FastAPI 사용하기FastAPI는 Python으로 간단하게 API 서버를 구축할 수 있도록 도와주는 프레임워크로, Pydantic을 활용해 데이터 유효성 검사를 수행함. 이번 글에서는 FastAPI와 Pydantic을 이용한 간단한 CRUD API 서버를 구현하고, 각 기능과 Swagger를 이용한 문서화에 대해 설명함.코드 예제from typing import Optionalfrom fastapi import FastAPIfrom pydantic import BaseModelapp = FastAPI()# 데이터 저장소 역할을 하는 딕셔너리items = { 0: {"name": "bread", "price": 1000}, 1: {"name": "water", "price": 500}, ..

Today I Learned (2024-10-26)목차Today I Learned (2024-10-26)오늘 공부한 내용1. ADsP (문제풀기)2. LangChainChatPromptTemplateMessagePlaceHolder어려웠던 내용궁금한 내용과 부족한 내용느낀 점오늘 공부한 내용1. ADsP (문제풀기)기출문제 37, 38 ,39회 풀기변형 문제 1, 2, 3, 4회 풀기 2. LangChainChatPromptTemplate대화목록을 프롬프트로 주입하고자 할 때 활용메시지는 튜플(tuple) 형태로 구성하며, (role, message)로 구성하여 리스트로 생성system : 시스템 설정 메시지. 주로 전역설정과 관련된 프롬프트 (임무 부여), 대화 전체에 적용human : 사용자 입력 메..

LangChain - load_prompt 함수LangChain의 load_prompt 함수를 사용하여 다양한 파일 형식(YAML, JSON, .txt, .py)으로 프롬프트 템플릿을 불러오고, 이를 채팅 모델에서 사용하는 방법을 설명합니다. load_prompt는 지정된 파일 형식에 맞추어 템플릿을 동적으로 로드할 수 있는 기능을 제공함.1. YAML 파일 예시YAML 파일 형식으로 템플릿을 정의하고, load_prompt로 불러올 수 있음.파일명: template.yamltemplate: | {name}님, 오늘의 날씨는 {weather}입니다. 좋은 하루 보내세요!variables: - name - weatherPython 코드에서 사용하기:from langchain_core.prompts..

Today I Learned (2024-10-25)목차Today I Learned (2024-10-25)오늘 공부한 내용1. KDT (Postgresql)2. ADsP어려웠던 내용궁금한 내용과 부족한 내용느낀 점오늘 공부한 내용1. KDT (Postgresql)ORM(Sqlalchemy)Postgresql 설치파이썬 연동dbeaver 연동2. ADsP연습문제 풀기어려웠던 내용mac postgresql 설치궁금한 내용과 부족한 내용수업을 듣지는 못해서 실습을 따라하기만 했다.느낀 점다음주는 열심히 수업듣자. -->

Today I Learned (2024-10-24)목차Today I Learned (2024-10-24)오늘 공부한 내용1. KDT (AWS)AWS 아키텍처 설계해보기2. ADsP3. LangChainRunnable Parallel / LambdaPrompt Template어려웠던 내용궁금한 내용과 부족한 내용느낀 점오늘 공부한 내용1. KDT (AWS)AWS 아키텍처 설계해보기간단하게 AWS 아케틱처를 설계해봤습니다. 간단하게 설명하자면 ec2, streamlit, s3, lambda, rds 를 이용하였습니다.2. ADsP연습문제 풀기3. LangChainRunnable Parallel / LambdaRunnable Parallel이 인스턴스는 여러 Runnable 인스턴스를 병렬로 실행할 수 ..

Today I Learned (2024-07-12)목차Today I Learned (2024-07-12)오늘 공부한 내용1. KDT (AWS)VPC (Virtual Private Cloud)VPC 정의 및 개요VPC 주요 요소서브넷 (Subnet)게이트웨이 (Gateway)보안 그룹 (Security Group)NACL (Network Access Control List)Boto3 및 AWS 아키텍처Boto3 정의Boto3 주요 특징네트워크 포트 (Port)AWS 아키텍처 개요2. ADsP3. LangChainRunnable (데이터를 효과적으로 전달하는 방법)RunnablePassthroughRunnablePassthrough.assign()어려웠던 내용궁금한 내용과 부족한 내용느낀 점오늘 공부한 내용..

LLM에서 Zero-shot, One-shot, Few-shot 학습대규모 언어 모델(LLM, Large Language Model)에서 흔히 언급되는 학습 방식으로 Zero-shot, One-shot, Few-shot 학습이 있음. 이 방식들은 주어진 과제에서 모델이 얼마나 많은 예시를 보고 학습해야 하는지를 기준으로 나누어지며, 각각의 개념을 아래에서 자세히 설명함.1. Zero-shot 학습Zero-shot 학습은 모델이 특정 과제에 대해 아무런 예시를 제공받지 않은 상태에서 바로 문제를 해결하는 능력을 말함. 이는 LLM이 방대한 데이터로 사전 학습되었기 때문에 새로운 과제에 대해 일반화된 지식을 적용할 수 있다는 것을 의미함.예시: 모델에게 "한글로 번역해보세요: 'The sky is blue...

LangChain Output Parser에 대한 설명1. Output Parser란?Output Parser는 AI 모델로부터 나온 비정형 텍스트 응답을 받아서 구조화된 데이터로 변환하는 역할을 함. 예를 들어, 모델이 생성한 자연어 응답을 특정 JSON 형식, 리스트, 테이블 등으로 변환할 수 있음.2. StrOutputParser 사용 예시LangChain에서 StrOutputParser는 단순 문자열 형식의 출력을 처리하는 Parser임. 아래는 StrOutputParser를 사용하여 요리 레시피를 파싱하는 예시임:from langchain.prompts import PromptTemplatefrom langchain_core.output_parsers import StrOutputParser# ..