[인공지능사관학교: 자연어분석A반] 기업연계 프로젝트 20일차

Suhyeon Lee·2025년 11월 5일

프로젝트 관련 공부

자바스크립트

https://ssocoit.tistory.com/190

리액트

https://www.youtube.com/watch?v=dvQMbg7n6mY&list=PLZKTXPmaJk8J_fHAzPLH8CJ_HO_M33e7-&index=2

타입스크립트

https://react.vlpt.us/using-typescript/

리액트 + 타입스크립트 공부 자료 정리
컴파일 단계에서 에러를 알려주는 타입스크립트를 사용해 형변환 관련 버그를 미리 방지
- 자바스크립트는 선언할 때 타입을 지정하지 않기 때문에, 동작하면서 내가 모르는 사이에 형변환이 되어 있는 부분이 예상치 못한 오류를 발생시킬 수 있음
자바스크립트의 버그 중 15%는 타입스크립트의 사용으로 미리 예방할 수 있다는 연구 결과
- "To Type or Not to Type: Quantifying Detectable Bugs in JavaScript" (Gao et al., 2017)
  - GitHub 공개 프로젝트 400건의 버그를 분석한 연구에서 타입스크립트가 15% 정도의 버그를 예방하는 데 도움이 된다는 결과
  - 타입스크립트와 Flow를 이용한 정적 타입 검사로 감지 가능한 버그 비율이 평균 15%임
tsc라는 컴파일러를 통해 자바스크립트로 변환
- 자바스크립트는 별도의 컴파일 단계없이 프로그램이 바로 실행되는데, 엄밀히 말하자면 JS를 해석하고 실행하는 V8엔진에서 JS코드를 최적화하는 컴파일 단계를 거친다고 함
자바스크립트의 상위 집합인 타입스크립트는 명시적 혹은 추론된 타입을 기반으로 코드를 검사
- 컴파일러는 각 변수, 함수, 객체의 타입을 검사하고 타입이 일치하지 않거나 오류가 있으면 이 단계에서 에러가 발생
- 타입 검사가 끝나면 타입스크립트는 코드를 자바스크립트로 변환
  - 이때 타입스크립트의 고유 문법(interface, type, enum, 제네릭 등)은 모두 제거되거나 대응되는 자바스크립트의 코드로 변환됨

// TypeScript 코드
interface Person {
  name: string;
  age: number;
}

const person: Person = { name: "Alice", age: 30 };

// 컴파일 후의 JavaScript 코드
const person = { name: "Alice", age: 30 };

FAQ 관련 폴더

src/app/api/faq/route.ts

네이버 클라우드 특강

https://brunch.co.kr/@topasvga/5245

네이버 클라우드 CLOVA Studio 이론

이전 강의까지는 GPU 사용법
오늘부터는 생성형 AI 활용

네이버 클라우드: 사용 서비스 4가지

개인용
- CLOVA X
- CUE
- 네이버 클로바 앱
GPU 서버 제공
- Server 서비스
  - 네이버 클라우드 사용
생성형 AI
- 네이버 클라우드 사용
  - CLOVA Studio
기타 AI 서비스들
- 네이버 클라우드 사용
  - Chatbot
  - OCR 등

생성형 AI 도구 'CLOVA Studio' 알아보기

목차
1. AI / 머신러닝 / 딥러닝 / 자연어 처리
2. 생성형 AI
3. 네이버 클라우드 AI 서비스
4. 네이버 생성형 AI 개발 플랫폼 CLOVA Studio
5. 프롬프트 엔지니어링
6. 파인 튜닝
7. 네이버 익스플로러
8. 검색증강생성(RAG)
9. 랭체인
10. 네이버 스킬 트레이너

1. AI / 머신러닝 / 딥러닝 / 자연어 처리

AI, 머신러닝, 딥러닝

자연어 처리(NLP, Natural Language Process)

언어 모델(Language Model)

LLM vs. LMM(Large Multimodal Model)

2. 생성형 AI

생성형 AI
- 데이터 학습과 질문 의도 분석을 바탕으로 가장 정학환 답변을 내놓도록 설계
LLM(대규모 언어 모델)
- Foundation Model(FM)이라고도 함
생성형 AI 사용

no	작업	난이도	비용	정확성
1	프롬프트 엔지니어링	쉬움	저비용	정확도 낮음
2	검색 증강 생성(RAG)	보통	중비용	정확도+1
3	파인 튜닝	-	-	정확도+2
4	지속적 학습(LLM 기업)	어려움	고비용	정확도+3

