빅웨이브에이아이

RSS

게시글: 40
등록: 2026년부터

All Frontend Backend AI DevOps Architecture Etc

AI
ChatGPT 프롬프트 팁 시리즈 - (6) Error Identification
이 글은 ChatGPT와 같은 LLM의 환각(Hallucination) 현상, 즉 틀린 답변을 생성하는 문제에 대해 다룹니다. LLM이 확률적으로 단어를 예측하는 방식 때문에 발생하는 오류를 줄이기 위한 두 가지 프롬프트 기법을 소개합니다. 첫 번째는 'Fact Check List' 패턴으로, ChatGPT에게 팩트 체크 역할을 부여하여 2단계의 수행을 요청하는 방식입니다. 이 기법을 통해 LLM의 답변 신뢰도를 높이고자 합니다. 글은 ChatGPT 프롬프트 팁 시리즈의 6번째 글로, 오류 식별에 초점을 맞추고 있습니다.
ChatGPTLLM프롬프트 엔지니어링
빅웨이브에이아이·2024년 4월 24일
AI
ChatGPT 프롬프트 팁 시리즈 - (5) Template
이 글은 ChatGPT 프롬프트 팁 시리즈의 다섯 번째 글로, LLM의 출력 형태를 정의하는 '템플릿 패턴'에 대해 설명합니다. 템플릿 패턴은 특정 양식의 문서를 생성하거나 API 링크와 같이 구조화된 정보를 요청할 때 유용합니다. 글에서는 템플릿 출력을 위해 필요한 값(Placeholder)을 정의하고, 이를 구조화하여 원하는 위치에 배치하는 방법을 제시합니다. 예시로 API 링크 템플릿 만들기를 보여주며, 템플릿이라는 용어와 함께 예시를 제공하면 ChatGPT가 맥락에 맞는 출력을 생성한다는 점을 강조합니다. 이를 통해 사용자는 ChatGPT로부터 더욱 일관되고 구조화된 결과물을 얻을 수 있습니다.
ChatGPT프롬프트 엔지니어링템플릿
빅웨이브에이아이·2024년 4월 18일
AI
ChatGPT 프롬프트 팁 시리즈 - (4) Recipe
이 글은 ChatGPT 프롬프트 팁 시리즈의 네 번째 글로, 'Recipe'라는 개념을 활용하여 원하는 목표 달성을 위한 구체적인 프로세스를 얻는 방법을 소개합니다. Recipe는 특정 작업을 수행하기 위한 단계별 지침을 의미하며, 사용자가 목표와 현재 지식을 ChatGPT에게 전달하면, ChatGPT가 누락된 단계를 보충하거나 불필요한 단계를 제거하여 완전한 작업 프로세스를 생성해줍니다. 예를 들어, 사무실 인테리어 계획 수립 시 Recipe를 활용하여 구체적인 단계를 얻는 과정을 보여줍니다. 이 방법은 LLM을 효과적으로 활용하여 복잡한 작업을 체계적으로 수행하는 데 도움을 줄 수 있습니다.
ChatGPT프롬프트 엔지니어링Recipe
빅웨이브에이아이·2024년 4월 18일
AI
ChatGPT 프롬프트 팁 시리즈 - (3) Persona
이 글은 ChatGPT 프롬프트 팁 시리즈의 세 번째 글로, 'Persona' 기법에 대해 다룹니다. Persona는 사용자가 LLM에게 특정 관점이나 역할을 부여하여 원하는 유형의 출력을 생성하도록 유도하는 프롬프트 엔지니어링 기법입니다. 예를 들어, LLM에게 프로그래밍 전문가의 역할을 부여하여 스크립트를 작성하게 하거나, 초등학교 교사처럼 쉽게 설명하도록 요청할 수 있습니다. 이 기법은 LLM이 특정 관점을 취하고, 결과물의 세부 사항에 초점을 맞추도록 돕는 데 효과적입니다. 글에서는 Persona 기법의 핵심 아이디어로 'Persona X처럼 행동하라'와 'Persona X가 생성할 것 같은 결과물을 제시하라'는 두 가지를 제시하며, 구체적인 예시를 통해 그 활용법을 설명합니다.
ChatGPT프롬프트 엔지니어링Persona
빅웨이브에이아이·2024년 4월 15일
AI
ChatGPT 프롬프트 팁 시리즈 - (2) Output Automater
이 글은 ChatGPT와 같은 대화형 LLM의 Output Automater 패턴을 소개합니다. 이 패턴의 목적은 LLM이 제안하는 단계를 자동으로 수행할 수 있는 스크립트나 자동화 아티팩트를 생성하여, 수동 작업을 줄이는 것입니다. LLM은 종종 단계별 수행이 필요한 작업을 제안하는데, 예를 들어 여러 파일을 수정해야 하는 파이썬 설정 스크립트 생성 시 수동 작업은 시간 소모가 크고 결과물의 품질을 저하시킬 수 있습니다. Output Automater 패턴은 이러한 단계를 자동화하는 실행 가능한 유형의 출력을 LLM이 생성하도록 유도하여, LLM 활용의 효율성을 높이는 것을 목표로 합니다. 이는 프롬프트 엔지니어링의 중요한 기법 중 하나입니다.
ChatGPT프롬프트 엔지니어링Output Automater
빅웨이브에이아이·2024년 4월 4일
AI
ChatGPT 뻔한 팁말고 진짜 제대로 한번 써보자! ChatGPT 프롬프트 팁 시리즈 - (1) Meta Language Creation
이 글은 ChatGPT의 일반적인 사용 팁을 넘어, 2023년 논문 "A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT"를 기반으로 프롬프트 엔지니어링의 성능을 향상시키는 방법을 소개합니다. 특히 "Meta Language Creation"이라는 패턴을 통해 ChatGPT가 더 정확하고 유용한 답변을 생성하도록 유도하는 구체적인 기법을 다룹니다. 기존의 추상적인 팁 대신, 논문에서 제시된 체계적인 접근 방식을 통해 ChatGPT 활용 능력을 한 단계 끌어올리는 것을 목표로 합니다. 이 시리즈는 LLM의 잠재력을 최대한 활용하고자 하는 사용자들에게 실질적인 도움을 줄 것입니다.
ChatGPT프롬프트 엔지니어링Meta Language Creation
빅웨이브에이아이·2024년 4월 4일
AI
Mergekit, LLM을 한번 합쳐보자!
이 글은 LLM을 효율적으로 병합할 수 있는 툴킷인 Mergekit을 소개합니다. Mergekit은 LLAMA, MISTRAL 등 다양한 LLM 모델을 지원하며, Linear, SLERP, Task Arithmetic 등 여러 병합 방법을 제공합니다. VRAM 8GB GPU 가속화, 텐서 지연 로딩을 통한 메모리 절약, 가중치 보간 그래디언트 적용, 모델 레이어의 Piecewise 병합 등 다양한 특징을 가지고 있습니다. 최근 Kyujin이라는 사용자가 SOLAR와 본인 모델을 Mergekit으로 병합하여 언어 모델 성능 평가에서 1위를 달성한 사례를 언급하며, ML 모델 앙상블과 유사하지만 더 효율적인 접근 방식임을 강조합니다. 또한, Mergekit의 사용법, Hugging Face 업로드 방법, YAML 설정 파일 구성 요소(merge_method, slices, models 등) 및 다양한 병합 방법론에 대해 설명합니다.
MergekitLLM모델 병합
빅웨이브에이아이·2024년 2월 21일
AI
RLHF - 어떻게 LLM의 성능을 향상시킬 수 있을까?
이 글은 LLM(거대 언어 모델)의 성능을 향상시키기 위한 RLHF(Reinforcement Learning from Human Feedback) 기법에 대해 설명합니다. GPT-4, PaLM, LLama와 같은 LLM은 방대한 데이터로 사전 학습되지만, 학습 데이터에 포함된 부적절한 정보로 인해 편향되거나 부정확한 답변을 생성하는 문제가 발생할 수 있습니다. 이러한 문제를 해결하기 위해 사람이 원하는 방향으로 모델을 통제하는 것이 중요하며, 이를 위해 Supervised Fine-tuning(SFT)과 RLHF 방식이 활용됩니다. 사전 학습(Unsupervised Learning) 단계에서 모델은 방대한 도메인 지식을 습득하지만, 사람의 의도에 맞게 동작하기는 어렵습니다. SFT는 특정 도메인에 맞춰 모델을 보조하는 역할을 하며, RLHF는 인간의 피드백을 통해 모델의 답변을 더욱 정교하게 만듭니다. 이 글은 RLHF가 LLM의 성능을 고도화하는 핵심 방법론임을 강조합니다.
