GPT로 정리한 내용입니다.가볍게 읽어주시면 감사하겠습니다 :) 메리 미커가 누구인가?메리 미커는 누구야?“인터넷의 여왕”이라고 불리는 사람기술 트렌드를 예리하게 분석해서 알려주는 걸로 유명해요.원래는 월스트리트 증권 분석가였고,나중에는 실리콘밸리에서 벤처 투자자가 되었어요.기술 산업과 인터넷의 미래를 잘 예측한 사람으로 유명해요.뭘로 유명해?매년 전 세계가 기다리는 “인터넷 트렌드 보고서(Internet Trends Report)”를 발표해요.트렌드를 숫자와 그래프로 쉽게 설명함기업, 스타트업, 투자자들이 이 보고서 보고 전략 세움메리 미커의 일대기GPT 요약보고서 핵심 요약👇AI 툴 확산 속도가 엄청 빨라요ChatGPT 같은 툴을 수억 명이 사용 중미국보다 해외가 더 빠르게 퍼지고 있어요“AI를 ..

차세대 시스템(안에 그림들은 부정확함)차세대 시스템은 금융기관의 전사적 비즈니스 전략을 효과적으로 반영하고 지원할 수 있도록 비즈니스와 IT가 이상적으로 통합된 시스템을 의미합니다. 이는 단순히 노후화된 기기들을 새로운 서버로 교체하는 것을 넘어, 서비스의 효율적 제공을 위해 금융기관에 새로 도입되는 하드웨어, 소프트웨어, 운영체제 등을 포함하는 포괄적인 개념입니다. 앞으로의 금융시장은 통합된 고객정보를 바탕으로 한 고객의 요구 분석 및 영업활동이 필수적입니다. 이러한 통합된 정보를 활용할 수 있는 시스템이 진정한 차세대 시스템이라 할 수 있습니다. 즉, 차세대 시스템이 고객 중심의 차별화된 서비스를 제공할 수 있어야만 금융기관의 경쟁력이 될 수 있습니다. 금융기관이 차세대 시스템을 도입함으로써, 고객 ..

아래 블로그에 좋은 자료가 있어서 GPT와 함께 빠르게 정리해보고자 합니다.https://ai.gopubby.com/risk-management-for-the-agentic-ai-lifecycle-181e9a88b84a Risk Management for the Agentic AI LifecycleSecure & Responsible Development of AI Agentsai.gopubby.com Agentic AI란?Agentic AI는 단순히 텍스트를 생성하는 수준을 넘어서, 자율적으로 목표를 이해하고, 계획을 수립하며, 외부 도구나 시스템과 상호작용하여 실제 작업을 수행할 수 있는 인공지능을 의미합니다. Agentic Liftcycle 단계핵심 질문1. Use-case 정의왜 만들고, 무엇을..

프롬프트 최적화 관련 오픈소스 정리하기번호오픈소스링크체크날짜라이센스Star(2025-05)1llama-prompt-ops https://github.com/meta-llama/llama-prompt-ops2025-05MIT2642dspyhttps://github.com/stanfordnlp/dspy 2025-05 MIT24.1k3 OpenPrompt https://github.com/thunlp/OpenPrompt 2025-05 Apache-2.04.6k4Promptimhttps://github.com/hinthornw/promptimizer2025-05MIT7245GreaterPrompthttps://github.com/psunlpgroup/GreaterPrompt2025-05MIT156GreaTerh..

프롬프트 엔지니어링 문서 내용 정리 Index제목제공자링크1Prompt engineeringopenaihttps://platform.openai.com/docs/guides/prompt-engineering/six-strategies-for-getting-better-results2Prompt engineeringgoogle-cloudhttps://cloud.google.com/discover/what-is-prompt-engineering3 개인https://www.promptingguide.ai/kr4openai-cookbookopenaihttps://cookbook.openai.com/examples/gpt4-1_prompting_guide?fbclid=IwY2xjawJwDf1leHRuA2FlbQI..

GPT를 활용하여 작성하였습니다  배경어쩌다가 뉴스 기사를 통해 보게 되었고, 내용을 대충 보니 데이터를 어떻게 쌓으면 되는지 그리고 어떤 식으로 학습하면 되는지 그리고 깃헙을 제공하다 보니, 관심을 가지게 되었고, 읽게 되었습니다.그래서 이 논문을 통해 알고자 하는 부분은 어떻게 데이터를 뽑았는 지, 그리고 어떻게 저렴한 비용으로 해당 모델을 만들 수 있는 지를 알고자 읽어보게 되었습니다.   이 논문의 핵심 내용은 Test-time scaling(테스트 시 스케일링)이라는 개념을 활용하여 언어 모델의 성능을 향상시키는 방법을 연구하는 것입니다. 기존에 OpenAI의 o1 모델이 이를 구현했지만, 구체적인 방법이 공개되지 않아 이를 복제하려는 여러 시도가 있었습니다. 연구진은 가능한 한 가장 단순한 방..

