0. 생성형 AI 종류, 도구, GPT모델(5,MINI,NANO쿼터,) 재미나이,퍼블렉시티, 뤼튼,
GAI →Wes prompt, 4
② notebooklım
3 ③ Genspark./11 labs /
@flowith. Bolt.Cursor
vscode, extension, Lodviem WIL
# 웹을 통해, 캔버스, 단계별로, EL5 , 정리, 표, HTML, 마크다운, 리스트로, 개조식, 톨스토이 문체, 지브리 스타일, 문체스타일, 서술형, 감정을 담아, 유쾌한, 상급자, 기안문, URL, , 구글 닥스로 저장,
= NLP 자연어 처리, NLU ( 챗봇 만들고, UNDERSTANDING)-> API 플랫폼 활용/
# 옵시디언 https://obsidian.md/
옵시디언 사용법은 크게 ① 공식 웹사이트(Obsidian.md)에서 다운로드하여 설치하고 ② 보관소(Vault) 폴더를 생성하며 ③ 마크다운(Markdown) 문법으로 노트를 작성하고 ④ [[이중 대괄호]]로 노트를 서로 연결하여 지식 네트워크를 구축하는 것으로 시작됩니다. 또한, 그래프 뷰로 노트 간의 연결을 시각화하거나, 태그, 메타데이터, 플러그인을 활용하여 개인의 지식 관리 시스템을 확장하고 최적화하는 것이 중요합니다.
1. 옵시디언 설치 및 보관소 생성
1. 설치:
Obsidian 공식 웹사이트에 접속하여 운영체제에 맞는 버전을 다운로드하고 설치합니다.
2. 보관소 생성:
옵시디언을 실행하면 보관소(Vault)를 생성하는 화면이 뜹니다. 옵시디언이 노트를 저장할 로컬 폴더를 선택하거나 새로 만들 수 있습니다.
2. 마크다운으로 노트 작성하기
1. 새 노트 작성:
왼쪽 사이드바 상단의 새 메모 아이콘을 클릭하거나 오른쪽 메모 윈도우에서 파일을 만들어 새 노트를 작성합니다.
2. 마크다운 문법:
옵시디언은 마크다운 문법을 사용하여 문서 서식을 표현합니다. 텍스트뿐만 아니라 이미지도 드래그 앤 드롭으로 쉽게 첨부할 수 있습니다.
3. 노트 연결 및 지식 네트워크 구축
1. 링크 생성:
다른 노트와 연결하고 싶을 때, [[연결할 메모 제목]] 형식으로 입력하여 링크를 만듭니다.
2. 그래프 뷰 활용:
이렇게 생성된 링크는 그래프 뷰에서 노드(노트)와 엣지(연결)로 시각화되어 노트 간의 관계를 파악하는 데 도움을 줍니다.
3. 연결된 노트 확인:
특정 노트의 백링크를 통해 해당 노트를 참조하는 다른 노트들을 확인할 수 있습니다.
4. 기능 확장 및 개인화
1. 태그와 메타데이터:
노트에 #태그를 붙이거나 메타데이터를 사용하여 정보를 분류하고 필터링할 수 있습니다.
2. 플러그인 활용:
옵시디언은 다양한 플러그인을 지원하여 데이터베이스, 일정 관리 등 원하는 기능을 추가하여 자신만의 시스템을 구축할 수 있습니다.
3. 단축키 설정:
자주 사용하는 기능의 단축키를 설정하여 작업 효율을
기술 거래시 ?
# MS 365- AI로 만드는 파워포인트 제작
젠스파크 에이전트
젠스파크 AI는 다양한 AI 에이전트를 통해 복잡한 정보 요구를 해결합니다. 각 에이전트는 특정 유형의 질문을 처리하도록 설계되어 있습니다. 스파크 페이지 기능을 통해 ...
2025. 5. 31. — 슈퍼 에이전트의 정의: 슈퍼 에이전트는 다양한 기능을 수행하는 강력하고 유연한 인공지능 시스템입니다. 기능: 슈퍼 에이전트는 음성 통화로 식당 ...
2025. 4. 9. — 슈퍼 에이전트는 젠스파크가 개발한 범용 AI 에이전트입니다. 단순히 질문에 답해주는 LLM(ChatGPT처럼)이 아니라, 도구를 스스로 활용해 작업을 '대행' ...
AI Slides, AI Sheets, AI Docs, AI Pods, AI Chat, AI Image and Video, AI Download For Me, AI Call For Me, and more—one prompt does it all.
