AgileBus - IT 기술자를 위한 최신 기술 Trends

[인공지능 기술] LlamaIndex와 ChatGPT 사용하기 - llama-index ChatGPT는 방대한 학습 데이터(LLM)를 이용하여 번역, 요약, 설명 등을 할 수 있는 기술이지만 최신의 정보나 특정 도메인의 지식을 설명하지 못하는 경우 RAG( Retrieval Augmented Generation) 방식으로 데이터의 증강이 필요합니다.LlamaIndex와 ChatGPT를 사용하여 다양한 도메인에 맞게 고급 애플리케이션을 생성할 수 있습니다. ChatGPT에서 학습되지 않은 이용하여 외부의 데이터를 임베딩하여 검색에 필요한 도메인별 Data를 추가하여 ChatGPT를 이용 할수 있습니다.이와 같은 방식을 RAG 기술라고 하며 기업은 제품 관련 질문에 대답할 수 있는 강력한 대화형 챗봇을 ..

How to add Firewall rules on Redhat 9 - Allow MySQL Service Through the FirewallTo add MySQL (mysqld) to your firewall rules on Red Hat 9, you can follow these steps: Linux 9 서버에서는 기존에 사용하는 'iptables'  대신 firewall을 이용하여 서비스 접근 제어를 기본으로 하고 있습니다.새로 설치한 mysql 서비스가 접근이 안되는 부분을 여러번 하다가 찾은 내용이 Firewalld 입니다.Firewalld이 적용 되었을 것이라고 예상을 하기는 했지만 역시 세월이 바뀌는 만큼 바뀐것이 있습니다.* 예전에는 iptables 기반의 firewall 이어서 ipt..

MYSQL  계정 생성, 권한부여, 권한 삭제  1.사용자계정 생성 (mysql create user)    mysql> create user 'userid'@'%'  IDENTIFIED BY 'userpasswd';  mysql> CREATE USER 'userid'@'192.168.%' IDENTIFIED BY 'user_password';Query OK, 0 rows affected (0.04 sec)mysql> flush privileges;Query OK, 0 rows affected (0.03 sec)mysql> ALTER USER 'userid'@'localhost' IDENTIFIED BY 'user_password';-- 변경된 패스워드를 시스템 환경에 적용 하려면 아래 명령이 필요합니다..

[인공지능] ARIMA -주가 예측 모델 : 3-6-9개월 후 "AMZN" 주가는 어떻게 될까요  인터넷 검색 도구를 사용하여 아마존 주식의 과거 데이터를 수집하고 모델을 학습하여 주식을 예측 라는 방법입니다.1. 데이터 수집아마존 주식의 과거 데이터를 수집하기 위해 다음과 같은 웹사이트를 사용할 수 있습니다:Yahoo Finance: Yahoo Finance - AmazonGoogle Finance: Google Finance - AmazonBloomberg: Bloomberg - Amazon이 웹사이트에서 데이터를 CSV 파일로 다운로드할 수 있습니다.. 먼저, Yahoo Finance에서 아마존 주식 데이터를 CSV 파일 형식으로 다운로드합니다.. Yahoo Finance - Amazon로 이동합니..

Llama2 는 누구나 무료로 다운로드하여 사용할 수 있는 대규모 오픈 소스 언어 모델입니다. 자율주행차부터 챗봇까지, AI혁명으로 사회 전반의 삶의 변화가 일어나고 있습니다. AI의 가장 흥미로운 발전 중 하나는 대규모 언어 모델의 생성입니다. 이러한 모델은 일관되고 이해하기 쉬운 새로운 텍스트를 생성하기 위해 기사 및 소셜 미디어 게시물과 같은 대량의 데이터에 대해 훈련되었습니다. 대규모 언어 모델의 잘 알려진 예로는 OpenAI의 ChatGPT, Google의 Google Bard, Meta의 Llama 2가 있습니다. Meta는 Microsoft와 협력하여 Lama 2 모델을 출시했습니다. Llama2 AI모델에 대한 소개 Llama 2는 페이스북 모회사 메타의 AI 그룹에서 개발한 대규모 언어 ..

