강의 자료 좀 올려 주세요.

안녕하세요~. 반갑습니다.먼저 답변이 늦어서 죄송합니다. [섹션 2. 강의 슬라이드 다운로드]- [강의 슬라이드 다운로드] 챕터에서 강의 슬라이드 pdf 파일을 다운로드 받으실 수 있도록 업로드하였습니다.다만 Part5 강의 같은 경우 대부분의 강의가 colab 실습을 진행되어서 강의 슬라이드 장수가 많지 않다는 점 참고 부탁드립니다. 좋은 하루되세요.감사합니다.

파이썬 라이브러리 관련 질문입니다.

안녕하세요~. 반갑습니다. 파이썬 초보자의 경우 말씀해주신대로 ChatGPT에게 물어보는 것이 가장 좋을 것 같습니다.원론적으로는 장기적인 관점에서는 Python 문법과 Python에서 자주쓰는 라이브러리 사용법(예를 들어, 판다스 라이브러리) 등도 같이 학습하면 좋긴하겠지만 해당 부분을 학습하려면 그만큼 추가적인 시간과 노력을 투입해야하기 때문에 특정 업무자동화만을 빠르게 수행하는게 목적이라면 최대한 ChatGPT에게 물어봐서 해결하는 것이 좋을 것 같습니다. 좋은 하루되세요.감사합니다.

강의 영상 오류

안녕하세요~. 반갑습니다.먼저 수강에 불편을 드려서 죄송합니다. 확인해보니 말씀해주신대로 섹션4의 'AI Transformation에 필요한 단계별 과정' 부분에 영상이 잘못 업로드되어 있었네요. 현재는 섹션4의 'AI Transformation에 필요한 단계별 과정' 영상을 제대로 수정하였으니 참고 부탁드립니다. 좋은 하루되세요.감사합니다.

Tool Calling 질문

안녕하세요~. 반갑습니다.필요한 tool들을 연동하면 LLM에게 해당 tool들의 이름과 description 등이 function 형태로 넘어갑니다.LLM이 프롬프트를 분석해서 연동된 사용가능한 tool 리스트 중에서 현재 요청된 프롬프트에서 특정 tool 호출이 필요하다고 판단되면 해당 tool을 호출합니다.즉 LLM에게 사용가능한 tool들의 이름과 description 등을 전달하면 LLM이 필요한 경우 해당 tool을 사용할수 있다는 사실을 인지하고 있다가 해당 tool 사용이 필요하다고 판단되면 해당 tool을 호출하는 구조입니다.따라서 당연히 LLM이 항상 100% 정확도를 보여주는 것은 아니기 때문에 경우에 따라서는 tool 호출이 필요한 상황인데 tool 호출을 하지않거나 tool 호출이 필요하지 않은 상황인데 tool 호출을 할 수도 있습니다. 좀 더 구체적으로 tavil tool 같은 경우 아래와 같은 description으로 LLM에게 정보가 넘어가게 됩니다. (사진)좋은 하루되세요.감사합니다.

with_structured_output 함수

안녕하세요~. 반갑습니다.먼저 강의를 잘 듣고 계시다니 기쁘네요^^.LangChain으로 Llama 3를 활용할 경우 OpenAI API처럼 Structured output 기능은 지원하지 않지만 해당 기능과 유사하게 활용할 수 있는 JSON mode라는 기능을 지원하고 있습니다. ( https://python.langchain.com/docs/integrations/chat/ollama/ 를 참조하세요.)JSON mode 기능을 이용하면 Structured output과 유사하게 Llama 모델을 이용해서 정형화된 output을 출력할 수 있습니다.JSON mode를 이용해서 정형화된 output을 출력하는 방법 같은 경우 아래 예제를 참고하시거나https://langchain-ai.github.io/langgraph/tutorials/rag/langgraph_adaptive_rag_local/혹시 [모두를 위한 대규모 언어 모델 LLM Part 5 - LangGraph로 나만의 AI 에이전트 만들기] 강의도 수강하신다면 해당 강의의 [Llama 모델을 이용해서 Adaptive RAG 시스템 만들기] 강의 영상을 참조하세요.좋은 하루되세요.감사합니다.