Python 설명자는 특정 사용자 정의 클래스의 속성을 세부적으로 제어할 수 있는 클래스입니다. 설명자를 사용하여 특정 클래스의 속성 위에 함수와 유사한 동작을 추가할 수 있습니다. 설명자 클래스에는 최소한 .__get__()특수 메서드가 필요합니다. 그러나 전체 설명자 프로토콜은 다음 메서드로 구성됩니다. 방법설명 .get(self, instance, type=None) 관리되는 속성의 현재 값을 검색할 수 있는 Getter 메서드 .set(self, instance, value) 관리되는 속성에 새 값을 설정할 수 있는 Setter 메서드 .delete(self, instance) 포함 클래스에서 관리되는 속성을 제거할 수 있는 삭제자 메서드 .set_name(self, ow..
2024.04.12