[인공지능 기술] RAG를 위한 라마인덱스의 정리 - llamaindex 의 특징 라마인덱스(LlamaIndex)와 ChatGPT라마인덱스(LlamaIndex)는 RAG(Retrieval Augmented Generation)을 구현할 때 유용한 프레임워크입니다.ChatGPT는 방대한 학습된 데이터(LLM)를 이용하여  번역, 요약, 설명 등을 할 수 있는 기술이지만 최신의 정보나 특정 도메인의 지식을 설명하지 못하는 경우 RAG( Retrieval Augmented Generation) 방식으로 데이터의 증강이 필요합니다.이 경우 라마인덱스를 이용하여  ChatGPT가 새로운 도메인의 데이터를 검색하고 응답할수 있도록 데이터를 벡터화 하는 임베딩의 과정을 거쳐 데이터를 활용 할 수 있습니다. RAG(R..

1. Llama-2 local 설치 - install gobjc gcc-objc - 컴파일러 설치 2. Llama-2 local 설치 할 때 생기는 문제들 - llama.cpp해결 **라마 2 (LLama 2)**는 **메타(Meta,페이스북)**에서 개발한 오픈소스 대규모 언어 모델(LLM large language model, GPT)입니다. 이 모델은 최대 70B 규모의 매개변수를 지원하며, GPT-3.5와 동등한 성능을 낸다고 합니다. 라마 2는 누구나 무료로 사용할 수 있으면서, 소스 코드가 공개된 오픈소스라는 것이 큰 장점을 가지고 있습니다. 또한 라마 1 보다 라마 2는 40% 더 많은 데이터를 학습하고, 콘텍스트는 2배가 많아서 추론, 코딩 숙련도, 지식 테스트 등 모든 지표에서 다른 Op..

Llama-2 install locally - Llama-2 로컬 사용 LLama.cpp를 다운 받아 Llama-2를 테스트 하는 방법을 정리해 봅니다. [ Llama-2 working locally ] llama-2를 실행하는 과정을 다음과 같은 스크립트로 작성을 했습니다. (적합한 시스템 환경에서는 순차적으로 실행이 되겠으나 일부 패키지, 컴파일 환경 등은 하나씩 확인이 필요합니다.) # vi get_llmacpp.sh # -------------------------- #!/bin/bash # ****************************** # 1st Step : llama.cpp download & compile # ****************************** if [ ! -d ..

1. Llama-2 local 설치 - install gobjc gcc-objc - 컴파일러 설치 2. Llama-2 local 설치 할 때 생기는 문제들 - llama.cpp해결 **라마 2 (LLama 2)**는 **메타(Meta,페이스북)**에서 개발한 오픈소스 대규모 언어 모델입니다. 이 모델은 최대 70B 규모의 매개변수를 지원하며, GPT-3.5와 동등한 성능을 낸다고 합니다. 라마 2는 누구나 무료로 사용할 수 있으면서, 소스 코드가 공개된 오픈소스라는 것이 큰 장점을 가지고 있습니다. 또한 라마 1 보다 라마 2는 40% 더 많은 데이터를 학습하고, 콘텍스트는 2배가 많아서 추론, 코딩 숙련도, 지식 테스트 등 모든 지표에서 다른 Open LLM들 대비 우수한 성능을 낸다고 합니다. Lla..

[생성형AI] RAG(Retrieval Augmented Generation)에 대한 초보자 가이드 RAG(Retrieval Augmented Generation)란 무일까요? 검색 증강 생성은 사전 학습된 대규모 언어 모델(예: 상호 작용 중인 모델)의 기능을 외부 검색 또는 검색 메커니즘과 결합하는 방법입니다. 이 아이디어는 생성 프로세스 중에 외부의 방대한 문서 모음에서 정보를 가져올 수 있도록 하여 생성 모델의 기능을 향상시키는 것입니다. 검색 증강 RAG 생성AI의 장점 RAG에는 몇 가지 놀라운 장점이 있습니다. 1. 지식 확장성 모든 정보를 저장하고 응답 하는 모놀리식 모델 대신 RAG 모델은 외부 데이터베이스를 업데이트하거나 다양한 지식을 확대하는 것만으로 확장이 가능합니다. 2. 메모리 ..