프롬프트 엔지니어링만으로도 80%의 정확도를 얻을 수 있다고 함
FM이 구축된 상태에서 프롬프트 엔지니어링으로 대응하는 건 비용이 낮음
지속적 학습의 경우 학습한 데이터의 '날짜'도 중요함

프롬프트 엔지니어링

대형 언어 모델(LLM)과 상호 작용하는 방법과 사용자의 목적에 맞게 모델의 반응을 최적화하는 기술

검색 증강 생성(RAG)

정보 검색과 생성을 결합
1. 정보 검색
2. 관련 문서 반환
3. 문장 생성

정보 저장과 질문 동작
1. 정보 저장
2. 프롬프트
3. 정보 검색
4. 정보 제공
5. 질문+문맥

동작 순서
1. 데이터, 매뉴얼 텍스트를 벡터화한다.
2. 사용자가 질문한다.
3. 벡터화된 매뉴얼과 질문을 비교하여 매뉴얼 중 질문한다.
  - 예: 인사정보 → n년 차에 휴가는 몇 개인가요?
4. 연관성 있는 정보를 획득한다.
5. 획득한 매뉴얼의 정보를 프롬프트에 삽입해 LLM에 질문한다.
6. LLM이 답변한다.

파인튜닝

기존의 LLM을 조금 더 훈련시키는 과정
LLM을 특별한 상황에 맞게 가르치는 것
- 예: 법률 데이터, 의료 데이터
추가 학습된 새로운 LLM이 생김

전이 학습 vs. 파인튜닝

랭체인

LLM과 외부 도구를 사슬처럼 결합시켜주는 것

3. 네이버 클라우드 AI 서비스

2025-11 기준 네이버 클라우드 AI 상품
- AI NAVER API
  - CLOVA Voice
  - CAPCHA
  - Maps
  - Search Trend
- AI Service
  - Papago Translation
  - CLOVA Chatbot
  - CLOVA OCR → 지로용지, 영수증 이벤트 영수증 읽기 등
  - CLOVA Speech
  - CLOVA Dubbing
  - AITEMS → "추천" 서비스: 사용자별 이력을 분석해 관심사와 취향에 맞는 상품을 추천하는 서비스
    커머스, 리테일 산업에서 많이 사용
  - CLOVA Studio
  - CLOVA NSML → AI, ML 연구/개발할 때
  - CLOVA Greeneye

문제 자주 나옴: 다음 중 네이버 클라우드 AI 서비스가 아닌 것은?

HyperCLOVA X(HCX) 특장점
- 한국어 문장의 맥락을 잘 구별
- 한국 고유 지식에 상당한 이해력을 보여주는 데 탁월
- 한국어 문장 구조를 가장 잘 이해하는 모델
  - 조사 + 명사/구
  - 어미 + 어간 = 다양한 의미 파생
라인업
- cue:
  - 네이버 생성형 AI 검색
- 네이버 클로바 앱
  - 네이버 대화형 AI 서비스
HyperCLOVA X 모델의 기능 발전

구분	2024	2025
플래그십 모델	HCX-003	HCX-005	HCX-007
경량모델		HCX-DASH-001	HCX-DASH-002
오픈소스			HCX-SEED HCX-THINK
CLOVA Studio	LangChain Compatibility Embedding V2	Router Function Call	Structured Output RAG Reasioning API Re-ranker API

HCX-005
- 국내 최초 Vision Model
  - 이미지 내용을 분석(이미지 분석)
- 국내 최대 Context Size(128K)
HCX-007
- 추론(Reasioning) 모델(128K)
HCX-DASH-002
- 32K Context
- 경량모델은 1/4~1/5 가격이라고 함
HCX-SEED
- 초경량 모델 3종
  - HCX-SEED-3B(vision)
  - HCX-SEED-1.5B
  - HCX-SEED-0.5B
HCX-THINK
- 경량 추론 모델 1종
  - HCX-SEED-Think

플레이그라운드 > Model

모델 선택

THINK 모델	SEED 모델	DASH 모델
추론 능력을 강화한 생성형 AI 모델	상업용 무료 오픈소스 AI 모델	높은 속도의 경량화 AI 모델
복잡한 질의를 단계적으로 분석 텍스트와 이미지를 함께 이해해 정확한 추론 결과를 생성하는 모델	세 가지 모델 추론 능력을 갖춘 SEED Think 모델 오픈 소스로 제공	속도와 비용 면에서 탁월한 활용성 제공

