
[Langchain] AWS Bedrock과 Langchain 활용한 LLM 어플리케이션 개발RAG 및 Agent를 활용하여 솔루션 엔지니어링에 도입하기에 앞서 AWS Bedrock과 Langchain을 활용하여 LLM(Large Language Model) 어플리케이션을 개발하는 방법에 대해 단계별로 알아보려고 합니다. 우선 개념에 대한 내용을 정리한 후 솔루션 엔지니어링 가이드 및 헬프센터 내용을 RAG를 통해 이해하고 답변을 하는 어플리케이션 개발을 진행할 예정이며, 이번 아티클에서는 LLM 개발을 처음 시작할 때 필요한 기초개념 및 기본 설계에 대한 내용을 다룹니다.Langchain에 대한 이해Langchain은 LLM 어플리케이션 개발을 위한 프레임워크로 다양한 컴포넌트들을 제공하여 LLM 기..

빅쿼리 클라이언트 연동 구현 빅쿼리 라이브러리를 초기화할 경우 앞서 생성 및 다운로드한 서비스 계정(Service Account)가 필요합니다. 저는 로컬 개발환경에서 필요시에만 서비스 계정을 사용하기 위해 '명시적'으로 json 파일을 임포트하도록 구현하는 방식을 사용합니다. 1. 프로젝트에 서비스 계정 파일 복사하기 service_account_for_bq_tutorial.json 파일을 테스트 중인 biquery_tutorial 프로젝트에 추가합니다. json파일은 다운로드 후 개발 시 인지할 수 있는 이름으로 변경하였습니다. 2. BigQuery 클라이언트 선언하기 service_account_file 경로 및 파일명을 선언하고 bigquery.Client.from_srvice_account_js..
- Total
- Today
- Yesterday
- google sheet api
- Python
- bigquery
- 마테크
- 구글시트API
- 업무자동화
- 오블완
- googleanalytics
- 파이썬
- GTM
- GA4 강의
- 구글클라우드
- IOS
- 데이터분석
- google sheet
- Ga
- GCP
- AWS
- ChatGPT
- 구글애널리틱스4
- 구글태그매니저
- googletagmanager
- 구글애널리틱스
- Google Tag Manager
- Martech
- Google Analytics
- GA4
- 데이터전처리
- 빅쿼리
- GA API
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |