“따뜻한 색감의 소재 찾아줘” — 자연어로 광고 소재 검색하기
자연어로 광고 소재 이미지를 검색하는 PoC의 설계와 실험 결과를 정리했습니다.이미지를 텍스트 설명으로 바꾸고, 쿼리 가중치와 프롬프트 편향을 실측으로 조정했습니다.
#LLM#검색
23005분
필터 1
클라우드 환경에서의 비디오 인텔리전스 구현 : TwelveLabs로 시작하는 AI 영상 분석 5부 – 비디오 임베딩을 위한 Vector DB 비교
TwelveLabs Marengo 3.0 비디오 임베딩을 AWS에서 저장·검색하는 두 벡터 DB를 비교했습니다. OpenSearch Serverless와 S3 Vectors의 성능, 비용, 활용 시점을 정리했습니다.
#AWS#OpenSearch Serverless
38005분
우리 팀 코드 스타일을 아는 AI 만들기: RAG와 Vector DB 활용기
우리 팀 코드 스타일을 아는 AI 만들기: RAG와 Vector DB 활용기
팀 코드 스타일을 반영하는 AI를 만들기 위해 RAG와 Vector DB를 구축한 사례를 소개했습니다. ts-morph 청킹, ChromaDB, Gemini embedding, CI/CD 자동 갱신으로 코드 리뷰와 테스트 생성에 적용했습니다.
#RAG#Vector DB
106005분
Similarity RAG로 Semantic Search 구현하기 (Ontology DB 구축)
5,000개 PPT와 80,000개 Vector DB로 의미기반 검색용 Ontology DB를 구축한 사례를 소개했습니다. 메타정보와 Long Context Embedding으로 RAG 검색 성능과 데이터 연관성을 높였습니다.
#RAG#Semantic Search
121005분
“이 옷 뭐지?” 스냅 이미지를 AI로 검색해 본 6주간의 여정
스냅 이미지를 검색어로 활용하는 이미지·자연어 검색 PoC를 6주간 검증했습니다. 객체 탐지, 임베딩, 벡터 검색으로 유사 상품 추천과 스타일 검색 가능성을 확인했습니다.
#AWS#LLM
214005분
RAG 시대, Vector DB 비교 가이드: Vespa vs Milvus vs Qdrant
RAG 구현에 필요한 벡터 DB로 Vespa, Milvus, Qdrant를 설치·사용성·성능 기준으로 비교했습니다. 프로젝트 규모와 검색 요구사항에 따라 적합한 선택지를 정리했습니다.
#RAG#Vector DB
163005분
싱가폴 공짜로 가는 법 (feat. 글로벌 해커톤 HackGlobal 2024)
싱가폴 공짜로 가는 법 (feat. 글로벌 해커톤 HackGlobal 2024)
AngelHack 글로벌 해커톤에 참가해 서울 예선과 싱가포르 본선을 거친 경험을 공유했습니다. 음성 예약 서비스와 AI 이벤트 추천 서비스를 만들며 얻은 협업과 피칭 인사이트도 정리했습니다.
#AWS#OpenAI
24005분
RAG의 발전과 효용성에 대한 소회
RAG는 LLM의 한계를 보완하며 실무에서 빠르게 활용할 수 있는 방식으로 정리했습니다. 다만 성능은 문서 추출과 임베딩, 커스터마이징 이해도에 크게 좌우된다고 보았습니다.
#RAG#LLM
29005분