AI

Go 생태계는 지속적으로 번성하고 있으며, 이번 달 트렌딩 목록은 AI 에이전트 인프라 중심으로 구성되어 있습니다. 이 개요는 이번 달 GitHub의 주요 트렌딩 Go 저장소들을 분석합니다.

AI 생성 콘텐츠의 확산은 새로운 도전을 만들었습니다: 진짜 인간의 글과 “AI slop” - 질이 낮고, 대량 생산된 합성 텍스트를 구분하는 것.

Jupyter Notebook 생산성을 극대화하기 위해 필수적인 단축키, 마직기 명령어 및 워크플로우 팁을 활용해 보세요. 이는 데이터 과학 및 개발 경험을 획기적으로 개선할 것입니다.

Ollama의 Python 라이브러리에 이제 네이티브 Ollama 웹 검색 기능이 추가되었습니다. 몇 줄의 코드만으로 웹의 실시간 정보를 활용하여 로컬 LLM을 강화할 수 있으며, 이는 환각(hallucination)을 줄이고 정확도를 높이는 데 도움이 됩니다.

Ollama의 웹 검색 API는 실시간 웹 정보를 활용하여 로컬 LLM을 보완할 수 있습니다. 이 가이드에서는 단순한 API 호출부터 전체 기능을 갖춘 검색 에이전트까지, Go에서 웹 검색 기능을 구현하는 방법을 보여드립니다.

Linux는 데이터 과학 전문가들이 사용하는 de facto 운영 체제가 되었으며, 비할 바 없이 유연한 성능, 풍부한 도구 생태계를 제공합니다.

블랙 포레스트 랩스는 텍스트 지시문을 사용하여 기존 이미지를 향상시키는 고급 이미지에서 이미지로 생성하는 AI 모델인 FLUX.1-Kontext-dev를 출시했습니다.

The Pragmatic Engineer 뉴스레터가 며칠 전에 발표한 설문 조사 통계에 따르면, 2025년 중반의 프로그래밍 언어, IDE, AI 도구의 인기 및 기타 데이터가 포함되어 있습니다.

Nvidia 가 곧 NVIDIA DGX Spark를 출시합니다. 128GB 이상의 통합 RAM 과 1 PFLOPS AI 성능을 갖춘 블랙웰 (Blackwell) 아키텍처 기반의 소형 AI 슈퍼컴퓨터입니다. LLM 을 실행하기에 훌륭한 기기입니다.

여기에는 **Model Context Protocol (MCP)**에 대한 설명과 Go로 작성된 MCP 서버를 구현하는 방법에 대한 간단한 노트, 메시지 구조 및 프로토콜 명세가 포함되어 있습니다.

한 여름의 추운 날, 호주에서는 여름이 아니라 겨울이죠…
AI 모델을 훈련하여 비캡된 콘크리트 강화 철근을 감지하는 것이 급한 필요성을 느꼈습니다…

저는 MMDetection (mmengine, mdet, mmcv)를 꽤 많이 사용해왔고,
이제는 그게 게임에서 벗어났다는 것 같네요.
유감스럽습니다. 저는 그 모델 저장소를 좋아했습니다.

최근 Black Forest Labs는 텍스트에서 이미지로 생성하는 AI 모델을 출시했습니다. 이 모델들은 매우 높은 출력 품질을 자랑한다고 알려져 있습니다. 시작해 보세요

아직도 LLM이 당신이 원하는 것을 이해하려고 애를 쓰지 않도록 하기 위해 효과적인 프롬프트를 작성하는 데 사용되는 일반적인 접근 방법이 몇 가지 있습니다.

언제 제가 object detector AI 훈련 했을 때, LabelImg는 매우 유용한 도구였지만, Label Studio에서 COCO 형식으로 내보내는 것이 MMDetection 프레임워크에 의해 수용되지 않았습니다.

여기에서 저는 여러 LLM 버전을 비교하고 있습니다: Llama3 (Meta), Phi3 (Microsoft), Gemma (Google), Mistral Nemo(Mistral AI), Qwen(Alibaba).