LLMRLHFGPT-4
빅웨이브에이아이·2024년 1월 24일
AI
LangChain: LLM 서비스를 어떻게 개발할 수 있을까?
이 글은 LLM(Large Language Model) 기반 애플리케이션 개발을 위한 프레임워크인 LangChain을 소개합니다. LangChain은 다양한 LLM 관련 기능들을 결합하여 개발자가 손쉽게 애플리케이션을 구축할 수 있도록 지원합니다. 주요 기능으로는 LLM을 다양한 소스와 연결하는 '상황 인식'과 특정 추론을 유도하는 '추론'이 있습니다. 또한, LangChain 라이브러리, 디버깅 및 모니터링을 위한 LangSmith, API 배포를 위한 LangServe, 그리고 기본 아키텍처를 제공하는 LangChain 템플릿 등 프레임워크의 구성 요소들을 설명합니다. 이를 통해 개발자는 LLM 서비스를 효율적으로 개발하고 관리할 수 있습니다.
LangChainLLM생성형 AI
빅웨이브에이아이·2024년 1월 24일
AI
AI로 블로그 쓰기 - ChatGPT를 가장 쉽게 활용하는 방법
이 글은 텍스트 생성 AI인 GPT 기술을 활용하여 블로그를 작성하는 방법을 소개합니다. 특히 ChatGPT를 가장 쉽게 활용하는 방법에 초점을 맞추고 있으며, AI 기술이 익숙하지 않은 사람들도 쉽게 따라 할 수 있도록 설명합니다. 핵심 원칙은 '상호작용'으로, ChatGPT가 이전 대화 내용을 기억한다는 점을 이용해 사람과 대화하듯 지시어를 입력하여 원하는 결과물을 얻는 방식을 강조합니다. 이를 통해 AI를 활용한 블로그 작성의 가능성을 보여주고자 합니다.
ChatGPTAI블로그 작성
빅웨이브에이아이·2023년 2월 24일
AI
AI가 블로그를 대신 써준다고? 텍스트 생성 AI로 기술 블로그 써보기
본 글은 빅웨이브에이아이 선임 연구원 이현상이 작성한 기술 블로그 포스트로, 업무 집중으로 인해 기술 블로그 작성이 어려웠던 경험을 공유하며 생성 AI를 활용한 해결책을 제시합니다. 특히 최근 주목받고 있는 텍스트 생성 AI인 ChatGPT를 소개하며, GPT-3의 작동 원리와 1750억 개의 파라미터를 가진 모델의 특징, 그리고 Few-shot 학습 기능을 통한 다양한 텍스트 생성 가능성을 설명합니다. 이를 통해 기술 블로그 작성의 효율성을 높이는 방안을 모색합니다.
생성형 AIChatGPTGPT-3
빅웨이브에이아이·2023년 2월 2일
AI
SAINT, 정형데이터 분석을 위한 최첨단 딥러닝!
이 글은 정형 데이터 분석을 위한 최첨단 딥러닝 기법인 SAINT(Self-Attention and Intersample Attention Transformer)를 소개합니다. SAINT는 2021년에 발표된 트랜스포머 기반 모델로, 기존 딥러닝 모델들이 이미지 데이터에 치중되어 정형 데이터 분석에 한계가 있다는 점에 착안했습니다. SAINT는 두 가지 핵심 아이디어를 제시합니다. 첫째, 정형 데이터의 행(Row) 순서는 중요하지 않지만 행 간의 관계성은 존재한다는 점을 활용하여 '샘플간 어텐션(Intersample Attention)' 기법을 제안합니다. 이를 통해 유사한 데이터들의 특성을 활용하여 최적화된 예측값을 도출합니다. 둘째, 정형 데이터는 범주형 및 연속형 변수가 공존하고 상호 의존성이 다양하여 노이즈가 증가할 수 있는 문제를, 모든 특성을 하나의 벡터 공간에 투영하여 보완합니다. 이 글은 SAINT의 이러한 특징들을 설명하며 정형 데이터 분석 분야에서의 딥러닝 발전을 조명합니다.
