🔥

Подписаться 23 тыс.

Просмотров 15 тыс.

50% 1

코드
1번
github.com/teddylee777/langch...
2번
github.com/teddylee777/langch...
3번
github.com/teddylee777/langch...
🙏Sionic-ai llama3 70B
github.com/sionic-ai/xionic-k...
🤖 디스코드 채널
/ discord
📘 랭체인 튜토리얼 무료 전자책(wikidocs)
wikidocs.net/book/14314
✅ 랭체인 한국어 튜토리얼 코드저장소(GitHub)
github.com/teddylee777/langch...
⭐️ 강의 홍보 ⭐️
LangChain + ChatGPT + Streamlit 강의(VOD 강의)
아래에 사전 등록을 하시면 강의 오픈 후 알림을 발송해 드릴 예정이며, 할인 쿠폰도 같이 제공해 드립니다.
📍 LangChain + ChatGPT + Streamlit 강의 사전알림 신청 🙏🙏
링크: forms.gle/buoXoiey7YHrVXVq9
#langchain
---
📘 랭체인 한국어 튜토리얼(무료 전자책): wikidocs.net/book/14314
📝 테디노트(깃헙 블로그) : teddylee777.github.io
💻 GitHub 소스코드 저장소: github.com/teddylee777
🍿 LLM 프로젝트: llm.teddynote.com

Опубликовано:

3 май 2024

Ссылка:

Скачать:

Готовим ссылку...

Добавить в:

Мой плейлист

Посмотреть позже

Комментарии : 118

@careerhackeralex 2 месяца назад

너무 잘 봤습니다!!ㅎㅎ 앞으로도 좋은 영상 많이 올려주세요! :)

@teddynote 2 месяца назад

아이코오.. 후원 감사합니다😭😭 맛있는 거 사먹겠습니다. 유명하신 분께서 좋게 봐주셔서 영광입니다🥹 앞으로도 재밌는 콘텐츠 많이 만들겠습니다~!! 알렉스 채널도 자주 놀러갈께요! 감사합니다🙏

@ot7141 2 месяца назад

너무 감사합니다! 항상 감사해요🙏

@teddynote 2 месяца назад

시청해 주셔서 감사해요👍👍

@metube7555 2 месяца назад

항상 감사합니다 🙏🙏

@teddynote 2 месяца назад

감사합니당🙏🙏

@user-pc1dx9td3d 2 месяца назад

감사합니다. 올리신 영상 모두 잘 보고있어요. 덕분에 항상 많이알아갑니다. ❤

@teddynote 2 месяца назад

좋게 봐주셔서 감사합니다🫰🫰

@Sam_Jang 2 месяца назад

너무 잘봤습니다 :) 큰 도움되었습니다!!

@teddynote 2 месяца назад

감사합니다🙏🫡

@chowpal9810 2 месяца назад

귀한 정보 감사합니다. 공개해 주셔서 정말 감사

@teddynote 2 месяца назад

앞으로도 재밌는 콘텐츠 공유 많이 드릴께요~ 자주 오세요~ ㅎ

@imuroo 2 месяца назад

항상 잘 보고, 배우고 있습니다. 감사합니다.

@teddynote 2 месяца назад

감사합니다🙏

@user-pj5ln5lv8v 2 месяца назад

멤버십 있는거 오늘 알았네요 바로 가입했습니다 항상 좋은 정보 공유해주셔서 감사합니다~

@teddynote 2 месяца назад

가입 감사합니다~🙏 앞으로도 열심히 콘텐츠 제작해 보겠습니다🫡

@reri5275 2 месяца назад

오 감사합니다 ! 최고최고 !🥰

@teddynote 2 месяца назад

😉👍👍

@inkyungil 2 месяца назад

멋진 강의 감사합니다.

@teddynote 2 месяца назад

시청해 주셔서 감사해요👍

@creativian5552 2 месяца назад

항상 감사해요 !!!

@teddynote 2 месяца назад

시청해 주셔서 감사합니다👍👍

@dyjoh5 24 дня назад

이런 영상도 만드셨군요. 너무 감사드립니다. 정말 수고하신 것이 느껴지네요.

