반응형
제 채널의 비디오들은 처음에 Deep Learning을 이해하기 위한 7개이 비디오를 올렸습니다. (DL Fundamental 이라는 Playlists에 모아 놓았습니다.)
Deep learning Fundamental에서부터 ChatGPT등 요즘 많이 등장하는 LLM들을 만든 Transmer model 까지 다뤘습니다.
그 다음 세트는 AI를 사용한 Web 개발의 기초가 되는 8개의 비디오를 올렸습니다. (AI Web App Development 라는 Playlists에 모아 놓았습니다.)
여기에서는 RAG (Retrieval Augmented Generation)이라는 개념이 등장하고 이것을 구현하는 방법을 배웠습니다. RAG는 쉽게 말해 LLM 이외에 다른 tool들을 함께 사용하는 기술입니다.
이제부터는 한 단계 더 올라간 AI Web 개발 관련된 기술을 배울 겁니다.
2024년 들어서 주목 받는 개념입니다.
Agentic Workflow, Multi Agent programming 등의 용어들이 많이 등장하고 여기에서 사용되는 주요 개념은 Agent 입니다.
즉 앞으로의 과정을 잘 이해하기 위해서는 Agent란 무엇인가를 이해하는 것이 아주 중요합니다.
IBM에서 만든 이 What are AI Agents? 라는 비디오가 AI Agent란 무엇인가를 아주 잘 설명한 것 같습니다.
그래서 한글 자막을 덧붙여서 소개해 드립니다.
참고로 저 강사님이 전체 강의 중 가장 광대뼈가 많이 올라간 순간은 자신의 휴가 얘기를 할 때 입니다. ;)
In the initial phase of my channel, I uploaded seven videos designed to introduce the fundamentals of Deep Learning. These videos are compiled in the "DL Fundamentals" playlist. This series covers everything from the basics of Deep Learning to advanced topics like the Transformer model, which underpins modern Large Language Models (LLMs) such as ChatGPT.
Following this, I released a set of eight videos that lay the groundwork for AI-driven web development, available in the "AI Web App Development" playlist. In this series, we delve into the concept of Retrieval Augmented Generation (RAG), exploring how to implement this technique, which integrates various tools alongside LLMs.
Now, we are progressing to more advanced AI web development technologies that have gained prominence in 2024. Key concepts like Agentic Workflow and Multi-Agent Programming will be discussed, with a particular focus on understanding the role of Agents.
To grasp these upcoming lessons effectively, it is crucial to understand what an Agent is. IBM's video "What are AI Agents?" provides an excellent explanation of this concept. I’ve included Korean subtitles for your convenience.
On a lighter note, the instructor's most enthusiastic moment occurs when she shares stories about her vacation. ;)
반응형