AI.ing

[카테고리:] 테크 뉴스

  • 수많은 수강생들에게 선택받은 업무 자동화 AI Make, 어디까지 가능할까? (ft.2024 패캠 어워즈 베스트강의)

    수많은 수강생들에게 선택받은 업무 자동화 AI Make, 어디까지 가능할까? (ft.2024 패캠 어워즈 베스트강의)

    AI.ing

    수많은 수강생들에게 선택받은 업무 자동화 Make, 어디까지 가능할까?(ft.2024 패캠 어워즈 베스트강의)

    #업무 자동화

    #ai 자동화

    #Make 사용법

    ✅ 수많은 수강생들에게
압도적으로 선택받은

    AI 업무 자동화 강의? 얼마나 대단하길래.. 

    (ft. 2024 패스트캠퍼스 어워즈 베스트강의 선정)

    단순 RPA 수준에 머물렀던 AI 자동화 No-Code 툴이 생성형 AI가 발전함에 따라 구현해볼 수 있는 자동화 시나리오 자유도가 많이 높아졌습니다. 다른 AI툴처럼 수십가지 툴 연동하거나 코딩이 쓰이지 않고도, 단 하나의 툴 클릭으로만 해결이 가능하거든요. 그래서 오늘은 바로 그 주인공 업무 자동화 make으로 어디까지 가능한지 무한 확장되는 Make 사용법에 대해 맛보기로 간단하게 소개해 드리고자 합니다.

     

     

    이 AI 자동화 make을 가장 활용도 있게, 자유도 높은 시나리오 구현으로 Make 사용법을 가장 쉽게 설명 해주시는 정호영 강사님입니다.

    2024 패스트캠퍼스 어워즈 월간 베스트강의 TOP에 선정될 정도로 수많은 수강생들에게 압도적으로 선택을 받았었는데요. 강사님께서 RAG 1타 끝판왕 테디노트님 유튜브 채널에 나와 다양한 사례를 보여주셨는데, AI 자동화 Make으로 어디까지 가능한지 한번 살펴보겠습니다.

    ✅ AI 업무 자동화 노코드 Tool: Make로 어디까지 가능할까?

    먼저, AI 자동화 make에 대해 생소하신 분들이 많을 것 같아 개념부터 짚고 넘어가겠습니다. 단순 반복 작업을 처리해 주는 rpa 툴이 아닌 상세 컨텍스트를 통한 개인화까지 가능한 업무 자동화 플랫폼입니다. 텍스트 인풋 뿐 아니라 영상, 오디오까지 가능한 멀티 모델이죠. 콘텐츠로는 아래와 같은 모든 것을 할 수 있죠

     

    ✅make 사례

    –  인풋 이미지를 학습한 이미지 모델 (Flux-Dev) 를 바탕으로 유튜브 제목, 썸네일 생성

    –  컨텍스트 > 이미지 프롬프트 생성 > 파인튜닝 이미지 모델 > 이미지 생성

    –  이미지 생성 후 Image2Video Replicate > Runaway API 활용 > 영상 생성

    –  다만 아직까지 영상 생성 Runaway API는 이용 비용이 높은 편

    –  비디오 프롬프트에 따라 영상 품질이 달라짐

     


    ✅업무 자동화 Automation Tool 비교

    최근 업무 자동화 Automation Tool 언급이 가장 많이 되는 애들은 Zapier, n8m, make입니다. Zapier에 비해 make은 1,500개 이상의 다양한 커스텀 모듈을 지원해 주죠. 무료로 활용하기 충분한 구성이고, 선형 시나리오의 경우 복잡하게 문제 정의도 걸 수도 있습니다. n8n의 경우 사용 난이도가 높은 편이지만 무료로 이용 가능하다는 장점을 가지고 있습니다.

    더군다나 AI 자동화 make은, 서버 네트워크 코딩 지식이 없어도 혼자 나름 간단한 개발을 할 수 있다는 점입니다. 예를 들어, 이메일을 받으면 아래 이미지의 동그라미 두 개가 알아서 연결돼서 바로 메일 자동화로 쏴주는 개념입니다. 슬랙에 댓글을 달면 이메일로 답글로 가는 것도 가능하죠.

    그럼 여기서 궁금한 점이 들 수 있습니다. 한 번 반응을 할 때마다 과금이 되는 방식이 아닌지? 할 수 있지만 과금은 거의 안된다고 보시면 될 것 같습니다. 기능들도 조합해서 쓸 수 있는 것뿐만 아니라 기능을 추가해서 쓰는 것도 가능한 게 make이거든요. 결국엔, make은 개발 비용이 적게 들고 빠르게 반업무 자동화를 구현하여 결과를 볼 수 있다는 것이 장점입니다.

