라벨이 Prompt인 게시물 표시

[SK네트웍스 패밀리 엔코어AI캠퍼스] AI 머신러닝 캠프 1기_7월 4주차 회고

[SK네트웍스 패밀리 엔코어AI캠퍼스] AI 머신러닝 캠프 1기_7월 4주차 회고 엔코아 AI 캠퍼스에서 첫 주는 Orientation과 하루 일정의 교육이 이루어 지다 보니, 이번 주가 본격적인 첫 주라고 봐야 할 것 같다. 정말 시간이 눈 깜짝할 사이에 지났다. 이번 주는 AI 개발자의 가장 기본이 되는 Python Programming 능력을 다지고, 실제 데이터 분석 의 핵심인 데이터 수집과 전처리 기술을 습득하는 매우 중요한 시간이었다. Python의 핵심 문법부터 라이브러리를 활용한 실무 기술까지, 적지 않은 양을 학습했고, 학습한 것들을 정리해 본다. 1. Python Programming 문법 가장 먼저 프로그래밍의 기초가 되는 변수와 제어문을 시작으로 코드의 재사용성을 높여주는 함수와 복잡한 데이터를 효율적으로 다루기 위한 자료구조를 학습했다. (1) Python 핵심 문법 정리 - 제어문 : if, for, while 등 조건에 따른 흐름 제어 및 반복 작업 수행 - 자료구조 : 리스트(List), 튜플(Tuple), 딕셔너리(Dictionary), 세트(Set) 등 데이터 특성에 맞는 저장 및 관리 - 함수(Function) : 코드의 논리적 단위 분리, 매개변수와 반환 값을 활용한 코드 재사용성 극대화 # 자료구조와 함수 활용 예시 def process_data(data_list): result = {} for item in data_list: if item not in result: result[item] = 1 else: result[item] += 1 return result data = ['apple', 'banana', 'apple', 'orange', 'banana'] count_result = process_data(data) print(count_re...

Day001 - AI 리터러시(AI Literacy)와 사용 전략

이미지
Day001 - AI 리터러시(AI Literacy)와 사용 전략 우리는 매일 새로운 AI 도구 와 LLM(거대 언어 모델, Large Language Model) 이 쏟아져 나오는 시대를 살아가고 있다. 이제 AI는 단순한 유행이나 검색 도구를 넘어, 업무와 학습 환경에서 우리와 함께 달리는 '가장 똑똑한 파트너' 로 자리 잡았다. 하지만, 뛰어난 도구가 도처에 깔려 있음에도, 이를 제대로 활용하는 사람과 그렇지 못한 사람의 격차는 점점 더 벌어지고 있다. 그 차이를 만드는 핵심 역량이 바로 AI 리터러시(AI Literacy) 이다. AI를 단순한 답안지로 쓰는 것을 넘어, 깊이 있게 이해 하고 검증 하며, 협업 하는 구체적인 방법에 대해 알아보자. 1. AI 리터러시(AI Literacy)란? '리터러시(Literacy)'는 글을 읽고 쓸 줄 아는 능력을 뜻한다. 이를 AI에 대입한 'AI 리터러시'는 단순히 챗봇(ChatBot)에 질문을 던지는 수준을 넘어, AI의 작동 원리를 이해하고, 알맞는 질문(프롬프트)을 하며, 그 답변을 비판적으로 검증하고, 책임감 있게 활용하는 전반적인 능력 을 의미 한다. (1) 동기와 문제의식 AI에게 한 번만 질문 하면 완벽해 보이는 답을 얻을 수 있다. 내용을 복사와 붙여 넣기(Ctrl + S, Ctrl + V) 몇 번이면 과제나 보고서가 완성된다. 하지만, 편해진 만큼 AI가 내놓은 답변의 내용을 정작 사용자는 이해하지 못하는 경우가 많다. 이렇듯 많은 사람들이 AI에게 의존하다 보니, 정작 스스로 문제를 해결하는 능력이 감소 하게 되었다. (2) 협업의 관점 AI는 지시하는 대로 기계적으로 답을 뱉는 도구는 아니다. 내게 부족한 부분을 보완해 주고, 함께 아이디어를 Build-up 하는 상호작용 파트너로 대할 때 비로소 시너지(Synergy)가 발생한다. AI Literacy 2. 생성형 AI(Generative AI)와 에이전트(Agent) 용어 AI 기술은 텍스트를 단...

오리엔테이션(Orientation) - AI 활용해 샘플 이미지와 유사한 이미지 생성하기

이미지
오리엔테이션(Orientation) - AI 활용해 샘플 이미지와 유사한 이미지 생성하기 오늘 오리엔테이션에 참석한 자리에서 마지막 프로그램으로 가벼운 과제를 풀고 참가자들과 즐거운 팀프로젝트 를 했다. 문제 이미지를 제시 받고, AI를 활용해 문제 이미지와 가장 흡사한 이미지를 생성해 내는 팀에게 상품을 제공하는 프로그램이었다. 3인 1팀으로 Google Gemini 를 활용했고, 몇 번의 시도 후에 최종 결과물을 얻을 수 있었다. 상품을 받지는 못해 아쉽지만, 이런 과정을 통해 팀원들과의 협업 을 하며, 앞으로 팀 프로젝트에서 필요한 점 에 대해서도 생각해 보는 기회가 되었다. Gemini 프롬프트 작성 전략은 생성에 필요한 핵심 항목을 정하고, 항목별 특징을 구체적이지만, 간결하되, 최대한 마크다운(Mark Down) 형식으로 작성했다. 1. 문제 이미지 문제 이미지 2. Gemini를 활용한 이미지 생성 (1) 첫번째 시도 Gemini 활용 생성 이미지 - 1 프롬프트(Prompt) 1. 시간 : 늦은 밤 2. 장소 : 개인 서재    (1) 오른쪽에 원색의 책 10권이 꽂힌 2단 책장    (2) 책장 왼쪽에 격자 창문, 창문 밖으로 불켜진 견물 몇개와 초승달    (3) 화면 중앙에 책상에 앉아 상체만 보이는 헤드폰을 낀 사람 (보라색 착용)    (4) 책상 오른쪽에 작은 화분, 캔음료가 있고, 왼쪽에 흰색 머그컵 (커피), 흰색 메모지    (5) 왼쪽 벽면에 흰색 배경의 GraphRAG 관련 단순 다이어그램 화면, 2개의 검은색 배경의 모니터 화면(프로그래밍 코드 화면, 원색의 막대그래프와 작은 원그래프 화면) 3. 형식 : 벡터 일러스트 (2) 두번째 시도 Gemini 활용 생성 이미지 - 2 프롬프트(Prompt) 1. 시간 : 늦은 밤 2. 장소 : 개인 서재    (1) 오른쪽에 원색의 책 10권이 꽂힌 2단...