일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
- five lines challenge
- CASE WHEN
- 데이터 프로젝트
- 데이터 분석
- 감정은 습관이다
- ifnull
- 강화학습
- Normalization
- LAG
- 재현율
- SQL
- nvl2
- recall
- 정밀도
- 오차 행렬
- sorted
- 비지도학습
- NVL
- 데이터 전처리
- 결정트리
- Batch Normalization
- 평가 지표
- beautifulsoup
- 웹서비스 기획
- DecisionTree
- NULLIF
- 빠르게 실패하기
- 지도학습
- 백엔드
- layer normalization
- Today
- Total
목록LLM Project (2)
Day to_day

들어가며이번 포스팅에서는 그동안 실험적으로 진행했던 프롬프트 엔지니어링에 대한 팁들에 대해서 공유해보려고 한다.프롬프트 엔지니어링에 대한 깊은 연구를 바탕으로 이 포스팅을 쓰는 것이 아닌, 프로젝트를 하며 경험적으로 느꼈던 정보들이니 어디까지나 참고만 하였으면 한다. 직접 사용해 본 것들로 후기를 작성하는 포스팅으로 생각해주었으면 한다. Prompt EngineeringLLM으로 다양한 작업이 가능해지면서 그러면 이 기술을 어떻게 활용하느냐가 핵심 역량으로 떠오르게 되었다. LLM, RAG, Agent를 차례로 경험하면서 가장 기본적으로 알아야 할 것은 prompt engineering에 관한 것이라고 생각하게 되었다.그래서 상황별로 내가 사용했던 prompt engineering에 대한 경험과 팁을 소..

들어가며RAG를 사용해야 하는 이유RAG의 패러다임 (RAG 변천사)Naive RAG의 구조langchain과 llamaIndex를 활용한 chromaDB로 Naive RAG 구현하기 What is RAG(Retrieval-Augmented Generation)?전통적인 LLM들은 특정 시점의 데이터로만 훈련되어 훈련 이후의 정보는 반영하지 못한다. 특히 최신 정보를 답변하지 못하거나 hallucination 문제로 인해 구글, OpenAI, Facebook 등 여러 연구 기관과 기업들이 검색 증강 생성(Retrieval-Augmented Generation, RAG) 구조를 도입하게 되었다. 이에 따라 다른 여러 기업에서도 특히 환각 현상을 해결하기 위해 RAG에 대한 주목이 커지기 시작했다.LLM만 ..