     

     

    ✅ 업무 자동화 Make의 장점

    1. 프런트와 같은 지식이 필요한 부분을 make 로 대체 후 핵심 코드만 주피터 노트북을 활용 가능

    2. 챗GPT 연동 가능

    3. 프롬프트 입력 및 맥스 토큰 지정 가능

    4. 오픈 AI add 버튼을 통해 pdf 등의 파일 업로드 가능

    5. 만든 파이프라인 공유 또한 가능, 엑셀 문법과 비슷함 (함수, 서메이션 등)

    6. installed apps 들어가면 메이크에서 지원하지 않는 것을 따로 만들 수 있음

    하지만 Make 사용법에 관한 단점도 존재합니다. 대량의 데이터 핸들링에 적절하지 않고, mvp 수준의 개발까지만 가능하여 개인과 같은 소수 사용에는 너무 유리한 점이 있죠. 물론 자동화 시나리오에 모듈이 매우 많다면 유지 보수에 어려움이 있을 수 있습니다. 또한 시나리오 최대 운용 시간은 40분까지이죠.

     

     

    make의 과금 체계 중 오퍼레이션이라는 게 있습니다.

    위 이미지에 있는 동그라미 하나가 실행이 되면 1이 뜨게 됩니다.

    이 1이 오퍼레이션 소요가 하나씩 드는 것을 뜻하는데

    무료로는 천 개의 오퍼레이션 사용이 가능한 것이지요.

    ✅슬랙봇 이용 가능 (슬랙 채널 > 메시지 전송 > 쿼리 메시지 저장 > 웨이트메시지 > 로딩메시지)

    우리가 회사에서 늘 빠질 수 없는 기본 메신저, 슬랙 채널 연동도 가능합니다.

    슬랙 메시지를 전송하면 오픈 AI 어시스턴트 API를 사용하여 벡터 DB 조회를 통해 답변을 주는 업무 자동화 방식으로, 슬랙 채널에 메세지 전송 시 트리거 형태로 받아들여 쿼리 메시지에 저장되는 형태이죠. 그뿐만 아니라, sns콘텐츠(Instagram, Facebook, LinkedIn, 인스타 등), 보고서 등 내가 필요한 콘텐츠에도 자동화 업로드가 가능합니다. 무려 1,600여개가 넘는 서비스와 연동되는 업무 자동화 툴이니까요.

    이를 통해 단순히 효율성을 높이는 것을 넘어, 검색 이상으로 더 많은 업무를 맡기고 내 ‘진짜 업무’에만 집중할 수 있습니다. 이 강의에서는 직장인이라면 누구나 자주 사용하는 툴로 당장 업무에 적용할 수 있는 실전 AI 자동화 Make 사용법을 체계적으로 알려드립니다.

    앞으로도 계속 반복할 업무들, Make 하나만 배우고 평생 클릭 한 번으로 업무 자동화 끝내고 싶다면?

     

     

     

    <AI Make 하나로 끝내는 업무&비즈니스 자동화>

    ▶▶▶https://bit.ly/49dSlqb◀◀◀

    이런 글도
    있어요

    ‘쁨벙이의난’과 데이터 환각, 검색 증강 생성(RAG)

    GPU vs NPU 전격 비교!

    AI 발전의
    주역’ 딥러닝 발전의 10대 이정표

  • 반도체 공정 엔지니어 현실, 실제 업무 (파이썬, 데이터 분석 지옥)

    반도체 공정 엔지니어 현실, 실제 업무 (파이썬, 데이터 분석 지옥)

    AI.ing

    반도체 공정 엔지니어 현실, 실제 업무 (파이썬, 데이터 분석 지옥)

    #반도체 공정

    #파이썬

    #데이터 분석

    엔비디아, SK 하이닉스 등을 중심으로 반도체 기업이 글로벌 시장의 주름을 잡고 있는데요,

    아래 그래프를 보시다 보면 엄청난 속도로 빠르게 성장하고 있습니다.

     

    [ 글로벌 반도체 기업 기업가치 상승률 ]

     이런 성장을 보이는만큼 많은 공대생 분들도 삼성, SK하이닉스 등 반도체 기업에 취업을 희망하고 있습니다. 실제 인크루트의 ‘2023 대학생이 뽑은 가장 일하고 싶은 기업’을 설문 조사 바탕으로 삼성이 1위, SK하이닉스가 9위에 올랐다고 해요!

