AI 프로젝트
- UpdAgent : 도구의 실시간 업데이트를 위한 AI 에이전트 버전 제어 프레임워크 - 2024년 11월
- 버전 업데이트를 허용하는 에이전트의 버전 관리를 지원하는 프레임워크입니다.
- github.com/Pro-GenAI/UpdAgent에서 이용 가능
- AutoFashionKeywords : LLM을 사용한 실시간 AI 기반 트렌드 기반 SEO - 2024년 10월
- 트렌드 기반 SEO는 급격한 트렌드 변화에도 불구하고 콘텐츠가 사용자에게 관련성을 유지하도록 합니다.
- github.com/Pro-GenAI/Auto-Fashion-Keywords에서 이용 가능
- LML-DAP : 데이터 증강 예측을 위한 데이터 세트를 학습하는 언어 모델 - 2024년 10월
- ML 대신 이 논문에서는 RAG와 같은 관련 데이터를 기반으로 상황 인식 분류 결정을 위해 데이터 세트를 학습하는 LLM 프로세스를 사용합니다.
- github.com/Pro-GenAI/LML-DAP에서 이용 가능
- AGIent 및 Tool-Mart : 시장 기반 도구 선택을 통해 지원되는 슈퍼 에이전트 프레임워크 - 2024년 9월
- 데이터베이스를 사용하는 에이전트를 위한 동적 도구 세트를 활성화합니다. https://github.com/Pro-GenAI/AGIent에서 이용 가능
- AutoPureData : 바람직하지 않은 웹 데이터를 자동 필터링하여 LLM 지식 업데이트 - 2024년 7월
- LLM을 사용하여 원치 않는 텍스트를 필터링하고 벡터 DB 및 RAG(Retrieval-Augmented Generation)를 사용합니다.
- github.com/Pro-GenAI/AutoPureData에서 이용 가능
- AutoWatcher : LLM을 사용한 실시간 상황 인식 보안 경고 시스템 - 2024년 5월
- 다중 모드 LLM을 사용하여 카메라 영상을 모니터링하고 의심스러운 위협 감지에 대한 경고를 생성합니다.
- github.com/Pro-GenAI/AutoWatcher에서 이용 가능
- 역할의 힘 : 세 가지 메시지 유형이 LLM 응답에 미치는 영향 조사 - 2024년 3월
- 세 가지 메시지 역할인 "시스템", "사용자" 및 "도우미"가 응답에 미치는 영향을 조사합니다.
- github.com/Pro-GenAI/Power-of-Roles에서 이용 가능
- AutoPrecisePrompts : 데이터 처리를 위한 자동화된 LLM 기반 프롬프트 엔지니어링 - 2024년 1월
- 완벽한 프롬프트가 만들어지도록 자동화된 프롬프트 엔지니어링 및 테스트를 수행합니다.
- github.com/Pro-GenAI/Auto-Precise-Prompts에서 이용 가능
- iSearch : LLM을 사용한 쿼리 기반의 향상된 지능형 검색 - 2023년 4월
- 완벽한 프롬프트가 만들어지도록 하드 프롬프트의 프롬프트 엔지니어링과 테스트 프로세스를 자동화합니다.
- https://ijcem.in/wp-content/uploads/ISEARCH-ENHANCED-INTELLIGENT-SEARCH-BASED-ON-A-QUERY-USING-LLMS.pdf에서 확인 가능
- EaseText : LLM을 사용하여 복잡한 문장에 대한 이해력 향상 - 2022년 12월
- LLM을 사용하여 특히 영어가 모국어가 아닌 경우 읽기 어려운 복잡한 문장을 단순화합니다.
- doi.org/10.51219/JAIMLD/praneeth-vadlapati/349에서 확인 가능
LLM - LangChain 프로젝트:
- LLM - Wikipedia 페이지와 채팅
- LangChain, RAG 및 ChainLit 사용(웹페이지 호스팅용)
- LLM - 피드백 요약기
- LangChain, Selenium 및 Gradio 사용(호스팅용)
- LLM - 이미지로 채팅
- LangChain 및 StreamLit 사용(호스팅용)
- LLM - 프롬프트 단축기
- LangChain 및 Gradio 사용(호스팅용)
- LLM - 에이전트
- 온라인 검색, 날씨 가져오기, 수학 연산, Python 코드 실행 등과 같은 다양한 작업에 LangChain 에이전트를 사용했습니다.
- LLM - 데이터와 채팅
- 기업의 수익성을 높이기 위한 유용한 통찰력을 얻기 위해 데이터와 채팅하는 데 유용합니다.
- LLM을 사용하여 생성된 합성 데이터
- LLM - 모델 배포
- LMDeploy 및 FastAPI를 사용하여 OpenAI API를 에뮬레이션하여 모델 배포
.env.example을 .env에 복사하고 모델 이름을 입력하세요.
데이터 과학 프로젝트:
- NLP - 공격적인 트윗 분류
- ML - 대출 불이행 위험 예측
나에게 특별한 점은 무엇입니까?
- 구조화된 코드 및 폴더
- 재사용할 공통 함수 - common_functions.py
- LLM - 회사의 수익성을 위해 LLM 호출을 더 빠르고 저렴하게 만들었습니다.
- 실제 프로젝트에 유용한 더 많은 개념 적용
