윈도우 11에는 생산성을 높이는 기능과 단축키가 많지만 대다수는 눈에 띄는 곳에 드러나 있지 않다. 따라서 고급 윈도우 사용자라면 윈도우 11을 더 깊이 이해하고 생산성 극대화에 필수적인 맞춤형 사용자 경험을 직접 만들어 가야 하는 고난도 과제를 안고 있다. 마이크로소프트가 AI에 전념하는 상황에서 빠르게 도입되는 윈도우 11 내 AI 기능을 익히고, 기본적인 윈도우 보안 기능을 통해 개인 정보를 보호하고 디지털 보안 기준을 높일 수도 있다. 그 자체로 거대한 생산성 도구인 윈도우 11의 다양한 설정 옵션을 확인하고 개인의 요구에 맞는 환경을 만들어 보자. 주요 내용 - 나에게 꼭 맞는 사용 환경 만드는 윈도우 11 필수 설정 20가지 - "이것만 기억해도 생산성 100% 향상" 윈도우 11의 주요 키보드 단축키 - "먼 미래 아니다" 지금 사용할 수 있는 윈도우 11의 AI 기능 10가지 - 곧 사라지는 워드패드, 윈도우 11에서도 계속 쓸 수 있는 '임시변통' 방법 - 한층 강화된 윈도우 11 기본 보안, 개인 사용자에게 충분한 이유 - "MS 계정 없이" 로컬 계정으로 윈도우 11을 설정하는 방법
현재 생성형 AI 기술 생태계에 가장 큰 영향력을 가진 기업은 단연 마이크로소프트다. 그리고 마이크로소프트의 AI 역량을 집대성한 것이 바로 생성형 AI 애플리케이션 개발 플랫폼 '애저 AI 스튜디오(Azure AI Studio)'다. 애저 AI 스튜디오를 이용하면 생성형 AI 모델을 선택하고, 벡터 임베딩과 검색 등을 사용해 RAG로 모델의 근거를 보강하고 모델을 미세 조정해 AI 기반의 코파일럿 또는 에이전트를 만들 수 있다. AI 앱 개발에 필요한 모든 툴을 제공해 AI 세계에 들어가는 거의 완벽한 출발점이자, 지금 이 순간에도 계속 발전하는 플랫폼이라는 점에서 주목할 만하다. 주요 내용 - 모델 카탈로그, 수십 가지 모델 선택 가능 - 모델 벤치마크, 가장 크기 비싼 게 성능도 우위 - 서비스형 모델 vs. 플랫폼형 모델 - 애저 AI 스튜디오 필터링 기준 - 모델을 맞춤 구성하는 방법 - 애저 AI 스튜디오 툴과 구성요소 - 애저 AI 스튜디오 빠른 시작 및 자습서 - 더 간편한 AI 개발
애플이 애플 워치 이후 9년 만에 새로운 카테고리의 제품 '비전 프로(Vision Pro)'를 내놓았다. '공간 컴퓨팅(spatial computing)'을 캐치프레이즈로 내세워 판매를 시작한 이 기기의 가격은 3,500달러(약 460만 원). 하지만 사전 예약만 18만 명이 몰렸고, 우리 돈 약 1조 원의 매출을 올렸다. '공간 컴퓨팅' 용어도 전 세계적인 주목을 받고 있다. 그렇다면 공간 컴퓨팅이란 무엇일까? PC의 시대를 거쳐 스마트폰 시대를 살고 있는 우리에게 공간 컴퓨팅은 어떤 의미가 있는 것일까? 여기서는 공간 컴퓨팅의 정의와 기존 컴퓨팅과의 차이점을 알아본다. 공간 컴퓨팅을 구현하는 데 필요한 주요 기술을 살펴보고, 관련 시장의 현주소를 분석한다. 메타와 애플, 두 공간 컴퓨팅 선두 주자의 기술과 시장 전략을 비교하고 최신 공간 컴퓨팅 활용 사례를 자세히 들여다본다. 마지막으로, 디지털 세상과 현실 세계가 더 가까워지는 측면에서 공간 컴퓨팅의 의미와 미래를 전망해 본다. 주요 내용 - "애플 마케팅 부서 전체보다 더 큰 일을 했다" - 공간 컴퓨팅 핵심은 현실 세계와의 상호작용 - 공간 컴퓨팅을 완성하는 핵심 기술 - 공간 컴퓨팅 하드웨어의 주류는 AR/MR - '메타 vs. 애플' 지향점이 다른 공간 컴퓨팅 전략 - 의료, 쇼핑 등 흥미로운 공간 컴퓨팅 사례들 - 포스트 모바일 컴퓨팅 시대의 시작 - "재밌는 상황이 계속 일어날 것 같다"