    출처: “삼성·카카오 가고싶어”…대학생이 ‘가장 일하고 싶은 기업’은 [그래픽뉴스], 이투데이, 2023-06-14

     

    요즘 반도체 시장이 꽃길만 놓인 듯한 분위기인데, 실제로 현장에서 일하는 공정 엔지니어들은 그 이면에서 많은 고생을 하고 있어요. 수율을 높이기 위한 노력은 다하고 있지만 이게 생각보다 쉽지 않거든요😢

     

    반도체 공정에서 수율은 항상 가장 큰 고민거리인데요! 공정 엔지니어들은 데이터 분석을 통해 공정 모니터링, 최적화, 예측 모델링 등을 활용해서 수율을 높이려고 애쓰고 있어요. 그런데 문제는 그 과정에서 마주치는 데이터의 양과 복잡성이 정말 어마어마하다는 거죠.

     

    많은 엔지니어가 반도체 공정 데이터 전처리, 분석, 시각화 과정이 마치 지옥 같다고 표현하는 이유도 바로 여기에 있어요. 방대한 반도체 공정 데이터 속에서 의미 있는 인사이트를 찾아내는 게 쉽지 않아서, 데이터 분석의 늪이라고 볼 수 있어요.

     

    현장에서는 아래처럼 다양한 데이터 분석이 거의 필수라고 해요.

     

    이런 많은 양의 데이터를 다루다 보니 엑셀로는 많은 한계점이 있어요. 그래서 실제로 우리가 알만한 제조 & 반도체 기업 대부분은 파이썬을 활용해 데이터 분석을 진행하고 있어요.

     

    파이썬의 경우, 대량의 데이터를 빠르게 처리 가능하고 다양한 라이브러리를 지원한다는 장점이 있는데요! 데이터 처리, 분석, 시각화를 위한 많은 기능을 제공하고 있기에 이를 활용해서 효율적이고 최적화된 반도체 공정 데이터 분석 업무를 진행할 수 있다고 합니다.

    아래는 파이썬으로 진행하는 대표적인 반도체 공정 데이터 분석 프로젝트만 정리해 봤어요:)

     

    ▶️ fab에서 매 순간 수많이 쌓이는 데이터를 구분하고, 시계열로 정리하여 그래프로 구현해요

     

    ▶️ 불량 유발 공정을 찾기 위해 파이썬으로 이상치 탐지 알고리즘을 적용해요.

     

    ▶️ 통계적 분산분석을 통해 반도체 공정을 위한 여러 설비가 모두 동일한 성능을 나타내는지 확인해요.

     

    ▶️ wafer에 나타난 defect map 이미지를 바탕으로 파이썬을 통해 유사한 defect map 유형을 구분해요.

    반도체 공정 데이터 분석은 이제 파이썬 없이는 불가능한 시대가 되었어요.
    데이터 분석의 지옥에서 벗어나기 위해, 수율을 높이기 위해서는 파이썬으로 공정 데이터 분석이 필수적이에요!


    반도체 기업의 보안이 워낙 심하다 보니 어떻게 데이터 분석 경험을 쌓아야 할지 또 어떤 데이터로 실습을 해봐야할지 고민이 될 텐데요, 이런 분들을 위해 현업 유사 반도체 공정 데이터로 실습 프로젝트를 진행하는 강의가 나왔어요!

     

     🔽 실무 데이터 분석 99.9%를 옮긴 반도체 공정 데이터 분석 강의🔽

     

    이런 글도
    있어요

    ‘쁨벙이의난’과 데이터 환각, 검색 증강 생성(RAG)

    GPU vs NPU 전격 비교!

    AI 발전의
    주역’ 딥러닝 발전의 10대 이정표

  • 프로덕트 디자이너의 구세주, Rive 파헤치기 l 애프터 이펙트와 기능, 가격, 장점 비교

    프로덕트 디자이너의 구세주, Rive 파헤치기 l 애프터 이펙트와 기능, 가격, 장점 비교

    AI.ing

    프로덕트 디자이너의 구세주, Rive 파헤치기 l 애프터 이펙트와 기능, 가격, 장점 비교

    #애프터 이펙트

    #Rive

    #모션그래픽

    | 이렇게 좋은 툴이 있었다고?

     

    현업 프로덕트 디자이너 분들! 다들 After Effect나 Lottie로 웹/앱 환경에서 모션그래픽 제작할 때 이런적 한 번쯤 있지 않으신가요?

