최근에 MS AI School 타운홀 미팅이 있었다.이번 미팅에는 AI 900 자격증 시험이 치뤄졌기에, 며칠 공부를 하고 시험을 봤다.사실, 내가 찾아본 정보에 의하면 시험이 난이도가 엄청 어려운 편은 아니고, 지금까지 수업을 열심히 들었다면 통과할 수 있는 시험이어서 딱히 긴장이 되진 않았다. https://learn.microsoft.com/ko-kr/credentials/certifications/azure-ai-fundamentals/?practice-assessment-type=certification Microsoft Certified: Azure AI 기본 사항 - CertificationsAI 솔루션을 만들기 위한 Microsoft Azure의 소프트웨어 및 서비스 개발과 관련된 기본 A..

프로젝트를 진행 하는 중에도 수 많은 오류들을 해결하면서 진행이 되었지만, 발표 전날 나를 책상에서 15시간 동안 일어나지 못하게 했던 여러 오류들을 모아보았다. 이 날 모든걸 다 해결하고 책상에서 일어나려는 순간, 허리에 극심한 통증을 느끼며 그대로 저녁도 못 먹고 침대에 누웠다...(왜 사람들이 비싸도 좋은 의자를 쓰라고 하는지 알겠음.) 먼저 배포를 어떤식으로 했는지 간략히 설명을 하자면, 모든 작업물을 Github의 팀 Repository에 push 해놓고, Azure VM을 활용하여 구축한 가상환경에서 그대로 pull로 당겨오는 것이었다.프로젝트 실행은 로컬과 마찬가지로 FastAPI의 uvicorn서버로 실행을 해주었다.1. CORS Error 첫 번째 오류는 개발 단계에서 로컬 환경으로 테스..

우리의 서비스는 기본적으로 사용자에 대한 정보가 저장이 되어야 했기에, 데이터 베이스를 구축하는 작업이 필요했다.먼저 사용할 프레임워크에 대해 고민을 하였는데, 비동기 처리에 적합한 FastAPI, 그리고 이와 잘 호환이 되기도 하고, 내가 기존에 사용해본 경험이 있는 Oracle SQL 과 비슷한 MySQL을 사용하기로 했다. 그 후 나는 팀원들과 의논하여 DB에 저장되어야 할 데이터들에 대한 정의를 먼저 해주었다. 시작하기에 앞서, 대부분의 코드 작업들은 AI 에이전트의 도움을 받아 진행되었다는 점을 밝힌다.요즘은 코딩을 할때 Gemini CLI의 도움을 많이 받는데, 거의 무료나 다름 없는 이 녀석이 상당히 성능이 좋다.DataBase 설계 & 구축 먼저, 사용자의 정보가 담긴 테이블은 필요로 했고..

요즘 한창 팀 프로젝트를 하느라 정신 없는 하루 하루를 보내고 있다.기존에 같이 프로젝트를 진행해보고 싶었던 분이 계셨는데, 감사하게도 그 분께서 먼저 팀 프로젝트를 같이 하지 않겠느냐고 연락을 주셔서 그렇게 팀을 꾸리게 되었다. 이번 프로젝트의 주제는 기나긴 주제 회의 끝에 헬스 케어 분야로 최종 선정이 되었다.조금 더 주제에 대해 자세히 설명하자면, 헬스나 식단 등을 하려고 하는 사람들이 요즘 꽤나 많이 있을텐데, 처음 입문한 사람이거나, 경험이 많은 사람들도 자신에게 맞춤형 운동 루틴, 식단 등을 케어 해주는 PT 비서 같은 서비스가 있으면 좋을 것 같다는 생각에 주제를 선정하게 되었다. 그리하여 정해진 우리의 서비스 이름은 "Chat GymPT". 나의 운동 루틴, 운동 방법, 식단 등 자신의 ..

ChatGPT나 Gemini, Perplexity 등의 챗봇을 사용하다 보면, 가끔 있지도 않은 사실을 진짜인 것 처럼 대답을 하거나, 특정 분야에 대한 지식을 보유하고 있는 모델이 있었으면 하는 생각이 들곤 할 것이다.이러한 LLM모델을 내가 직접 개발하기엔 어렵지만, 나에게 딱 맞춘 모델로 튜닝하는 것은 가능하다.오늘은 Azure OpenAI로 여러가지 데이터를 활용하여 RAG를 적용시킨 챗봇을 개발하는 과정을 담아보았다.RAG(검색 증강 생성)RAG는 Retrieval-Augmented Generation의 약자로, 기존의 대규모 언어 모델(LLM)을 확장하여, 주어진 컨텍스트나 질문에 대해 더욱 정확하고 풍부한 정보를 제공하는 방법이다. 모델이 학습 데이터에 포함되지 않은 외부 데이터를 실시간으로..

API 구현까지 완료한 후 다음 과정으로는 다른 팀원분이 각자의 코드(모델, 백엔드, 프론트 등)들을 git으로 merge한 후 수정과 추가 작업을 진행하였다.추가 작업을 하며 중간 중간 코드 리뷰를 하고, 각 팀원들의 피드백 등을 반영하는 식으로 작업을 진행하였다.이때가 프로젝트 마지막 날이어서, 조금 빠듯하게 하느라 다들 정신없이 했던 것 같다.(물론 나도...) 코드 병합을 진행하신 팀원분께서 개발 경력이 있으신 분이라, Git사용법 부터 API 관련해서 많은 것을 알려주셨다.내가 구현했던 Two-Tower 모델과 다른 팀원이 구현한 GRU 모델을 따로 구분하여, 모델별 추천 성능도 비교할 수 있게 해주셨다. 프론트는 일주일 이라는 제한된 시간이었기에 많은 공을 들여 구현을 하진 못했다.주제의 중심..