KPMG Future Academy AI 활용 데이터 분석가 3기 22일차 수업을 2024년 12월 17일에 참석했다.
오전중에는 어제에 이어서 make 데이터 연동 실습을 수행했다.
-
AI 활용
1.1. Make -
LangChain
2.1. PromptTemplate
2.2. ChatPromptTemplate
1. AI 활용
1.1. Make
HTTP -> Text parser -> Tools -> Text parser -> google sheets
make 실행은 무료의 경우 한 달에 1,000회로 제한.
URL 상 날짜데이터를 가져오는 tools 설정
TechCrunch에서 뉴스를 매일 불러오기 위해 미국날짜에서 한국과의 시차인 1일의 시간을 빼기
{{formatDate(addDays(now; -1); "YYYY/MM/DD")}}
정규표현식 만들기
https:\/\/\S+\/{{3.Today}}\/[a-zA-Z0-9\-\_]+\/
생성형 AI로 만든 이미지를 드라이브 폴더에 저장하기
저장할 드라이브 경로의 URL 뒷부분이 Folder ID임.
연애 이상형 논쟁
https://chatgpt.com/g/g-QXWw6iaFZ-ainyi-webhook-form-creator
웹훅 보내기 성공
JSON으로 GPT에 넘기기
HTML 코드에서 webhook URL
웹훅을 받아옴.
chatGPT에서 메시지 입력
Tools > Set variable
결과를 보여줌.
2. LangChain
오후에는 LangChain 등을 통해 파이썬 문법을 활용해서 직접 자동화를 수행하는 실습을 진행하기로 했다. 본 내용으로 수업이 약 2일 정도 진행될 예정이다.
LLM, 이미지, 영상, 음성의 생성형 AI에 대해 배워볼 예정이라고 안내를 들었다.
Llama는 API 토큰마다 돈을 내는 타 LLM 모델 대비 이용료가 무료임.
LangChain이란?
AI 파이프라인을 구축하고 워크플로우를 자동화
LLM APP을 쉽게 개발할 수 있음
RAG 전 단계로 공부
RAG (retrieval-Augmetned Generation) : 정보검색, 텍스트 생성 등 검색 증강 생성
LangChain의 6개 모듈
Model I/O : 언어 모델을 쉽게 다룰 수 있다.
REtrieval : 알 수 없는 데이터를 다룰 수 있다.
Memory : 과거의 대화를 장, 단기적으로 기억한다.
Chains : 여러 프로세스를 통합한다.
Agents : 자율적으로 외부와 상호작용해 언어 모델의 한계를 뛰어넘는다.
Callbacks : 다양한 이벤트 발생시 처리한다.
chatbots
agents
interacting with APIs
code understanding
querying Tabular data
Evaluation
특징
1) Prompt Template 사용
- \가 체인화를 만듦.
2) Streaming
- 예시 for chunk in chain.stream("ice cream")
3) Batch
- 예시 chain.batch("ice cream", "abc", "def")
4) 다른 LLM API도 동일한 인터페이스로도 사용 가능
LangChain
ai 설치
보안키 Colab에 저장하기
보안키 로드하기
환경변수에 저장하기
\prompt
\anthropic
\output_parer
첫번째 단계 : \prompt
2.1. PromptTemplate
OpenAI에 프롬프팅
google gemini에 프롬프팅
라이브러리 불러오기
template 설정하기
딕셔너리로 키와 값을 설정
string 값 받기
값을 messages로 전달
2.2. ChatPromptTemplate
두번째 단계 : \anthropic
세번째 단계 : \output_parer
다음 시간에 이어서 수업을 받을 것이다.