     

    ▶ 무거운 파일 용량으로 인해 저화질의 모션을 사용해서 화질이 깨짐

    ▶ 개발자와 일정 맞추느라고 프로젝트 진행이 늦어져 결국 모션 그래픽을 구현하지 못함

    ▶ 의도했던 인터랙션과 다른 퀄리티의 모션이 제작됨

     

    등등 …

    그동안 이러한 상황 때문에 스트레스 받은 여러분을 위한 구세주를 하나 소개해 드리려고 합니다. 바로 Rive인데요!

     

      

     

    Rive는 인터랙티브 애니메이션 제작에 특화된 툴로, 웹/앱 환경에서 개발 없이도 인터랙티브한 모션 그래픽을 구현할 수 있어 개발에 지쳐있는 프로덕트 디자이너에게는 아주 매력적인 툴이랍니다! 실시간 인터랙션 구현이 가능하고, 제작부터 수정, 추출까지의 과정이 비교적 간편하며, 파일 용량을 걱정할 필요 없이 원하는 모션을 전부 제작할 수 있다는 장점을 지니고 있어요.

    아직 국내에서는 Rive 사용 사례가 적지만, 세계적인 기업들에서는 이미 앱 내의 인터랙티브를 중요하게 여기고 Rive를 도입하고 있어요. 곧 국내에서도 여러 기업에서 Rive를 도입할 것으로 보이니 그전에 Rive에 대해 알아두고 있는 것이 좋겠죠??




    | 애프터 이펙트 VS Rive 

     

    보통 디자이너 분들이 모션 그래픽을 제작할 때 가장 많이 사용하는 애니메이션 제작 툴은 애프터 이펙트일 텐데요. 

    애프터 이펙트와 Rive 둘 다 모션 그래픽을 제작할 수 있다는 공통점이 있다는 사실은 위의 설명을 보셔서 이미 아실 테고, 어떤 다른 점이 있는지 궁금하시죠? 

     

    애프터 이펙트와 Rive의 차이점은 크게 3가지로 나누어 설명할 수 있어요.

     


    <왼쪽: 애프터 이펙트 / 오른쪽: Rive>

     

    1. 개발

    애프터 이펙트로 인터랙티브 모션 그래픽을 제작할 시 개발 과정이 필수적인데요! 개발자와의 일정 조정.. 의도했던 바와는 다른 결과물.. 이 개발 과정 때문에 스트레스 받으시는 분들이 많아요. 그러나, Rive는 개발 과정이 없어도 된답니다! 개발 없이 State Machine으로 인터랙티브 모션 그래픽을 제작할 수 있어요. 또한, 실시간 인터랙션이 가능하여 사용자 친화적 모션 그래픽을 제작할 수도 있고, 제작하고자 하는 모션 그래픽에 대한 개발자의 이해가 필요하지 않아 모션 그래픽 제작 시간을 훨씬 단축할 수도 있답니다.

     

    2. 파일 크기

    애프터 이펙트를 사용하시면서 디자이너 분들이 가장 크게 느끼는 불편 사항이 바로 파일 크기인데요. 무거운 파일 크기 때문에 화질이 좋지 않은 모션을 사용하거나 끊기는 그래픽을 구현한 적이 있으시죠? Rive는 애프터 이펙트 대비 최대 7~90%의 적은 파일 크기로, 원하는 모션을 전부 구현할 수 있고 끊기지 않고 부드러운 그래픽 구현이 가능하답니다! 

     

    3. 가격

    가장 중요한 가격! 애프터 이펙트의 경우, 사용하기 위해서는 Adobe 공식 사이트에서 구독하여 매월 일정한 요금을 지불하여야 하는데요. Rive는 무려 무료 툴이랍니다. 개발 없이, 파일 용량 걱정 없이 인터랙티브한 모션 그래픽을 제작하는 것이 가능한데 심지어 무료라니! 정말 좋은 툴이지 않나요?

     

    이와 같은 특징을 지니고 있는 Rive는 특히 파일 용량 및 로딩 오류에 민감한  웹/앱 프로덕트 디자이너에게는 더 구세주처럼 느껴질 텐데요. 이렇게 유용한 Rive 사용법이 궁금하시다고요?




    | 이젠 Rive로 인터랙티브 모션 그래픽 제작!

     

    패스트캠퍼스의 [Rive를 활용한 인터랙티브 모션 그래픽 디자인] 강의에서는 웹/앱 환경에서 개발 없이 무한한 인터랙티브 모션 그래픽을 제작하는  방법을 배울 수 있어요. 파일 용량, 오류 걱정 없이! 기존에 애프터 이펙트를 사용할 줄 몰라도! 누구나 실시간 인터랙션을 구현하고 쫀득한 모션 그래픽을 제작할 수 있는 다양한 예제들이 준비되어 있답니다. 또한, 본 강의 수강 후 강의에서 진행한 예제 중 1가지를 선택해 야핏무브의 통&매너에 맞게 제작하여 구글폼으로 제출하면 “야핏무브” 프로덕트 디자이너 채용의 서류 전형을 대체하는 혜택까지 제공한다고 하니 취업을 준비하거나 이직을 생각하는 예비/현업 프로덕트 디자이너 분들은 이 기회 놓치지 마세요!