@teddynote 23 дня назад

더 재밌는 콘텐츠도 앞으로 열심히 찍어보겠습니다~^^

@changheecho857 23 дня назад

고생하신 코드를 이렇게 공개하셔서 정말 감사합니다. 회사에서 정말 필요했던 귀중한 정보입니다. 감사합니다. 꾸벅~~^^ 강좌도 신청했어요~~

@teddynote 23 дня назад

감사합니다 앞으로도 실제 바로 적용할 수 있는 관점에서 코드 많이 공유 하도록 하겠습니다^^

@careerhackeralex 2 месяца назад

Thanks!

@user-xp9ih7kv4o 2 месяца назад

어떤 툴을 쓸 것인지와 실제 액션을 하는 LLM을 나눠서 체인을 엮으신 아이디어가 대단하신 것 같습니다. 너무 좋은 강의네요. 감사합니다!

@teddynote 2 месяца назад

아이쿠 극찬 감사합니다~ 저도 처음 시도해 보는데 실험하는 과정에서 많이 배웠던 것 같습니다~^^ 감사합니다🙏

@ai.sam_hottman 2 месяца назад

강의 만드시느라 엄청 고생하셨겠군요...! 노고가 느껴집니다. 좋은 내용 감사합니다! (판교 몽중헌은 꼭 가봐야겠군요..)

@teddynote 2 месяца назад

ㅎㅎ 저도 이게 될까? 하면서 해봤는데..하다보니 재밌어서 어떻게단 되게끔 해야겠다 하면서 만들었어요 ㅎㅎ 과정이 재밌었습니다^^ (판교 몽중헌 딤섬이 맛나요😉)

@keonwookim8589 Месяц назад

와우...감사합니다!

@teddynote Месяц назад

감사합니다🙏

@nbright3700 2 месяца назад

감사합니다. 기대하던 영상이 올라와서 기쁜 마음으로 보았습니다. 코드 없이 따라 갈지 해봐야겠습니다.

@teddynote 2 месяца назад

내용이 많아서요~ 차근차근 해보십쇼~ 뽜이팅입니다~

@user-vj6bu9qy6h 2 месяца назад

고급자료 설명 감사합니다 ^^/

@teddynote 2 месяца назад

도움이 되셨으면 좋겠습니다^^

@sangmunoh4638 2 месяца назад

와우... 감사합니다.

@teddynote 2 месяца назад

시청해 주셔서 감사합니다^^

@hyungsungshim5714 2 месяца назад

감사합니닷!!!

@teddynote 2 месяца назад

감사합니다👍

@kangsinuk3399 2 месяца назад

딕션, 컨텐츠, 무료 공유까지 이게 힙합이지

@teddynote Месяц назад

예써얼~🫡

@user-gz9gy8yw3x 2 месяца назад

오 재밌는 프로젝트네요.

@teddynote 2 месяца назад

구현하는 동안 재밌었습니다^^

@user-mi4zb2js1l 2 месяца назад

형님 사랑해요❤

@teddynote 2 месяца назад

오퀘이 알럽유투🫰

@spdlqj011 2 месяца назад

사내에서 LLM을 맡게되어서 복잡했는데 많은 도움 얻어갑니다 작성해주신 위키독스도 정독하고있습니다 ㅎㅎ

@teddynote 2 месяца назад

감사합니다 자주 놀러 오세요~👍

@sdfasdfsdfds 2 месяца назад

이건 일종의 멀티모달을 로컬로 구현거가 되겠네요 ㅎㅎ 좋은 정보 받아갑니다!

@teddynote 2 месяца назад

캄사합니다~ 🙏🙏🙏

@FreelanSeo Месяц назад

배경지식이 부족해서 완전한 이해는 아니나, 흐름은 파악했습니다. 연습해봐야겠어요 😅 새로운 내용 고맙습니다 🎉

@teddynote Месяц назад

넵 뽜이팅입니다^^

@u6tory 2 месяца назад

와 투표결과를 그새 반영을 ㄷㄷ 소통갑이세요🎉

@teddynote 2 месяца назад

투표 올렸다가 이번에 쬐끔 고생했습니다~ ㅎㅎ 그래도 너무너무 재밌게 만들어봤어요~ 앞으로도 좋은 아이디어 많이 던져 주세요~

@user-pu1gp7vz4g Месяц назад

항상 잘 보고 있습니다. 감사합니다 ㅎㅎ 혹시 LM Studio대신 Ollama이용해도 구현이 가능할까요?