SAINT정형데이터딥러닝
빅웨이브에이아이·2022년 8월 4일
AI
SOTA 알고리즘 리뷰 7 - DINO
본 글은 객체 탐지 분야에서 COCO 2017 데이터셋 1위를 차지한 SOTA 알고리즘 DINO(DETR with Improved deNoising anchOr boxes)를 소개합니다. DINO는 DETR의 단점인 앵커에 객체가 없을 때의 취약점과 객체 겹침 인지 어려움을 CDN(Constrative DeNoising) 기법으로 보완했습니다. CDN은 Positive Query와 Negative Query를 생성하여 디코더에 입력하며, 이를 통해 객체 존재 여부 분류 및 bbox 중심 좌표 예측을 개선합니다. 또한, Mixed Query Selection과 Look Forward Twice 기법을 통해 모델 성능을 더욱 향상시켰습니다. DINO는 혁신적인 실험 결과를 바탕으로 객체 탐지 분야의 발전에 기여하고 있습니다.
DINO객체 탐지DETR
빅웨이브에이아이·2022년 5월 31일
AI
Neural Prophet, 모델 최적화
본 글은 빅웨이브에이아이 선임 연구원이 Neural Prophet 모델의 예측 정확도를 개선하는 방법을 소개합니다. 이전 포스팅에서 다룬 1-step 예측에 이어, 이번에는 Multivariate와 n-step 예측을 함께 사용하는 ARX(Auto-Regression X) 모델 방식을 적용하여 예측 모형을 구축하고, 기존 모델과의 정확도 개선 효과를 비교 분석합니다. 예제 코드와 함께 Neural Prophet 패키지 설치 및 데이터 불러오기 과정을 설명하며, 실제 Colaboratory 환경에서 모델을 학습하고 예측하는 과정을 직접 실행해 볼 수 있도록 안내합니다. 이를 통해 사용자는 Neural Prophet의 고급 활용법을 익히고 시계열 예측 모델의 성능을 향상시킬 수 있습니다.
Neural Prophet시계열 예측모델 최적화
빅웨이브에이아이·2022년 5월 9일
AI
Neural Prophet, 1-step model 예제
본 글은 빅웨이브에이아이 선임 연구원 이우창 님이 작성한 Neural Prophet 모델의 1-step 예측 예제입니다. 지난번 소개된 Neural Prophet 모델의 전반적인 내용에 이어, 이번에는 AR(Auto Regression) 과정을 활용하여 데이터를 1-step 예측하기 위한 학습 및 예측 과정을 직접 실행해봅니다. Colab 노트북 링크와 함께 Neural Prophet 패키지 설치 및 데이터 임포트 과정을 상세히 안내합니다. 특히 코랩 환경에서 패키지 설치의 필요성과 numpy 패키지 import 추가 등 실습에 필요한 구체적인 코드 예시를 제공하여 사용자들이 쉽게 따라 할 수 있도록 돕습니다. 이를 통해 Neural Prophet 모델을 활용한 시계열 예측 실습 경험을 제공합니다.
Neural Prophet시계열 예측AR
빅웨이브에이아이·2022년 5월 2일
AI
SOTA 알고리즘 리뷰 6 - SciNet
본 글은 빅웨이브 이현상님이 작성한 기술 블로그 글로, 시계열 분석 분야의 최신 SOTA(State-of-the-Art) 알고리즘인 SCINet을 소개합니다. 이전 포스트에서 다룬 TFT 모델 이후 등장한 SCINet은 특히 단변량 시계열 예측에서 뛰어난 성능을 보여줍니다. SCINet은 기존 시계열 분석 기법이 잘 다루지 못했던 시간의 불규칙성을 효과적으로 처리하며, 예측 변수 자체의 패턴 분석을 통해 높은 정확도를 달성합니다. 2022년 3월 기준으로 다수의 벤치마크 데이터셋에서 SOTA를 달성하며 그 우수성을 입증했습니다. 글에서는 SCINet의 작동 원리와 단변량 예측에서의 강점을 중심으로 설명하며, 시계열 분석 분야의 최신 동향을 파악하는 데 도움을 줍니다.
