ChatGPT 프롬프트 팁 시리즈 - (2) Output Automater
ChatGPT 프롬프트 패턴인 Output Automater의 목적과 활용법을 정리한 글입니다. 단계별 작업이 필요한 요청에 자동화 맥락을 넣어 수동 작업을 줄이는 방법을 설명했습니다.
#ChatGPT#prompt
2100
AI 기술 블로그 최신 글
필터 0
ChatGPT 뻔한 팁말고 진짜 제대로 한번 써보자! ChatGPT 프롬프트 팁 시리즈 - (1) Meta Language Creation
ChatGPT 프롬프트 패턴 중 메타 언어 생성 방법을 소개했습니다. 복잡한 설명을 규칙화해 더 간결하고 명확하게 소통하는 방식입니다.
#ChatGPT#prompt
3000
미래 교실을 만드는 콴다의 AI 기술
콴다는 AI 디지털 교과서를 위해 OCR, 문제 분류, 해설 생성, 성취도 분석 기술을 결합했습니다. 이를 통해 학생별 맞춤형 학습과 교육 격차 해소를 목표로 했습니다.
#OCR#LLM
5300
Langchain을 통한 개인블로그 RAG 프로젝트
개인 블로그 기록을 RAG 데이터로 활용해 Streamlit과 LangChain으로 LLM 애플리케이션을 만들었습니다. 운영 지표, 벡터 DB 연동, 개별 파일 업데이트 최적화까지 직접 겪은 고민을 정리했습니다.
#RAG#Langchain
2600
ChatGPT로 주식 가격 예측하기
ChatGPT로 주식 가격 예측하기
ChatGPT를 활용한 뉴스 감성 분석이 주가 예측에 미치는 영향을 소개했습니다. 전통적 감성 분석과의 비교를 통해 금융 분야 적용 가능성을 살펴봤습니다.
#ChatGPT#분석
1900
생성형 검색: 데모에서 서비스로
생성형 검색이 서비스로 자리 잡기 위해 필요한 전환 전략을 설명했습니다. 초기 강점 시나리오를 선정하고 리텐션과 품질을 보며 점진적으로 확장해야 합니다.
#LLM#검색
3200
실시간 음성인식 API 사용하기(With Python) - 2
PyAudio와 gRPC를 결합해 마이크 입력을 실시간 STT로 변환하는 Python 구현을 설명했습니다. 오디오 포맷·샘플레이트 설정과 키워드 부스팅 적용 방법을 함께 안내합니다.
#Python#STT
200
Random Forest with Grid Search
항공권 예약 데이터로 Random Forest 분류 모델을 구현하고 Grid Search로 튜닝한 과정을 설명했습니다. 불균형 데이터 처리, 성능 평가, 특성 중요도 해석까지 함께 다뤘습니다.
#ML#Python
1500
Data Product (2) AI(데이터)로 실제 운영 효율화가 가능할까?
AI 모델과 고객 피드백·운영 데이터를 결합해 차량 세차 요청 로직을 재설계했습니다. 요청량과 비용을 줄이면서도 수행 효율과 고객 만족도 개선을 추구했습니다.
#ML#BigQuery
100
Data Product (2) AI(데이터)로 실제 운영 효율화가 가능할까?
AI 모델만으로 세차 필요 여부를 단정할 수 없어, 판단 기준과 차량 상태 정의를 다시 설계했습니다. 그 결과 세차 요청 로직을 구조화해 운영 효율과 고객 만족도를 함께 높였습니다.
#LLM#ML
1500
실시간 음성인식 API 사용하기(With Python) - 1
Python에서 gRPC 스트리밍 STT API를 설정하고 로컬 음성 파일을 청크 단위로 전송하는 방법을 설명했습니다. 프로토콜 컴파일, 토큰 갱신, 응답의 중간·최종 결과 처리 흐름을 다뤘습니다.
#Python#gRPC
300
'우리 회사 서비스 캐릭터들이 AI를 만나면 어떤 아이들이 될까?' (feat. SKP 멀티 LLM 플레이그라운드 ＆ AI 프롬프톤 사례 공유)
'우리 회사 서비스 캐릭터들이 AI를 만나면 어떤 아이들이 될까?' (feat. SKP 멀티 LLM 플레이그라운드 ＆ AI 프롬프톤 사례 공유)
사내에서 여러 LLM을 한곳에서 비교해볼 수 있는 플레이그라운드를 만들고, 이를 프롬프트 엔지니어링 체험 행사로 확장한 사례를 공유했습니다. 서비스 캐릭터를 AI 페르소나로 재해석하는 프롬프톤 운영 경험도 함께 소개했습니다.
#LLM#prompt
2700
서버리스 ML 훈련 인프라 구축하기: Vertex AI Pipelines & TFX
당근이 Vertex AI Pipelines와 TFX로 서버리스 ML 훈련 인프라를 구축한 사례를 공유했습니다. 공통 컴포넌트, 모니터링, 알림, EoS 관리로 운영 효율을 높였습니다.
#Vertex AI Pipelines#TFX
4200
왓챠 추천 서비스 MLOps 적용기 Part2
왓챠는 추천 서비스의 Monolithic 추론 구조를 분리된 TorchServe 기반 서버로 개선했습니다. CPU 최적화와 모델 경량화, Datadog 모니터링으로 성능과 안정성을 함께 높였습니다.
#MLOps#TorchServe
1400