SQL 데이터 통계 분석을 강화하는 analytics functions SQL에서의 윈도우 함수(Analytic Functions)는 데이터를 분석하고 처리하기 위한 강력한 도구를 제공합니다. Oracle은 Analytics Functions라고 하고, Mysql 에서는 Window Function이라고 명명하고 있습니다. Analytic (Window) function와 SQL Standards SQL 언어의 표준 규격은 데이터베이스 관리 시스템(DBMS) 간의 호환성을 증진하기 위해 정의된 것입니다. SQL:2003 버전 이후부터 윈도우 함수가 표준에 추가되었으며, Window 함수와 같은 분석 함수(Analytic Functions)를 지원하고 있습니다. Window 함수는 데이터를 특정 윈도우 또..

(기술)인공지능과 빅데이터 분석을 위한 고성능 분산DBMS SingleStoreDB 빅데이터와 인공지능의 보편화 최근 빅데이터와 인공지능으로 데이터 수집과 관리 기술을 많은 기업에서 사용할 만큼 보편화 되어 있습니다. 그러나 방대하고 다양한 데이터를 처리하기 위해서 도입되는 오픈소스 기반의 데이터 기술들은 데이터 엔지니어, 데이터 사이언티스트등과 같은 고급 기술인력들을 요구하고 있습니다. 이러한 기술 인력은 부족하고 관련 기술의 난이도가 높을 수록 데이터를 관리하고 생산하는 Cost가 실제 데이터를 활용한 서비스를 만드는데 커다란 장벽으로 인식 될 수 있습니다. 앞으로 기술의 발전속도 만큼 더 빠르고 방대한 데이터들이 생겨 날 수록 데이터 기술은 더욱 효율화가 필요하고 더 간단하게 데이터를 활용하는 접근..

[인공지능 GPT를 이해하는데 알아야 하는 용어들] GPT(Generative Pre-trained Transformer) LangChain LLM (Large Language Model, 거대 언어 모델) Vector Embedding(벡터 임베딩) Vector Database (벡터 데이터베이스) Tokenize (토큰화) 사용자가 GPT를 이용하는 과정을 심플하게 이해하기 GPT에 대한 내용보다 작동되는 과정을 이해하고 어떻게 하면 만들수 있을까를 고민하면서 업데이트를 하고 있습니다. 조금씩 발전 하는 오늘이 되는데 보탬이 되면 좋겠습니다. GPT3.5의 작동 과정 사용자가 GPT를 이용하는 과정을 심플하게 표현하면 질문을 이해하고 학습된 데이터에서 결과를 읽고 답변하는 것입니다. GPT3.5의 제..

[주요 내용] 1. 데이터 과학과 프롬프트 엔지니어링 2. AI민주화를 위한 차세대 DBMS SingleStoreDB 3. 생성형 인공지능(Generative AI)과 벡터 데이터베이스(Vector Database) 4. 기존 벡터데이터베이스의 제약 5. 벡터데이터베이스를 지원하는 SingleStore의 특징 5.1. SingelStoreDB를 이용한 AI 애플리케이션 구축 활용 5.2. AI 개발에 적합한 SingleSotre의 특징 6. SingleStoreDB를 이용한 Vector 연산 예시 1. 데이터 과학과 프롬프트 엔지니어링 chatGPT로 인해 앞으로 인공 지능의 영역은 다음 두 가지 영역으로 나누어 접근할 수 있습니다. - 데이터 과학(학문적/전문성) : 학문적이고 전문성을 요구로 하는 인..

ChatGPT로 인해 인공지능의 영역은 사용자가 모델에게 제공하는 프롬프트 (입력 문장 또는 질문)를 통해 모델의 출력을 조작하고 원하는 결과를 얻는 AI 프롬프트 또는 프롬프트 엔지니어링의 방법에 이르렀습니다. 방대한 자료를 학습하여 탄생한 LLM(Large Language Model)으로 자연어의 이해, 기계 번역, 텍스트 생성, 질문 응답 및 다양한 언어 관련 작업에서 "인간 수준의 언어 이해와 생성 능력을 갖춘 모델"로서 활용 되고 있습니다. LangChain(랭체인)은! LangChain은 언어 모델을 기반으로 하는 GPT기반 AI 애플리케이션을 개발하기 위한 프레임워크입니다. LangChain을 이용해서 chatGPT의 API와 연계하여 LLM을 기반으로한 다양한 언어 모델(Language m..