챗GPT, 바드 같은 대규모 언어 모델 기반의 AI 챗봇 서비스가 인기를 끌면서 AI 시스템의 핵심 요소인 머신러닝도 집중 조명을 받고 있다. 대규모 언어 모델(Large Language Model)은 개발자 사이에서도 빠르게 필수적 코딩 보조 도구로 자리잡았고, 이미지 생성부터 질병 탐지에 이르기까지 다양한 사용례가 나타났다. 여기에 더해 많은 IT 기업이 머신러닝에 적극 투자 중인 만큼, 개발자라면 모델을 학습시키고 사용하는 방법을 반드시 알아 둬야 할 것이다. 자바를 활용하고 싶은 머신러닝 입문자를 위해 지능형 애플리케이션을 개발할 때 가장 일반적인 접근 방법인 지도(supervised) 머신러닝을 중심으로, 머신러닝의 작동 방식과 원리를 알아본다. 그 다음 머신러닝 알고리즘을 구현하고 학습시킬 수 있는 간단한 예제를 살펴본다. 주요 내용 - 머신러닝 학습 원리 - 지도 머신러닝 프로젝트 - 머신러닝 모델 학습시키기 - 선형 회귀 - 과대적합과 교차 검증 - 머신러닝 데이터 파이프라인 - 자바 코드로 된 머신러닝 알고리즘 - 웨카를 사용한 자바 기반 머신러닝 - 프로덕션의 머신러닝 모델 - 머신러닝 데이터 파이프라인의 CI/CD - 머신러닝 데이터 파이프라인의 REST 및 도커
LLM(Large Language Model)을 사용하는 방법은 의외로 간단하다. 효과적인 프롬프트만 있으면 된다. 반면 언어 모델을 기반으로 한 애플리케이션 개발은 어려울 수 있다. 오픈AI 같은 업체에서 제공하는 API를 사용하든, 오픈소스 모델을 앱에 임베딩하든 프롬프트 작성 이상의 작업을 수반한다. 매개변수 조정부터 응답 조정에 이르기까지 개발자가 고려해야 할 요소는 많으며, 여러 가지 LLM을 다뤄야 할 경우 복잡성은 배가 된다. 이때 사용하면 좋은 도구가 바로 랭체인(LangChain)이다. 랭체인은 언어 모델 기반 애플리케이션 개발을 간소화하는 파이썬 및 자바스크립트용 모듈식 프레임워크다. 여기서는 랭체인의 작동 방식과 설치 및 사용법을 알아보고, 랭스미스를 활용해 랭체인으로 개발한 LLM 앱과 에이전트를 추적 및 평가하는 방법을 정리한다. 주요 내용 - “LLM 개발을 더 간편하게” 랭체인의 개념과 이해 - “다양한 모델을 체인으로 연결한다” 예제로 시작하는 랭체인 - 구글 PaLM 2 API와 랭체인을 함께 사용하는 방법 - 랭체인과 구글 PaLM 2를 사용한 Q&A 앱 만들기 - LLM용 추적 및 디버깅 도구 ‘랭스미스’ 따라잡기
매일매일 업데이트되는 뉴스레터 받아보기
테크라이브러리 광고 및 콘텐츠 제휴 문의
AIㆍML / 애플리케이션
RPA는 지난 10년 동안 효율과 생산성 개선 도구로 널리 활용돼 유의미한 성과를 거뒀다. 자연히 시장에서는 AI, 프로세스 마이닝 등 다른 혁신 기술과 결합해 RPA의 대상 업무를 더욱 확대하고, 전사적인 미래 전략에까지 적용하고 싶다는 요구가 거세...
UiPath 2020.10.22
회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512 등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일
발행인 : 박형미 편집인 : 박재곤 청소년보호책임자 : 한정규 사업자 등록번호 : 214-87-22467 Tel : 02-558-6950
Copyright © 2024 International Data Group. All rights reserved.