@teddynote Месяц назад

그럼요~ 메카니즘은 동일합니다~^^

@user-jg3fh1qy3q Месяц назад

감사합니다!! 그리고, xionic도 너무 고맙네요. 로컬에 설치해도 속도도 안나오고, lamma3 어떻게 해야 하나 고민중이였는데요. ㅜ.ㅜ

@teddynote Месяц назад

사이오닉 너무 감사하죠 ㅜㅜ

@stevean9705 14 дней назад

좋은 영상 너무 감사합니다. 판교 몽중헌 메모..

@teddynote 14 дней назад

ㅎㅎㅎ 맛집입니다.... 메모...

@johnjang8447 Месяц назад

주변에 agent 강의가 없어서 답답했는데 정말 감사합니다 혹시 TOOL을 Import해서 쓰는거 말고 개인이 define 한 Tool를 사용할수도 있을까요?

@teddynote Месяц назад

네 가능합니다 커스텀 툴 정의할 수 있어요~

@user-cc3fj9pi1h Месяц назад

감사합니다 선생님👍👍 하나 궁금한게 있는데, LLM으로 의도파악(의도분류) 후에 각 의도에 따라 다른 종류의 문서를 검색(retreiver)하고 그 결과를 토대로 RAG를 하는 것을 만들고 있는데 langchain, langchain agents를 쓰지않더라도 문제없이 되긴 합니다. 이 경우에 langchain agents를 사용하는 방식으로 바꾼다면 코드와 프롬프트의 관리 및 확장에 용의하다는 점 외에 다른 장점이 있을까요?

@teddynote Месяц назад

agent 의 가장 큰 장점은 도구 활용인데요. 순정 llm 보다 도구를 가진 agent 를 사용하게 되면 정보 검색에 더 유연해지게 됩니다. 예를 들어, 문서 검색에서 원하는 내용이 충족되지 않는 경우 search 도구로 찾아서 보완할 수도 있구요. 하지만 지금의 RAG 에도 만족한다면 굳이 agent 로 변경하실 필요까지는 없습니다^^

@user-cc3fj9pi1h Месяц назад

감사합니다 선생님!

@user-kj5ci9ro1p Месяц назад

테디님! 저도 테디님처럼 연구보다는 개발에 관심이 많습니다! 혹시 기존 NLP 논문들을 많이 읽으셨나요??

@teddynote Месяц назад

필요할 때 골라서 읽었습니다. 때로는 논문 리뷰 영상이나 잘 정리된 글을 먼저 보는 것도 도움이 되었어요. 저는 그래도 code 이해하는 것이 더 편한 사람이라 paperswithcode.com 을 애용합니다~

@user-kj5ci9ro1p Месяц назад

@@teddynote 답변 감사합니다! 테디님께서 밋업에서 발표하셨던 것처럼 프로덕트를 만드는 일을 하는게 목표인데, NLP 관련 논문을 쭉 이해해보는게 얼마나 도움이 될지 궁금합니다..! 우선순위를 잘 모르곘습니다

@teddynote Месяц назад

@@user-kj5ci9ro1p LLM 쪽 개발은 제일 어려운 점이 개발 & 논문 & 수학 모두 다 잘해야되고, 게다가 돈(GPU) 도 많아야 된다는 점인 것 같아요 ㅎㅎ 그런데 저는 우선순위를 두고 공부해 나가기 보다 "프로젝트" 를 먼저 잡고 이를 해나갈때 필요한 개발 지식을 습득하고, 성능 개선을 위한 논문을 보고, 수학이 어려우면 수학 관련 질문도 하고 GPT 도 사용해 보고 해나가면서 앞으로 조금씩 전진하다보면 어느 새 한계단 올라와있는 느낌을 받았습니다. 이 과정을 10번 100번 반복하다보면 자연스럽게 balance 있게 성장하지 않을까합니다. 그치만 이건 저에게 가장 잘 맞는 방식이구요. 사람마다 본인에게 잘 맞는 방식과 견해가 다르기 때무에 여러 명의 의견을 한 번 들어보시고 결정하시는 것이 제일 좋습니다^^

@user-kj5ci9ro1p Месяц назад

@@teddynote 정성스런 답변 감사합니다!