     

    [Rive를 활용한 인터랙티브 모션 그래픽 디자인] 강의 들으러 가기

     

    이런 글도
    있어요

    ‘쁨벙이의난’과 데이터 환각, 검색 증강 생성(RAG)

    GPU vs NPU 전격 비교!

    AI 발전의
    주역’ 딥러닝 발전의 10대 이정표

  • 로봇 SW 개발자들의 꿈, 자율주행 시스템 구현의 비밀

    로봇 SW 개발자들의 꿈, 자율주행 시스템 구현의 비밀

    AI.ing

    로봇 SW 개발자들의 꿈, 자율주행 시스템 구현의 비밀

    #자율주행

    #로봇

    #SW

     

    전 세계 자율 로봇 시장이 빠르게 성장하면서, 관련 기술의 중요성은 날로 커지고 있습니다.

    시장조사 업체 리서치앤마켓에 따르면, 글로벌 로봇 시장은 연평균 36%의 성장률을 기록하며 2030년까지 약  248조 5천억 원 규모로 성장할 것으로 전망됩니다.

    이는 단순한 숫자가 아니라, 자율주행 기술이 산업 전반에 얼마나 큰 영향을 미칠지 보여주는 지표인데요.

     

     

    테슬라, 구글, 아마존 같은 글로벌 기업들이 이 시장에 뛰어들어 자율주행과 로봇 기술을 미래의 핵심 먹거리로 삼는 이유이기도 합니다.

     

    (출처 – 테슬라)

     

    특히 최근 화제가 된 테슬라의 ‘사이버캡’은 자율주행 기술의 진보를 상징적으로 보여주는데요. 

    미래지향적인 디자인과 고성능을 갖춘 이 차량은 더 향상된 자율주행 소프트웨어를 탑재해 운전자가 개입할 필요 없이 차량 스스로 목적지까지 주행하는 모습을 보여줍니다. 

     

    이렇게 자율주행 기술이 점점 더 실용화되는 상황에서, 로봇 SW 개발자를 꿈꾸는 사람이라면 자율주행 시스템이 어떻게 구성되고 작동하는지 깊이 이해하는 것이 매우 중요해지고 있습니다.

    지금부터, 자율주행 시스템 개발에 핵심이 되는 기술들을 살펴보고, 그 기초부터 체계적으로 배울 수 있는 방법을 함께 알아보겠습니다.  

     

     | 자율주행을 가능하게 해주는 기술들

     

     

    1. ROS2 (Robot Operating System 2)

     

     

    ROS2는 로봇 소프트웨어 개발의 필수 프레임워크로, 특히 자율주행 시스템 구축에 필요한 다양한 기능들을 제공합니다. 

    ROS2는 기존 ROS의 업그레이드 버전으로, 분산 컴퓨팅과 실시간 제어 기능이 강화되어 자율주행 로봇, 특히 자율주행자동차와 같이 높은 안정성과 성능이 요구되는 환경에서 뛰어난 성능을 발휘하는데요.

    ROS2는 퍼블리셔-서브스크라이버(Pub-Sub) 통신 구조를 사용하여 여러 센서나 제어 모듈이 데이터를 주고받기 쉽도록 설계되었습니다. 

    예를 들어, 자율주행차에 탑재된 여러 센서(라이더, 카메라, IMU 등)가 실시간으로 데이터를 ROS2 시스템에 전달하면, ROS2는 이를 바탕으로 차량의 위치, 주변 환경 인식, 경로 계획 등을 관리하고 실행할 수 있게 해주죠. 이러한 데이터 통합과 모듈 간의 통신은 자율주행차가 안정적으로 주행을 수행하는 데 필수적입니다.

     

     

    2. SLAM (Simultaneous Localization and Mapping)

    SLAM은 자율주행에서 “Simultaneous Localization and Mapping”의 약자로 동시적 위치 추정 및 지도 작성’ 이라는 뜻을 가지고 있습니다. 로봇이 사전 준비된 지도나 GPS 없이도 스스로 주변 환경을 인식하며 위치를 파악하고, 이동 가능한 지도를 작성하는 기술인데요. 자율주행에서 SLAM은 핵심 역할을 하며, 특히 GPS 신호가 닿지 않는 실내나 도심의 밀집 지역에서도 자율주행이 가능하도록 돕습니다.