chatGPT 와 채팅의 연결 chatGPT API를 이용하여 학습된 상품 정보에 대한 질문과 답변을 할 수 있는 간단한 채팅화면을 연결하는 방법을 정리 합니다. 1. chatGPT API연결 import os import openai import sys import utils import panel as pn # application GUI pn.extension() openai.api_key = os.environ['OPENAI_API_KEY'] * pakage panel 패키지는 Python에서 대화형 대시보드 및 웹 애플리케이션을 만들기 위한 도구입니다. 2. 사용할 학습 모델의 정의 한글고 응답을 하므로 영어보다 길게 설정 필요하여 max_tokens=1000으로 조정함 def get_compl..

#chatGPT- hallucination #chatGPT_환각방지 #chatGPT_응답품질 #GPT_응답검증 #GPT_응답품질점검 #OpenAI환각 chatGPT 환각(Hallucination) 개선을 위한 응답 품질 점검 - Check outputs 인공지능의 환각 환각은 AI가 잘못된 데이터를 학습하거나 오류로 인해 도출한 결과를 믿을 수 없게 만든다는 것입니다. GPT의 창의적인 답변으로 원하는 결과를 전달하지 못하는 것으로 모델의 환각은 사실이 아닌것을 사실처럼 꾸며내는 것입니다. OpenAI의 응답 품질과 환각을 방지하기 위해서 형성된 모델의 결과를 검증해 보는 것이 중요합니다. 따라서 오픈AI는 주어진 쿼리에 대한 최종 답변에 보상하는 ‘결과 감독(outcome supervision)’ 대신..

ChatGPT의 자연스런 대화를 이어가는 - Chaining Prompts for conversational AI 대화형AI에서 지속적인 대화을 이어가기 위해 이전 대화의 내용을 근간으로 소통이 필요합니다. Chaining Prompt 를 이용하여 대화를 이어가는 원리를 알아 보고자 합니다. 프롬프트 체인 (Chaining Prompts ) 프롬프트 체인은 보다 동적이고 상황에 맞는 챗봇을 만들기 위해 대화형 AI에 사용되는 기술입니다. 정적인 챗봇을 정의하는 대신 LLM(대형 언어 모델)의 기능을 활용하여 사용자가 말하는 내용을 동적으로 해석하고 그에 따라 응답할 수 있습니다. "Chaining Prompts"으로 사용자는 이전의 대화 문맥을 유지하면서 새로운 질문이나 지시를 추가할 수 있습니다. 이를..

Chain of Thought Reasoning에 대한 내용과 영어로 작성된 사고사슬(SoT)로도 한국어로 답변할 수 있도록 예시를 작성해 보았습니다. 사고사슬(CoT, Chain of Thought Reasoning ) "Chain of Thought Reasoning" 은 입력을 받아 중간에 일련의 추론 단계를 통해 복잡한 추론 기능을 가능하게하는 작업입니다. 대규모 언어모델(LLM)은 산술 문제나 상식을 추론하는 능력이 떨어지는 경우 모델이 잘못된 오류에 도달할 수 있습니다. 모델이 최종 답변을 제공하기 전에 관련 추론 단계로 풀이과정을 추가 요청하여 모델이 문제에 대해 더 생각 할 수 있도록 하는 방법입니다. 아래 그림과 같이 일반적인 단답형의 Standard Prompting 은 오류를 dire..

Chain of Thought Reasoning에 대한 내용과 영어로 작성된 사고사슬(SoT)로도 한국어로 답변할 수 있도록 예시를 작성해 보았습니다. Inputs: Chaining Prompts "Chain of Thought Reasoning" 은 입력을 받아 중간에 일련의 추론 단계를 통해 복잡한 추론 기능을 가능하게하는 작업입니다. 대규모 언어모델(LLM)은 산술 문제나 상식을 추론하는 능력이 떨어지는 경우 모델이 잘못된 오류에 도달할 수 있습니다. 모델이 최종 답변을 제공하기 전에 관련 추론 단계로 풀이과정을 추가 요청하여 모델이 문제에 대해 더 생각 할 수 있도록 하는 방법입니다. 아래 그림과 같이 일반적인 단답형의 Standard Prompting 은 오류를 direct로 떨어 뜨리지만 오른..