@1st_meme_shorts 25 дней назад

안녕하세요 테디노트님 좋은 영상 감사드립니다! 4:29 를보다 질문이 생겨서 여쭙고자합니다. 이 웹검색을 하는 에이전트와 크롤러의 차이를 막연하게 알것 같습니다. 이 두개의 차이를 더 명확하게 알고 싶은데 시간 나시면 답변 부탁드려도 될까요?

@teddynote 25 дней назад

크롤링은 주어진 정보만 조회하려 가져옵니다. 정보를 활용하여 가공하지는 않고 정보를 가져오는 행위까지가 크롤링입니다. 웹검색 에이전트는 웹 검색을 통해 스스로 판단하여 도움이 되는 정보를 가져옵니다. 여기에 입력하는 검색어도 AI가 스스로 정의합니다. 게다가 조회한 정보를 바탕으로 사용자의 질문에 대한 답변을 생성합니다. 에이전트는 단순 웹검색을 넘어서 데이터 분석을 하거나 보고서를 작성하거나 등등의 지능을 겸비한 작업을 수행할 수 있다는 것이 가장 큰 차이점입니다^^

@1st_meme_shorts 25 дней назад

@@teddynote 훨씬 더 능동적이라는게 에이전크의 특징이겠네요 한번에 이해했습니다 답변 감사드려요!

@Dr.Ahn. Месяц назад

안녕하세요~ 좀 다른 질문인데.. groq 아시죠? 저세상 속도로 답변을 뱉어내는.. 라마3 70B를 돌려도 한글을 초당 300토큰 이상 뱉어내는데요. 영어는 두배정도 더 빠르고요. 우리 챗봇 서비스를 라마3 + groq를 사용해서 초스피드로 서비스 할수도 있는건가요?? 제가 잘못생각하고 있는건지.. groq이 무슨 개념이고 챗봇RAG을 개발하고 배포하는 어느단계에 무엇을 대체해서 들어오는건지 궁금합니다ㅠ

@teddynote Месяц назад

groq은 LPU 라는 LLM을 위하여 특화된 칩셋 입니다. 즉 반도체인거죠. CPU -> GPU -> LPU 순서로 추론 속도가 빨라질 것이고요. 기존의 GPU를 대체할 수 있다고 말할 수 있겠네요~ 자세한 내용은 구글링 하시면 관련 블로그글이 많이 나와 있습니다. 한 번 참고해 보세요~^^

@Dr.Ahn. Месяц назад

@@teddynote 아.. API처럼 사용하는게 아니라.. LPU 개발한 업체에서 지금은 단순히 체험할 수 있게 해놓은거군요. 결국은 LPU 하드웨어를 장착해야되는것이고..

@teddynote Месяц назад

@@Dr.Ahn. 네 마치 예전에 그래픽카드(GPU) 달아 놓고 게임 얼만큼 부드럽게 돌아가는지 비교 데모 보여주듯이요^^

@user-ji4mi1gi3z Месяц назад

15:20 에 나오는 tool 이름이 어떻게 될까요..? 랭체인 로고가 있는걸봐서 랭체인 내장 기능 일까요? 커피값 조금 후원했습니다 ㅎㅎ

@teddynote Месяц назад

아이코... 후원 감사합니다... 큰 금액을 해주셨네요...감사한 마음으로 맛있는 것 사먹겠습니다! tool 은 랭체인에 통합된 내장 툴이고요 영상에서는 인터넷 검색 도구인 tavily search 와 문석 검색 도구인 retrieval 도구를 사용했습니다^^

@taekjinjun Месяц назад

감사합니다. 소중한 내용 잘 보고 따라 해 보고 있는데.. 저는 이상하게 결과가 다르게 나오면서 돌핀 llm에서 멈추지 않고 툴을 실행해서 답변을 주네요.. 돌핀 llm 기동시에 설정 같은게 문제가 될까요?

@teddynote Месяц назад

혹시 LM Studio 에서 모델의 temperature 값을 설정할 수 있는데요. 0 이나 0.1 로 설정 후 한 번 돌려보시고 안되시면 말씀해 주세요^^

@taekjinjun Месяц назад

@@teddynote 답변 너무 감사합니다. LM Studio에서 temperature값을 0으로 해도 결과는 비슷한 것 같습니다 ^^; 실행결과를 여기에 남기려 했더니.. 글자 제한에 걸리는 것 같네요..

