AIPilotSmarteasy 사용 사례 – AI 알고리즘 트레이딩으로 코인 거래하기 4

나 교수와 https://github.com/Xtra-Computing/CryptoTrade 소개를 읽으면서 메모 했습니다. 이 글은 ‘CryptoTrade: LLM을 기반으로 한 에이전트로, 제로샷 암호화폐 거래를 안내하다’라는 제목의 연구입니다. 주로 암호화폐 시장의 데이터 분석 및 거래 전략에 대한 내용을 다루고 있습니다. 목표: LLM(대형 언어 모델)을 기반으로 한 거래 에이전트 개발, 두 유형의 데이터 분석 결합 메커니즘: 온체인 데이터의 투명성과...

프롬프트 플레이그라운드: 나만의 AI 프롬프트 제작 및 실험 공간

AIPilotSmarteasy에서는 ‘생성‘과 ‘Doctor K‘ 코파일럿 에이전트를 사용해 프롬프트를 처리하고 응답을 생성합니다. 질의나 생성 지시가 단순하고 쉬운 경우에는 ‘생성’을, 복잡하고 여러운 경우 ‘생성’으로 원하는 결과가 잘 안나오는 경우에는 ‘Doctor K’를 사용합니다.  생성은 질의 응답이나 생성 지시에 대해  정확하고 맥락을 고려한 간결하며 직접적인 답변을 제공합니다....

프롬프트 엔지니어링 – 핵심 원칙과 기법

사람에게 지시할 때와 마찬가지로 생성형 AI에게 지시할 때도 다음과 같은 원칙이 중요합니다. 원칙 명확성, 구체성 어떤 결과를 얻기 원하는지 그립니다. 글로 작성합니다. 처음에는 두리뭉실하게 시작하지만, 점차적으로 명확하고 구체적으로 작성해갑니다. 구체적이고 설명적인 언어를 사용합니다. 예) “더 간결하게 작성해줘”로 시작해서, “전문용어를 줄이고 쉬운 단어로 바꿔줘”로 예) “고령화 문제에 대해 써라” 로 시작해서,...

프롬프트 시대 – 프롬프트 엔지니어링: AI 기술의 핵심 역량

생성형 AI는 더 이상 단순한 텍스트 생성 도구가 아닙니다. 이미지, 오디오 등 다양한 형태의 입력을 받아들여 놀라운 결과물을 만들어내는 강력한 도구로 진화하고 있습니다. 하지만 그 핵심은“무엇을 생성할지 지시하는 것”이라는 사실을 잊어서는 안 됩니다. 이러한 지시, 즉 생성형 AI에게 전달하는 지시를 프롬프트라고 합니다.   프롬프트는 왜 만들까? 프롬프트를  만드는 사람이 자신이...

AIPilotSmarteasy 사용 사례 – AI 알고리즘 트레이딩으로 코인 거래하기 3

나 교수와 A Reflective LLM-based Agent to Guide Zero-shot Cryptocurrency Trading 논문을 읽었습니다. AI가 암호화폐 투자의 미래를 바꿀까요? Reflective LLM 에이전트 CryptoTrade 소개 암호화폐 시장은 그 높은 변동성과 예측 불가능성으로 유명합니다. 단순한 기술적 분석이나 과거 데이터에만 의존하는 기존의 투자 전략은 이러한 변동성에 쉽게 휘둘릴 수밖에 없습니다. 하지만 최근 인공지능(AI) 기술의 발전은...

LLM 트윈 프로젝트 – 두 번째 세미나 – 2장 2/2

이 글은 2장 두 개의 글 중 두 번째 글로, 책 전반에 걸쳐 사용될 MLOps 및 LLMOps 도구들을 간략하게 소개합니다. 자세한 설명은 11장에서 다루며, 여기에서는 각 도구의 용도와 핵심 기능을 중심으로 설명합니다. 각 도구의 설치 및 설정 방법은 자세히 다루지 않고, Docker를 사용하여 로컬 환경에서 전체 인프라를 빠르게 실행하는 방법을...

LLM 트윈 프로젝트 – 두 번째 세미나 – 2장 1/2

2장에서는 LLM Twin 프로젝트 구현 및 배포에 사용될 필수 도구들을 소개합니다. 이 글은 2장 두 개의 글 중 첫 번째 글로 파이썬과 관련된 도구들에 대해 이야기합니다.   파이썬 인터프리터: 책의 모든 코드는 Python 3.11.8에서 테스트되었습니다. https://www.python.org/downloads/에서 다운로드할 수 있지만, 여러 버전의 Python을 관리하기 위해 pyenv 사용을 권장합니다. pyenv를 이용한 Pyt...

AIPilotSmarteasy 사용 사례 – LLM(대규모 언어 모델)을 특정 전문 분야나 특정 기업/기관 전용으로 추가 학습(fine-tuning)한 경우, 문서 처리 능력이 기본 엔진이 된 LLM에 비해 하락할 수 있는 근본 원인

AIPilotSmarteasy 파일럿 기능인 GptResearcher에게 다음과 같은 연구 주제를 주었습니다. “LLM(대규모 언어 모델)을 특정 전문 분야나 특정 기업/기관 전용으로 추가 학습(fine-tuning)한 경우, 문서 처리 능력이 기본 엔진이 된 LLM에 비해 하락할 수 있는 근본 원인” Informative 톤으로 APA 형식으로 조사 단계 3-5단계, 1000단어 분량으로 보고서 작성해 달라고 요청했습니다. GptResearcher의 중간 단계...