    SLAM의 동작 원리는 주변 환경을 탐지하는 여러 센서 데이터를 통해 로봇의 현재 위치를 계산하고, 동시에 주변 지도를 작성하는 것입니다. 

    SLAM이 사용되는 주요 센서로는 라이더(LiDAR)와 카메라가 있는데요. 

    라이더는 레이저를 통해 주변의 거리와 형상을 매우 정밀하게 파악할 수 있으며, 이를 통해 로봇은 주변 환경의 정확한 형태와 위치를 인식할 수 있는거죠. 카메라는 비전(시각) 정보를 제공해 로봇이 물체를 구분하고 위치를 파악하는 데 도움을 줍니다. 이를 통해 로봇이 스스로 탐색하며 이동 가능한 지도를 지속적으로 업데이트하고, 환경 변화가 발생하더라도 이를 반영하여 안전한 주행이 가능해지는거죠.

    3. Navigation2

    Navigation2는 자율주행 로봇의 경로 계획과 이동을 관리하는 소프트웨어입니다. 

    ROS2 환경에서 작동하도록 설계된 Navigation2는 로봇이 최적의 경로를 선택해 목적지에 도달할 수 있도록 경로 탐색과 장애물 회피 기능을 제공합니다.

    Navigation2의 핵심 기능은 크게 세 가지로 구분됩니다.

    첫번째는 경로 계획 기능으로, 로봇이 현재 위치에서 목표 지점까지 가는 가장 효율적인 경로를 계산하며 주변 환경의 장애물을 고려하여 최적의 경로를 선택합니다. 

    두번째는 장애물 회피 기능으로, 실시간으로 업데이트되는 센서 데이터를 통해 이동 중 발생하는 돌발 장애물을 탐지하고 회피합니다. 

    세번째는 로컬 플래너 기능으로 로봇의 주행 경로를 미세 조정하여 안전하게 이동할 수 있도록 합니다.

    이러한 Navigation2의 경로 계획 기능은 ROS2와 SLAM의 데이터를 바탕으로 이루어지며, 로봇이 목적지까지 경로를 유지하면서 실시간으로 환경 변화에 대응할 수 있게 지원합니다.

     

    결론적으로 ROS2, SLAM, Navigation2는 자율주행 시스템의 기초를 이루는 기술들로 각각 상호 보완적인 역할을 수행하며 자율주행 로봇이 주변 환경을 인식하고 주행을 계획하고, 최종적으로 안전하게 이동할 수 있게 합니다. 로봇 시스템 구현을 위해서는 이 핵심 기술들을 제대로 배우고 익히는 것이 중요한데요.

    자율주행 로봇을 직접 구현하고 싶은 개발자들을 위해 패스트캠퍼스에서 이 핵심 기술들을 총집합한 “자율주행 로봇을 위한 ROS2 & Nav2 한번에 끝내기” 강의를 출시했습니다!

    [자율주행 로봇을 위한 ROS2 & Nav2 한번에 끝내기]

    이 강의에서는 자율주행 로봇을 만드는 데 필요한 기술들인 ROS2/SLAM/Navigation2 기초 학습부터 직접 시뮬레이션 환경에서 구현하는 실습 프로젝트까지 진행해볼 수 있다고 하는데요

    다른 곳에서는 190만원 상당의 자율주행 로봇 구현 커리큘럼을 하나의 강의로 무려 20만원대에 제공한다고 합니다!

    실제 로보틱스 산업에서 사용하는 산업용 로봇, TIAGo, PMB2 활용도 하고

    글로벌 자동차 출신 로보틱스 엔지니어의 현업 경험을 통한 노하우까지 제공한다고 하니, 놓치지 마세요!

    자율주행 로봇 커리어의 첫 시작을 위한 단 하나의 강의, 지금 바로 확인해 보세요.

    이런 글도
    있어요

    ‘쁨벙이의난’과 데이터 환각, 검색 증강 생성(RAG)

    GPU vs NPU 전격 비교!

    AI 발전의
    주역’ 딥러닝 발전의 10대 이정표

  • LLM 서빙 프레임워크 비교 분석 (ft. vLLM)

    LLM 서빙 프레임워크 비교 분석 (ft. vLLM)

    AI.ing

    LLM 서빙 프레임워크 비교 분석 (ft. vLLM)

    #AI

    #엔지니어

    #LLM

    최근 AI 기술은 다양한 산업에 걸쳐 빠르게 도입되고 있는데요.