GPT와 함께 아래 내용들을 정리했습니다.   2025년 1월, 핫하게 떠오른 DeepSeek 모델최근 AI 업계에서 뜨거운 화제가 되고 있는 DeepSeek 모델을 살펴보자.이 모델은 헤지펀드 하이 플라이어 퀀트라는 기업에서 개발한 것으로, 해당 기업은 550만 달러의 비용으로 현재까지 가장 뛰어난 오픈 소스 언어 모델을 만들었다고 주장하고 있다.NVIDIA 칩 의존도를 낮춘 혁신DeepSeek 개발진은 "꼭 최고의 NVIDIA 칩이 아니더라도 고성능 모델을 개발할 수 있다"고 자신 있게 발표했다.실제로 DeepSeek은 오픈 소스 모델 중 최고의 성능을 기록했으며, 폐쇄형 모델인 GPT-4와도 견줄 만한 결과를 보여주었다.이 혁신적인 접근은 업계 전반에 큰 반향을 일으켰으며, 특히 NVIDIA의 주가..

qwen2.5-72b를 vllm에 올리는 테스트를 해보는 중에, ollama로 올린 것이 vllm으로 올린 것보다 더 빠른 것을 경험했습니다.vllm에 올린 모델은 허깅페이스에 올라온 모델을 기반으로 테스트했습니다.1. Qwen/Qwen2.5-72B-Instruct-AWQ2. Qwen/Qwen2.5-72B-Instruct-GPTQ-Int8 ollama 역시 양자화된 것인데Q4_K_M으로 양자화된 모델(gguf)임을 알 수 있습니다. 개인적으로 서빙을 할 때 당연히 ollama가 vllm 보다 느릴 줄 알았는데, vllm이 더 느린 것을 보고, 공식적으로 지원하지 않는 모델 같은 경우 느릴 수도 있겠다는 생각이 들었습니다.https://docs.vllm.ai/en/latest/models/supported..

유튜브를 보다가 흥미로운 개념에 대해서 알게 되었는데, 이해가 잘 안돼서 개념이라도 이해해 보고자 정리해 봅니다.특히 시간의 간격이 불규칙한 경우에 rnn 같은 계열의 사용이 어렵다는 것에 대해서 공감하였고, 이러한 문제에 접근하는 방법에 대해서 궁금하게 되어서 정리해보고자 합니다. ODE의 기본 개념 일반적으로, ODE(상미분 방정식)은 변화하는 현상을 설명하는 데 사용하는 수학적인 도구입니다. 예를 들어, 물건을 던졌을 때 그 물체의 위치가 시간이 지남에 따라 어떻게 변하는지 계산하는 식이라고 볼 수 있어요. 이를 통해 속도나 가속도 같은 변화들을 단계별로 계산해 나갈 수 있죠.  미분 방정식은 어떤 종속 변수(yyy)가 독립 변수(xxx)의 변화에 따라 어떻게 변하는지를 설명하는 방정식입니다. 예를..

해당 글은 ChatGPT 4o With canvas로 만들었습니다.  문서를 파싱하는 것까지는 많은 오픈 소스랑 논문들이 있지만, 이 순서를 잘 정리해 주는 방법에 대한 것들은 많이 찾아보기가 어려웠다. 그래서 곰곰이 생각했을 때 각각의 파싱 된 결과를 노드로 생각하고 그것을 읽는 순서를 엣지로 정의하면 좀 더 쉽게 풀리지 않을까 싶은 생각에 시도했다가 생각보다 잘 되지 않았다.그래서 Reading Order에 대한 논문을 찾던 도중 구글에 다니는 분들이 쓴 논문이 있어서 살펴봤다. 내용중에서 그래프랑 이미지를 같이 쓰는 것과 초기 edge를 어떻게 정의하는지가 눈에 띄었다.문서 읽기 순서 예측의 중요성문서 내의 텍스트가 어떤 순서로 읽혀야 하는지 예측하는 것은 매우 중요한 과제입니다. 특히, 다중 열 ..

해당 글은 ChatGPT 4o With canvas 로 만들었습니다.  해당 내용은 GSL에 관심이 생겨서 알아보게 되었고, 논문이 많아서 일단 GPT한테 부탁해서 정리를 시켜본 글이다.일단 내가 알고 싶은 것은 아래 그림처럼 기존의 그래프가 있을 경우, 이 그래프가 노드의 정보를 잘 담아서 다시 학습할 수 있는 방법에 대해서 궁금하게 되어서 찾아보게 되었습니다. 그래프 구조 학습(Graph Structure Learning, GSL)은 복잡한 데이터 간의 관계를 이해하고, 이를 통해 데이터를 더 잘 활용하는 기술입니다. GSL은 소셜 네트워크 분석, 추천 시스템, 지식 그래프 등에서 널리 사용되고 있으며, 그래프 신경망(Graph Neural Networks, GNN)과 결합해 뛰어난 성능을 발휘합니다..

LangChain 제품들 요약(LangChain, LangGraph, LangSmith, LangServe) LangChain 제품과 각각의 주요 내용을 정리하면 다음과 같습니다:LangChain: 대형 언어 모델(LLM)을 활용한 애플리케이션 개발 프레임워크입니다.개발: 오픈소스 구성 요소와 LangGraph를 사용하여 상태 유지 에이전트를 구축합니다.생산화: LangSmith를 사용하여 체인을 검사, 모니터링, 평가하고 최적화합니다.배포: LangGraph Cloud를 통해 생산 준비가 된 API 및 Assistant로 변환합니다.LangChain의 구성 요소:langchain-core: 기본 추상화 및 LangChain 표현 언어.langchain-community: 서드파티 통합. (https:/..