AS IS -> TO BE

목차1. Day 3~4 - Parameter, Token, Tokenizer, Context Window, Transformer 1. Day 3~4 - Parameter, Token, Tokenizer, Context Window, TransformerDay 3~4는 LLM 관련 개념적인 부분들을 좀 더 다루는 내용 위주였고, 해당 내용들에 대해 gpt에 질문들에 해가며 좀 더 깊이 공부했다. 실무를 하면서 대략적으로는 알고 있고 많이 들어왔던 개념들이지만, 이전까진 얄팍하게 알고 있었다면 이것들을 좀 더 깊게 파고들어서 공부해 보는 경험이었다. 1) Parameter(weight)a. parameter의 역할- 실제로 이 parameter들이 모델이 입력을 받았을 때 출력을 생성하는 것을 통제한다는..

목차1. 공부배경2. DAY 1 - Ollama 활용 Local LLM 서빙, GPT API 활용 웹사이트 요약3. DAY 2 - Ollama Local LLM 활용한 웹사이트 요약 기능 구현 1. 공부 배경회사에 들어와 생성형 AI 플랫폼(LLMOps, Agent 등)을 담당하는 PO 부서에 배치되었다.이전에 IT 회사에서 일한 경험이 있었지만, AI 관련 지식은 아예 새로운 세계였다. 업무 과정에서 마주치는 기술 용어나 개념들은 매번 검색해 가며 이해했고, 그 외에도 꾸준히 AI 트렌드와 지식을 따라가려 노력했다. (매일 AI 관련 기사 읽기, 기사 속 주요 기술 추가 서치, 유튜브 영상 시청 등) 하지만 이런 부분에 어느정도 한계를 느꼈다.단순 지식 이해 수준으로는 머릿속에서 맴도는 부분이 있달까?..