    특히 대규모 언어 모델 (LLM)은 자연어 처리, 고객 서비스 자동화, 데이터 분석 등에서 큰 성과를 내며 큰 주목을 받고 있습니다. 

    AI 모델이 급격히 커지면서, 대형 언어 모델 (LLM)을 효과적으로 서빙하는 방법이 중요해지고 있는데요.

    본문에서는 LLM 서빙에 중요한 역할을 하는 LLM 최적화 프레임워크를 비교 분석하려고 합니다.

     

     | vLLM

    vLLM은 대규모 언어 모델의 추론을 최적화하기 위해 설계된 LLM 서빙 프레임워크로, 효율적인 메모리 관리와 낮은 지연 시간이 가장 큰 장점인데요. 특히 가상 메모리 페이지 파이핑(Page-Piping) 기술을 사용해, GPU 메모리 사용을 줄이면서도 성능을 유지합니다. 이는 대규모 모델을 운영해야 하지만 자원이 한정된 환경에서 매우 유리하고, 비동기 추론을 지원해 다중 요청을 동시에 처리하면서도 응답 시간이 짧아 실시간 애플리케이션에 적합합니다.

    반면, vLLM은 대규모 운영 시 추가적인 최적화가 필요할 수 있습니다. 특히 LLM을 다양한 환경에서 배포하고 추론 성능을 극대화하려면 고급 설정과 튜닝이 필수적입니다. 그리고 vLLM은 학습이 끝난 모델을 추론하는 데만 집중하기 때문에, 학습 단계에서는 별도의 프레임워크가 필요하다는 단점을 가지고 있습니다.

     

     | TensorRT-LLM

     NVIDIA TensorRT-LLM은 NVIDIA의 GPU 최적화 소프트웨어인 TensorRT를 기반으로 LLM 추론 성능을 극대화하는 프레임워크입니다. 이 프레임워크의 가장 큰 강점은 GPU 성능을 극대화하는 최적화가 가능하다는 점입니다. TensorRT-LLM은 NVIDIA의 하드웨어와 최적화된 소프트웨어를 함께 사용할 때 성능이 극대화되며, 특히 FP16 또는 INT8 정밀도 모델을 사용해 성능을 가속할 수 있습니다. 이는 고성능 GPU 리소스를 활용해 대규모 모델을 매우 빠르게 추론할 수 있게 해주죠.

    그러나 이 TensorRT는 NVIDIA GPU에 의존적이며, 다른 하드웨어에서는 그 성능을 온전히 발휘하지 못할 수 있습니다. 또한 모델 최적화와 설정 과정이 복잡할 수 있어, 사전에 충분한 GPU 최적화 지식이 필요합니다. 그렇기에 LLM 서빙시, GPU 환경에 익숙한 데이터 과학자나 머신러닝 엔지니어에게 적합합니다.



     

     | TGI (Text Generation Inference)

    TGI는 Hugging Face에서 개발한 LLM 서빙 프레임워크로, 특히 텍스트 생성과 관련된 모델에 최적화되어 있습니다. 오픈 소스로 제공되기 때문에 누구나 쉽게 접근할 수 있으며, Hugging Face의 Transformers 라이브러리와 완벽하게 통합된다는 점이 장점이죠. TGI는 다양한 모델을 지원하며, 추론 성능을 효율적으로 관리할 수 있는 고급 설정 옵션을 제공합니다. 특히 텍스트 생성 모델을 서빙하려는 경우, Hugging Face의 방대한 모델 허브를 통해 쉽게 모델을 가져와 LLM을 서빙할 수 있습니다.

    하지만, 텍스트 생성에 초점을 맞춘 프레임워크이므로 다른 종류의 LLM 작업에는 최적화되어 있지 않을 수 있는데요. 그리고 GPU 최적화가 제한적이어서 TensorRT-LLM처럼 GPU 성능을 극대화하는 데는 한계가 있습니다. 따라서 텍스트 생성 AI 서비스에 특화된 프로젝트나 중소규모의 LLM 서빙 환경에 적합하죠.

     

     

     | Ollama

    Ollama는 LLM 모델을 손쉽게 배포하고 서빙할 수 있는 플랫폼으로, 특히 로컬 환경에서의 LLM 서빙을 강조합니다. 클라우드에 의존하지 않고 자체 인프라에서 LLM을 운영할 수 있다는 점에서, 데이터 보안과 개인 정보 보호를 중요한 이슈로 삼는 기업들에 유리합니다. 그리고 Ollama는 오프라인 서빙 환경에서도 높은 성능을 유지할 수 있으며, 모델을 로컬에서 실행하는 간단한 툴을 제공한다는 장점을 가지고 있습니다.

