본문 바로가기
Understanding and Comparing Embedding Models for RAG and Vector Search In the rapidly evolving landscape of artificial intelligence, embedding models have emerged as the unsung heroes powering everything from semantic search to recommendation systems. These sophisticated models transform unstructured data into numerical vectors that preserve semantic meaning, enabling machines to understand and process human language with unprecedented accuracy. What Are Embedding .. 2025. 5. 26.
Model Context Protocol (MCP): Shaping the Future of AI Agents The Model Context Protocol (MCP) is an innovative protocol designed to enhance AI model interactions through advanced context management. This blog post explores what MCP is, how it works, and how developers can leverage its capabilities using the Python client example. What is the Model Context Protocol (MCP)?The Model Context Protocol (MCP) is a sophisticated protocol that enables more effecti.. 2025. 5. 17.
Understanding FastAPI: Building Production-Grade Asynchronous Applications with MCP As the demand for real-time, responsive, and scalable AI applications grows, building robust asynchronous APIs becomes essential. In this guide, we explore FastAPI, a high-performance web framework for Python, and how it can power production-grade asynchronous applications—particularly those integrating with AI orchestration protocols like the Model Context Protocol (MCP). The code below is base.. 2025. 5. 17.
Building a Financial RAG Chatbot Using LLaMA, Streamlit and RunPod (VSCode) In this tutorial, we’ll walk through the process of building a Financial Question-Answering chatbot using Retrieval-Augmented Generation (RAG), LLaMA 3, and Streamlit. We’ll deploy our solution on RunPod’s GPU cloud environment for cost-effective development and testing.What We’re BuildingWe’ll create an investment education chatbot that:Retrieves relevant information from financial educational .. 2025. 5. 16.
TensorFlow vs PyTorch vs Keras: A Beginner-Friendly Comparison of Deep Learning Frameworks Whether you’re just stepping into the world of deep learning or already exploring complex neural networks, choosing the right framework is crucial. Among the many, three stand out: TensorFlow, PyTorch, and Keras. These tools power research breakthroughs, industrial AI products, and educational curriculums alike.In this guide, we’ll explore:What each framework is and who it’s forTheir strengths a.. 2025. 5. 14.
2018 아모레퍼시픽 마케팅 공모전 수상작 (우수상) 2018년 자료지만, 마케팅 덕후였던 대학 시절 처음으로 참여한 마케팅 공모전에서 STRATEGY 부문 우수상(2위)을 받았던 출품작을 추억삼아 올려봅니다 🩵     이때 당시 수상 특전으로 아모레퍼시픽에서 마케팅 인턴십 기회도 얻을 수 있었습니다! 슬쩍 듣기로는 900팀 정도 참여했다고 들었는데, 정말 운이 좋았던 것 같습니다 :) 2024. 5. 29.
2021년 업데이트 (feat. 이직) 너무 오랜기간 블로그를 쉬고 업데이트를 하게 되네요. 정말 운 좋게 카카오 계열사에 기획 직무로 이직을 하게 되었습니다. 원하던 데이터 관련 직무는 아니지만 가고 싶던 기업인데 이렇게 큰 행운이 찾아올 것이라고 생각도 못했었죠. 저만 긴장했던 수습 기간이 지나고, 운동도 하고 살도 빼고 하니 벌써 2월이네요. 올해 초 목표였던 석사 졸업은 올해 8월로 미뤘습니다. 훌륭한 분들 사이에 있으니 욕심이 커지는 것은 어쩔 수 없더라구요. 목표가 커진 만큼 성장하겠죠? 그리고 영어 블로그를 시작해볼까 해서 2개를 팠습니다. 여기서는 좀더 연구자/개발자 적인 글을 남겨볼까 하는데 아직 프스트는 없습니다. 언젠가 영어를 자유롭게 쓰는 그날을 기대하며 매주 1회 이상을 써보려고 해요. Medium: https://m.. 2022. 2. 17.
SQLD 합격✔️✔️ 1년 1개 이상 자격증 취득이 목표인데 올해 목표 중 하나도 이렇게 이뤄냈네요! :D 2021. 6. 29.
[Python] JSON Data 읽고 쓰기 여러가지 구현을 해보면서 COCO dataset을 비롯해 다양한 오픈된 데이터셋의 annotation이 JSON data 형식인 것을 알게 되었습니다. 그래서 이번 포스팅에서는 JSON이란 무엇이며 어떻게 사용하는 것인지 알아보고자 합니다. JSON이란? JSON은 JavaScript Object Notation의 약자로 XML, YAML 과 함께 효율적으로 데이터를 저장하고 교환(exchange data)하는데 사용하는 텍스트 데이터 포맷 중의 하나입니다. JSON은 사람이 읽고 쓰기에 쉬우며, 또한 기계가 파싱하고 생성하기도에 쉽습니다. JSON은 2가지의 구조로 이뤄져 있습니다. - name/value pairs의 collection : object, record, dictionary, hash t.. 2021. 4. 7.
Eager Few Shot Object Detection (RetinaNet) 이번 실험에서는 pre-trained COCO checkpoint를 받아온 뒤 RetinaNet architecture의 TF2에 맞게 fine tuning을 하여 example에 적용해보도록 하겠습니다. 이 실험은 Colab에서 구현했으며 GPU를 사용하면 5분 이하로 걸릴 것입니다. Imports 먼저 tensorflow를 설치합니다. !pip install -U --pre tensorflow=="2.2.0" Tensorflow Object Detection API를 다운로드합니다. import os import pathlib #tensorflow model repository를 clone하기 if "models" in pathlib.Path.cwd().parts: while "models" in p.. 2021. 4. 4.
[Object Detection] Tensorflow Hub 활용하기 (inception resnet V2) Tensorflow Hub 에 있는 object detection model을 어떻게 사용하는지 알아보기 위해 간단한 구현을 하려고 합니다. 해당 코드는 CoLab에서도 확인 가능합니다. - Tensorflow Hub에서 object detection model 찾아보기 - 나의 workspace에 models load하기 - Inference를 위해 image를 preprocess하기 - models에 inference하고 output을 inspect하기 Imports import tensorflow as tf import tensorflow_hub as hub from PIL import Image from PIL import ImageOps import tempfile from six.moves.u.. 2021. 3. 31.
[CNN] Convolution으로 Accuracy 높이기 (Fashion MNIST, TensorFlow) Fashion MNIST는 70,000개의 28x28의 greyscale 이미지로 구성이 되어 있습니다. Fashion MNIST Dataset를 활용해 Convolution가 없을 때와 있을 때를 비교하고 모델에 살짝씩 변화를 주며 파라미터, 레이어가 어떤 역할을 하는지 알아봤습니다. Fashion MNIST Dataset를 활용해 Convolution으로 Accuracy 높이기 먼저 Convolution이 없는 DNN(Deep Neural Network)로 accuracy를 확인해봅니다. import tensorflow as tf mnist = tf.keras.datasets.fashion_mnist (training_images, training_labels), (test_images, test_l.. 2021. 3. 28.

티스토리툴바