젠스파크 AI는 다양한 AI 에이전트를 통해 복잡한 정보 요구를 해결합 ...
|
젠스파크(Genspark)는 최근 인공지능(AI) 기반의 혁신적인 검색 엔진 ...
|
검색형 AI는 사용자의 쿼리에 대한 답변을 제공하는 데 특화된 인공 ...
|
젠스파크는 다양한 AI 기능을 제공하는 플랫폼으로, 무료로 사용할 ...
|
Experience the future of web browsing with AI-powered ... |
#
노트북 llm- https://notebooklm.google/ // AI 오디오 뷰/마인드맵/보고서/퀴즈 ETC....
ITFIND -
ITFIND
국내 최대 IT지식포털, ITFIND 제공자료 대폭 확대. - NIPA, 한국과학기술정보연구원 등 10개 기관과 콘텐츠 제공 협력 합의. □ 국내 최대의 IT지식포털인 ...
구글 SEO (serarch engine optimize)
네트워크 토포로지 -
네트워크 토폴로지란 무엇인가요?
물리적 네트워크 토폴로지는 네트워크에서 각 구성 요소의 배치와 물리적으로 연결되는 방법을 설명합니다. 네트워크 토폴로지 맵은 네트워크 관리자가 디바이스가 서로 ...
2015. 7. 13. — 네트워크 토폴로지 -. ' - 네트워크 토폴로지(Network Topology). 네트워크(Network)란 상호 간에 정보를 교환할 수 있도록 유선, 무선을 통하여 ...
RAG(검색 증강 생성, Retrieval-Augmented Generation)은 대규모 언어 모델(LLM)이 답변을 생성하기 전에 외부 지식 베이스에서 관련 정보를 검색하여 답변에 활용하도록 하는 인공지능(AI) 기술입니다. 이 기술은 LLM의 한계인 부정확한 정보(환각)를 줄이고, 최신 정보를 반영하며, 답변의 신뢰도를 높이는 데 기여합니다. RAG는 검색(Retrieval), 증강(Augmentation), 생성(Generation)의 세 단계로 이루어져 사용자의 질문에 빠르고 정확한 답변을 제공할 수 있도록 돕습니다. 1. 검색(Retrieval):
사용자의 질문이 입력되면, 시스템은 외부 지식 베이스(예: 문서, 데이터베이스)에서 해당 질문과 가장 관련성이 높은 정보를 검색합니다. 2. 증강(Augmentation):
검색된 관련 정보를 LLM에 추가하여, 모델이 외부 지식을 참고하도록 '증강'합니다. 3. 생성(Generation):
검색된 정보를 바탕으로, LLM은 사용자의 질문에 대한 정확하고 구체적인 답변을 생성합니다.
신뢰도 향상 및 환각 방지:
LLM이 외부에 존재하는 신뢰할 수 있는 자료를 참조하므로, 잘못된 정보나 헛된 내용을 생성하는 '환각' 현상을 줄일 수 있습니다.
최신 정보 반영:
새로운 정보가 생길 때마다 LLM 자체를 재학습시킬 필요 없이, 외부 지식 베이스만 업데이트하면 되므로 최신 정보를 반영하기 용이합니다.
비용 효율성:
LLM 전체를 재학습시키는 것보다 외부 데이터만 업데이트하는 방식이 더 비용 효율적입니다.
출처 명시:
답변의 근거가 되는 데이터베이스의 출처를 제시할 수 있어, 답변의 투명성과 신뢰도를 높일 수 있습니다.
챗봇 및 AI 비서:
정확하고 최신 정보에 기반한 답변을 제공하여 사용자 경험을 향상시킵니다. 기업 내부 지식 관리:
기업의 내부 문서를 활용하여 직원들의 질의응답을 돕거나, 특정 도메인의 지식에 대한 답변을 생성하는 데 사용됩니다. 검색 엔진의 성능 개선:
사용자의 질문과 관련된 더 정확한 정보를 검색하고 제공하기 위해 활용될 수 있습니다.
RAG란? - 검색 증강 생성 AI 설명 -
AWS검색 증강 생성(RAG)은 대규모 언어 모델의 출력을 최적화하여 응답을 생성하기 전에 훈련 데이터 소스 외부...
(1부) RAG란 무엇인가 - 활용법 & Cookbook
2024. 4. 25. — RAG는 Retrieval(검색), Augmentation(증강), Generation...
Forums - NAVER Cloud Platform Forum
RAG란 무엇입니까? 검색 증강 생성에 대한 설명 - 인텔
RAG(검색 증강 생성)이란 무엇입니까? RAG는 챗봇과 같은 응용 프로그램에 사용되는 대규모 언어 모델(L...
2024. 7. 10. — RAG는 '검색 증강 생성'이라고 번역할 수 있으며, 기존의 언어 모델에 외부 지식을 결합하여 더욱 정확하고 최신의 정보를 제공하는 혁신적인 접근 방식 ...
글
댓글 없음:
댓글 쓰기