JiniAI – 비즈니스를 위한 AI 솔루션
안녕하세요! JiniAI입니다. 저희는 AI와 머신러닝을 활용하여 다양한 어플리케이션과 솔루션을 개발하는 전문 기업입니다. 특히 LLM(Large Language Model)을 활용한 어플리케이션 개발에 특화되어 있습니다.
Read More
Generative AI project lifecycle
Generative AI 프로젝트의 수명 주기는 사용 사례를 정의하는 범위 설정, 기존 모델 선택 또는 자체 모델의 사전 훈련, 모델의 적응 및 조정, 그리고 응용 프로그램 통합으로 구성됩니다. 이 과정에서는 모델의 프롬프트 엔지니어링, 미세 조정, 인간의 피드백과 조정 및 성능 평가를 포함합니다. 마지막으로, 모델을 실제 환경에 배포하고, LLM 기술을 활용한 응용 프로그램을 개발합니다.
PDF 파일에서 파이썬으로 텍스트 추출하기: 종합 가이드
PDF 문서에서 텍스트를 추출하기 위해 Python의 다양한 라이브러리를 활용하여 문서의 레이아웃을 분석하고, 텍스트 블록, 이미지, 테이블 등 각 구성 요소에 적합한 방식으로 텍스트를 추출하는 방법을 살펴보았습니다. 특히 테이블의 경우 pdfplumber 라이브러리를 사용하여 셀을 식별하고 내용을 추출한 후 적절한 형식의 문자열로 변환하는 과정을 통해, 데이터의 세분성을 유지하면서 텍스트를 추출할 수 있었습니다.
디자인·영상 초보도 가능! Pippit으로 만드는 고퀄 콘텐츠
Pippit은 CapCut에서 제공하는 AI 기반 콘텐츠 제작 플랫폼으로, 디자인이나 영상 편집 경험이 없는 사람도 몇 번의 클릭만으로 전문적인 마케팅 콘텐츠를 제작할 수 있도록 도와줍니다. Pippit의 주요 기능 1. 웹사이트 링크로 영상 자동 생성 제품이나 서비스의 웹사이트 URL을 입력하면, Pippit이 해당 페이지의 정보를 분석하여 자동으로 마케팅 영상을 생성합니다. 이 기능을 통해 별도의 영상 촬영이나 편집 없이도…
고급 AI 프롬프트 작성 프레임워크를 사용하여 결과 향상시키기
Advanced AI prompt writing framework’s to improve your results 고급 엔지니어링 프레임워크를 사용하여 AI 프롬프트의 출력을 제어하는 것은 프롬프트 작성에 어려움을 겪고 있거나 프롬프트를 더욱 세밀하게 조정하고 싶을 때 매우 유용할 수 있습니다. 이 가이드는 Guidance와 같은 이러한 프레임워크를 어떻게 사용할 수 있는지에 대한 개요를 제공합니다. 최초로 Microsoft에 의해 소개된 Guidance는 사용자가 특정 출력을 생성하기…
💡 금융 추론을 위한 LLM 워크플로우: Open-WebUI와 LightRAG의 통합
금융 질문에 답하는 LLM, 왜 어려울까? 대형 언어 모델(LLM)은 다양한 분야에서 놀라운 성능을 보이고 있지만, 금융 분야처럼 정확한 수치와 실시간 데이터가 필요한 영역에서는 여전히 한계가 있습니다. 금융 질문은 단순한 정보 암기에서 그치지 않고, 데이터 기반의 분석, 추론, 해석이 필요합니다. 이 글에서는 이러한 문제를 해결하기 위한 하나의 접근법을 소개합니다. 이는 금융 추론에 특화된 LLM, 다양한 금융…
ChatGPT Vision을 사용하여 프롬프트에 이미지를 사용할 수 있습니다
OpenAI의 제목은 인간화된 표현을 사용하지만, ChatGPT Vision은 실제로 볼 수 없습니다. 그러나 이는 이미지 입력을 처리하고 분석할 수 있어, 이런 능력이 인간의 두뇌가 할 수 있는 것과 상당히 유사하다고 느낄 수 있게 합니다. ChatGPT Vision은 OpenAI의 최신 발표로서, 생성적 AI 챗봇에 멀티모달(다양한 모드의) 능력을 부여합니다. ChatGPT Plus 구독자들은 iOS 또는 Android의 ChatGPT 앱에 이미지를 업로드할…
프롬프트 엔지니어링: 실용적인 예시
텍스트 프롬프트는 LLM의 응답을 지시하는 역할을 하기 때문에 조금만 변경해도 완전히 다른 결과를 얻을 수 있습니다. 이 튜토리얼에서는 실제 사례에 여러 프롬프트 엔지니어링 기술을 적용해 보겠습니다. 이를 통해 반복적인 과정으로 진행되는 프롬프트 엔지니어링을 직접 경험하고, 다양한 기술을 적용하는 효과를 확인하며 머신 러닝 및 데이터 엔지니어링과 관련된 개념을 배울 수 있습니다.
LGCNS 시뮬레이터관리시스템 기능 고도화 개발
프로젝트 상세 1) 포트폴리오 소개:– 사용자 컴퓨터에 설치되는 시뮬레이터 프로그램을 관리-API 제공: 시뮬레이터 프로그램에게 제공하는 API(배포 정보 및 관리, 사용자 정보 및 관리, 사용자 시험 결과) 2) 작업 범위:– 기능 정의 및 개발, 화면 설계 및 개발, 관리자 페이지 기획 및 개발 등– 반응형 웹, 스프링부트, MsSql, Restfull API 3) 주요 업무-시뮬레이터 배포 관리, 시뮬레이터…
ChromaDB 개요: 벡터 데이터베이스
Chroma DB는 벡터 임베딩을 저장하고 검색하는 데 사용되는 오픈 소스 벡터 저장소입니다. 주요 용도는 대규모 언어 모델에 의해 나중에 사용될 메타데이터와 함께 임베딩을 저장하는 것입니다. 또한 텍스트 데이터에 대한 의미론적 검색 엔진으로도 사용할 수 있습니다.
🧠 개발자와 AI가 협업하는 새로운 방식, Kiro 소개
최근 몇 년간 AI 코딩 도구들은 놀라운 속도로 발전하고 있습니다. ChatGPT, Copilot, Cursor… 하지만 여전히 많은 도구가 “한 줄짜리 프롬프트”에 의존하거나, “정제된 요청”을 요구하죠. 오늘 소개할 Kiro는 이와는 완전히 다른 방향의 접근을 택한 도구입니다. Kiro는 단순히 “코드를 대신 써주는 AI”가 아니라, 계획부터 설계, 구현까지 함께하는 AI 동료입니다. ✨ Kiro란? Kiro는 아마존(Amazon)이 2025년 7월에 공개한 AI…
AI 프로젝트를 위한 최고의 10개 벡터 데이터베이스
벡터 데이터베이스와 벡터 라이브러리는 머신 러닝, 자연어 처리, 이미지 인식 등의 AI 애플리케이션에서 벡터 유사성 검색을 가능하게 합니다. 데이터베이스는 다양한 데이터 소스와 쿼리 기능을 제공하며, 라이브러리는 주로 벡터만을 다루고 기술적 전문성이 더 필요합니다. 선택 시에는 사용자의 특정 필요와 요구 사항, 그리고 데이터의 종류와 크기를 고려해야 합니다.