데이터&AI/langchain21 OnPremise LLM을 Langchain으로 연결하기 (feat. Solar) 안녕하세여!! 지난 포스팅을 통해서 Huggingface를 통해 다운받은 Solar 모델을 구현시키는 방법을 알아보았습니다 2024.06.13 - [데이터&AI/LLM] - Solar 오픈소스 모델 활용해서 ON-premise LLM 만들기 Solar 오픈소스 모델 활용해서 ON-premise LLM 만들기안녕하세요!지난 포스팅에서는 Upstage의 솔라 모델을 API로 활용하는 법을 배웠었는데요!2024.05.16 - [데이터&AI/LLM] - upstage의 llm 모델 Solar 사용하기!! (feat. 성킴 대표님 강의) upstage의 llm 모델 Solardrfirst.tistory.com 이번포스팅에서는 해당 모델을 langchain 기반으로 가동시키는 작업을 진행해 보겠습니다!!코드가 아.. 2024. 6. 14. [langchain + ollama] langchain으로 llama3 호출하기!!(feat. python, 멀티에이전트) 2024.05.29 - [데이터&AI/LLM] - llama3 의 모델을 api로 호출하기!! (feat. ollama, python, embedding) llama3 의 모델을 api로 호출하기!! (feat. ollama, python, embedding)지난 포스팅에서는!! ollama로 올라간 llama를shell 환경에서 진행해보았는데요!! 이번에는 API를 호출하는 방법으로 해당 모델을 사용해보겠습니다!! 1. ollama모델 구동 - 기존과 동일하게, 서버에drfirst.tistory.com 지난 포스팅에서는 ollama의 llama3를python의 api request를 활용하여 사용했었습니다!!이번에는 python의 langchain 패키지를 활용하여 llama3를 활용해봅시가!! 1... 2024. 6. 2. [langchain공부] embedding된 Vector를 mongoDB에 저장하기 2024.02.05 - [데이터&AI/langchain] - [langchain공부] Vectorstores. 벡터 저장소 (feat. Chroma, FAISS) [langchain공부] Vectorstores. 벡터 저장소 (feat. Chroma, FAISS) 사용자가 질문하고 답하는 RAG(Retrieval Augmented Generation, 검색 증강 생성)에서는 텍스트들을 벡터호 하여 Embeding한 하는데, 이 벡터를 저장해두 공간이 필요하다!! 이때 사용되는것이 벡터저장소 (Ve drfirst.tistory.com 지난 포스팅들을 통해서 embedding된 vectore들을 chroma, FAISS 등의 벡터 저장소에 저장하는 과정을 진행해보았는데요!! 이번 포스팅에선느 NoSQL의 선.. 2024. 3. 5. [langchain공부]gpt와 함께하는 few shot learning ! (feat. python) Few-Shot Learning 이란!? Few-Shot Learning은 적은 양의 데이터로도 새로운 작업을 학습하도록 인공지능 모델을 훈련하는 기법 반적인 머신러닝 모델은 방대한 양의 데이터를 필요로 하지만, Few-Shot Learning은 새로운 개념이나 카테고리를 빠르게 학습하도록 모델을 설계하여 데이터 부족 문제를 해결 Few-Shot Learning의 주요 특징: 적은 양의 학습 데이터: 새로운 작업을 학습하기 위해 필요한 데이터가 매우 적음 빠른 학습 속도: 새로운 개념을 빠르게 이해하고 적용할 수 있습니다. 일반화 능력: 학습된 개념을 새로운 상황에 적용할 수 있습니다. Few-Shot Learning의 활용 분야: 자연어 처리: 새로운 단어나 문장의 의미를 학습 컴퓨터 비전: 새로운 물.. 2024. 2. 24. 이전 1 2 3 4 ··· 6 다음