주요 고객 사례
- 플래그십 모델 사례: HCX-005 채용 AI
  - LLM이 인재 추천, 추천 사유 생성
- 플래그십 모델 사례: HCX-007 생성형 AI 기반 그룹사 검색 서비스 구축
  - LLM + RAG + Orchestrator
  - 사용자는 챗봇형태로 질의/답변
- 경량 모델 사례: HCX-DASH-002 (32K Context) 금융 특화 sLLM 구축
  - 금융 규제로 인해 사내에 설치할 수 있는 모델

네이버 클라우드: 생성형 AI 도구(기능)

구분	네이버 클라우드 생성형 AI 도구
문장 생성 및 이미지 이해	Chat Completion
튜닝	튜닝
분류	라우터
외부 데이터 연동	Function call
외부 API 연동	Skill Trainer
문단 나누기	Segmentation
요약	Summarize
토큰 계산기	Tokenize
임베딩	Embedding
리랭커	Reranker
RAG추론	RAG Reasoning

외부 데이터 연동 예시
- 실시간 항공권 조회 → Foundation 모델만 쓰면 안 됨(해당 모델은 몇 년 전 데이터만 학습한 거니까)

4. 네이버 생성형 AI 개발 플랫폼 CLOVA Studio

서비스 모델

Basic

Foundation 모델만 보내면 최근 정보에 대응할 수 없기 때문에 외부 연동을 통해 최근 정보를 가져와서 단점 보완

Exclusive

주요 기능

플레이그라운드 파라미터

Model
Top P, Top K
Maximum Token
- 0~4096으로 설정
- AI가 생성하는 결과값의 최대 길이
- 작업의 목적과 형태에 따라 값 조정
  - 카피라이터, 자소서, 소설 창작 등
- HCX-005 모델은 최대 40
Token
토큰화
- 토큰을 만드는 작업
- 언어 모델이 자연어를 처리하기 위한 필수 과정

토큰은 돈이다~
영어 토큰보다 한글 토큰이 조금 더 비쌈

Temperature
- 0~1로 설정
- 확률 분포에 가중치 변화를 주어 문장의 다양성을 조절하는 값
- 값을 낮게 설정하면 정형적인 결과값 생성, 후보 토큰 간 확률 값 차이 큼
- 예측 가능한 결과물이 필요하면 값을 낮게 설정
- default는 0.5
- 값을 높게 설정하면 다양한 문장 생성 가능
- 문장 품질 편차 발생, 토큰 간 확률 값 차이 적음
- 소설 창작, 마케팅 문구 작성 등 창의적인 결과물이 필요하면 값을 높게 설정
Pepetition penalty
- 0~10으로 설정
- 결과 문구 생성 시 동일 토큰에 감점 요소를 부여하는 값
- 값이 낮으면 같은 결과를 반복 생성할 확률 높아짐
- 값이 높으면 같은 결과를 반복 생성할 확률 낮아짐
  - Input값이 같아도 새로운 output 값을 생성함
활용 예시
- 목록화
- 키워드 추출
- 어휘 치환

5. 프롬프트 엔지니어링

Suhyeon Lee

2 B R 0 2 B

이전 포스트

[인공지능사관학교: 자연어분석A반] 기업연계 프로젝트 19일차

다음 포스트

[인공지능사관학교: 자연어분석A반] 기업연계 프로젝트 20일차

프로젝트 관련 공부

자바스크립트

리액트

타입스크립트

FAQ 관련 폴더

네이버 클라우드 특강

네이버 클라우드 CLOVA Studio 이론

네이버 클라우드: 사용 서비스 4가지

생성형 AI 도구 'CLOVA Studio' 알아보기

1. AI / 머신러닝 / 딥러닝 / 자연어 처리

2. 생성형 AI

프롬프트 엔지니어링

검색 증강 생성(RAG)

파인튜닝

랭체인

3. 네이버 클라우드 AI 서비스

4. 네이버 생성형 AI 개발 플랫폼 CLOVA Studio

Basic

Exclusive

주요 기능

플레이그라운드 파라미터

5. 프롬프트 엔지니어링

[인공지능사관학교: 자연어분석A반] 기업연계 프로젝트 19일차

[인공지능사관학교: 자연어분석A반] 기업연계 프로젝트 21일차

0개의 댓글