시계열 분석SCINet단변량 예측
빅웨이브에이아이·2022년 3월 29일
AI
Neural Prophet, Multivariate 예제
이 글은 페이스북(현 메타)에서 개발한 시계열 예측 라이브러리인 Neural Prophet을 활용하여 다변량(Multivariate) 학습 및 다시점 예측 예제를 소개합니다. 이전 글에서 단변량 학습으로 1시점 뒤의 값을 예측하는 코드를 다루었다면, 이번에는 여러 변수를 동시에 고려하여 예측하는 방법을 다룹니다. Google Colab 환경에서 Neural Prophet 패키지를 설치하고 필요한 라이브러리를 임포트하는 과정을 설명하며, 실제 예측 모델을 구축하고 실행하는 소스코드 예제를 제공합니다. 이를 통해 사용자는 Neural Prophet의 다변량 예측 기능을 직접 경험하고 시계열 데이터 분석 능력을 향상시킬 수 있습니다.
Neural ProphetMultivariateTime Series Forecasting
빅웨이브에이아이·2022년 3월 17일
AI
Neural Prophet, 간단한 트렌드 예측과 다양한 해석
이 글은 페이스북(현 메타)에서 개발한 시계열 예측 패키지인 Neural Prophet을 소개합니다. 시계열 분석은 주가, 에너지 사용량 등 시간적 속성을 가진 데이터를 분석하고 예측하는 것으로, 장기 예측 시 데이터 한계로 인해 까다로운 분석입니다. 기존 Prophet 패키지는 비선형적 요소나 패턴 변동성 반영에 부족함이 있었으나, Neural Prophet은 여기에 신경망(Neural Network)을 추가하여 성능을 높였습니다. Prophet의 쉬운 사용법과 해석 가능성을 유지하면서 딥러닝 기반의 예측 성능을 향상시켜, 복잡한 시계열 분석을 쉽고 간단하게 구현할 수 있게 되었습니다. 특히 비즈니스적인 시사점이 중요한 수요 예측 등에 유용하게 활용될 수 있습니다.
Neural Prophet시계열 분석예측
빅웨이브에이아이·2022년 2월 28일
AI
AI 윤석열과 이재명 챗봇, 대선 속의 AI
본 글은 제20대 대선에서 활용된 AI 기술 사례를 소개합니다. 특히 윤석열 후보의 'AI 윤석열'과 이재명 후보의 '이재명 챗봇' 사례를 중심으로 다룹니다. 'AI 윤석열'은 유튜브 채널에 게시된 영상으로, 후보의 습관까지 AI 기술로 구현하려는 시도를 보여줍니다. '이재명 챗봇'은 사용자가 질문하면 이재명 후보의 답변을 AI가 생성해주는 서비스입니다. 이처럼 AI 기술이 선거 유세에 접목되면서 새로운 방식의 소통과 홍보가 가능해지고 있음을 시사합니다. 다만, AI 기술의 정확성 및 윤리적 문제에 대한 고려도 필요함을 암시합니다.
AI챗봇대선
빅웨이브에이아이·2022년 2월 7일
AI
SOTA 알고리즘 리뷰 5 - MobileViT
이 글은 SOTA(State-of-the-Art) 알고리즘 리뷰 시리즈의 다섯 번째로, 모바일 환경에 적합한 트랜스포머 기반 비전 모델인 MobileViT를 소개합니다. 기존의 트랜스포머 기반 이미지 분류 모델들은 파라미터 수가 수십억 개에 달해 개인 활용이나 모바일 기기 탑재에 어려움이 있었습니다. MobileViT는 이러한 한계를 극복하기 위해 제안된 모델로, 트랜스포머의 장점을 유지하면서도 효율적인 경량화를 달성했습니다. 이는 딥러닝 모델의 실용성을 높이는 중요한 연구 방향이며, 향후 모바일 AI 분야 발전에 기여할 것으로 기대됩니다.
MobileViTSOTA 알고리즘이미지 분류
빅웨이브에이아이·2022년 1월 10일