@JeongJaeWoo 2 месяца назад

Task툴만 붙이면 AGI 되는 건가요?ㅋㅋ

@teddynote 2 месяца назад

ㅎㅎ 궁극적인 목표입니다

@johnjang8447 29 дней назад

처음에 LM Studio 대신 Ollama를 사용해서 구현하려고 하는데 llama3로 response를 받아올때 Observation에서 멈추는게 아니라 Action을 리턴하고 "Invalid or incomplete response"를 리턴한다음 다시 Chain을 시작하네요 혹시 멈추게 하는 방법이 따로 있을까요?

@teddynote 29 дней назад

Ollama 를 사용하실때 템플릿을 먼저 잘 설정 되어 있는지 한 번 확인해 주시기 바랍니다. 템플릿이 어떻게 설정 되었는가에 따라 올바르게 동작하지 않을수 있어요!

@user-ny2qv7zq2b Месяц назад

안녕하세요 !! 영상 너무 감사합니다!! 혹시 GGUF파일 변환은 어떻게 할 수 있을지 알 수 있을까요? FINE TUNING한 후에 llama.cpp로 처리하려 하면 이미 양자화 되어있어서 처리할 수 없는걸로 나옵니다 ㅠ

@teddynote Месяц назад

convert hf to gguf 로 변환하실 수 있어요!

@user-ny2qv7zq2b Месяц назад

@@teddynote 답변 감사합니다! 해당 colab 환경에서 llama3를 qlora로 fine tuning한 후, model.save_pretrained(경로), tokenizer.save_pretrained(경로) 후에 아래와 같이 작성했는데, ''PreTrainedTokenizerFast' object has no attribute 'added_tokens_decoder''오류가 발생합니다..ㅠ 혹시 로컬에서 진행하신 방법이 있으신지 궁금합니다!! (tokenizer.model이 없다고도 뜨네요...!!) !python /convert-hf-to-gguf.py Llama-pdf-Ko-3-8B \ --outfile llama3-custom-Q8-v1.gguf \ --outtype q8_0

@teddynote Месяц назад

@@user-ny2qv7zq2b finetuning 하신 다음에 merge 해서 huggingface repo 에 먼저 업로드를 해주시고요. 그 다음에 해당 파일을 convert hf to gguf 로 변환하실 수 있어요~ (아 물론 꼭 huggingface 에 업로드를 해야 하는 것은 아니고요. 일단 백업 차원에서 업로드 해놓고 진행해 보시는 것을 추천 드립니다)

@sw-ln1hh 2 месяца назад

dolphin~~

@meca_p Месяц назад

xionic-ko-llama-3-70b를 사용하는게 아닌 llama3-70B 모델을 바로 사용해서 진행하는 방법은 없을까요..? API키로 공개된 모델이라 직접 서비스를 만들거나 할 때는 사용할 수 없다보니 아쉽게 느껴져서 여쭤봅니다.

@teddynote Месяц назад

바로 사용하실려면 GPU가 여러장 있어야 원활한 추론이 가능해요(양자화가 아니라는 기준) GPU 가 있다면 70B 모델을 다운로드 받아서 파인튜닝하여 사용하실 수 있습니다^^

@meca_p Месяц назад

@@teddynote quantized 모델을 ollama로 서빙해서 ChatOpenAI json형식으로 받아서 해보고있는데 json parsing문제 떄문에 Modelfile template을 건드려야하더라구요.. 로컬에서 구현해보려다보니 생각보다 막히는 부분이 많네요

@teddynote Месяц назад

@@meca_p json parsing 문제는 아쉽게도 로컬 모델에 흔히 발생하는 문제에요. 정말 프롬프트 정교하게 튜닝해야 해결 되는 사례가 있고, 또는 모델의 인텔리젼스 높으면 유리한데, 70B 양자화 한 모델은 정보 loss 가 커서 최대한 양자화가 덜 되거나 혹은 아예 안한 모델로 돌려야 하는 것이 권장됩니다. 그런데 그런 GPU 자원이 보통 개인이 없기 때문에 힘든것이 현실이죠. 따라서 가장 현실적인 방안은 json parsing 을 잘 하도록 파인튜닝을 하는 것이 그나마 현실적으로 우리 노트북에서 돌릴 수 있는 방법 같아요. 앞으로 이 부분은 저도 주시하면서 새로운 내용 있으면 공유 드릴께요^^