    반면, Ollama는 클라우드 기반 인프라와의 연결성이 부족합니다. 오프라인 서빙에 특화된 만큼 클라우드 리소스를 활용한 확장성이나 성능 최적화 기능이 제한적일 수 있는 것이죠. 그리고 복잡한 분산 환경에서의 사용은 다소 어려울 수 있습니다. 따라서 데이터 보호가 중요한 금융, 의료, 정부 기관 등에서 자체 인프라에 LLM을 배포하려는 경우에 적합합니다.

     

    정리해보자면,  vLLM은 대규모 언어 모델을 추론하면서도 메모리 효율성과 처리 성능을 유지하는 데 강점이 있으며, TensorRT-LLM은 NVIDIA GPU를 적극 활용하는 환경에서 최고 성능을 발휘하고, TGI는 텍스트 생성 AI 서비스에 특화되어 있으며, Ollama는 로컬 환경에서 데이터 보호를 중시하는 기업들에게 적합한 프레임워크로 작용합니다.

    각 서빙 프레임워크는 고유의 장단점을 가지고 있으며 프로젝트와 사용 환경에 따라 적합한 선택지가 달라질 수 있는데요.

     

     

     

     

    | 고성능 저비용의 LLM 서빙을 할 수 있는 vLLM!

    앞서 살펴봤던 LLM 서빙 프레임워크 중 vLLM은 특히 대규모 언어 모델을 고성능으로 운영하려는 엔지니어들에게 중요한 선택지가 될 수 있습니다.

    효율적인 메모리 관리와 낮은 지연 시간, 그리고 높은 처리량을 통해 대규모 언어 모델을 서빙하는 데 있어 뛰어난 성능을 자랑하면서도, 자원 소비를 최소화할 수 있기 때문이죠. 그리고, 대규모 환경에서도 유연한 확장성을 제공하기에 스타트업이나 대규모 기업에 다니는 엔지니어 모두에게 가장 적합한 프레임워크입니다.

    vLLM의 실행은 간단할 수 있지만, 실제로 이를 비즈니스 환경에 맞게 최적화하고 효과적으로 적용하기 위해서는 많은 노하우와 경험이 요구되는데요. 

    하지만, 아직까지 국내에서는 vLLM을 활용한 LLM 서빙 방법에 대해 자세히 다룬 곳이 없다고 합니다.

     

    그래서 준비한 <vLLM을 활용한 고성능 저비용 LLM 서빙의 모든 것> 강의!

    패스트캠퍼스의 [vLLM을 활용한 고성능 저비용 LLM 서빙의 모든 것] 강의에서는 국내 최초로  vLLM을 활용한 LLM 서빙 최적화하는 방법을 배울 수 있다고 하는데요.

    4가지 서빙 프레임워크들과의 비교를 통한 추론 이해부터 vLLM 실습으로 상황별 최적화 전략과 실제 추론 노하우까지 모두 알려준다고 합니다.

    AI에 관심이 있다면, 한번쯤은 들어봤을 ‘ LLM을 활용한 실전 AI 애플리케이션 개발‘ 베스트셀러 저자가 직접 등판하여 알려준다고 하니, 지금 바로 만나보세요!

     

    이런 글도
    있어요

    ‘쁨벙이의난’과 데이터 환각, 검색 증강 생성(RAG)

    GPU vs NPU 전격 비교!

    AI 발전의
    주역’ 딥러닝 발전의 10대 이정표

  • 사무직에겐 필수! 챗GPT보다 글 작성에 특히 유용한 클로드 성능 비교

    사무직에겐 필수! 챗GPT보다 글 작성에 특히 유용한 클로드 성능 비교

    AI.ing

    사무직에겐 필수! 챗GPT보다 글 작성에
    특히 유용한 클로드 성능 비교

    #클로드

    #업무 자동화

    #챗GPT

    | 텍스트 생성의 고수, 클로드

     

    직장인은 주목! 특히 글과 관련된 업무가 많은 사무직에겐 필수인 클로드(Claude)를 아시나요???

     

    클로드 AI는 Anthropic이라는 회사에서 개발한 챗봇이자 텍스트 생성 도구인데요. 키워드 입력 시 관련 텍스트를 생성해 줄 뿐만 아니라 입력한 문장을 다양한 언어로 자연스럽게 번역도 해주고, 긴 글을 짧고 간결하게 정리 요약까지 해준다고 해요.

     

     

    클로드는 고급 텍스트 이해 및 생성 능력과 빠른 응답 속도가 장점이라고 하는데요. 사용자의 의도를 파악하고 맥락을 이해하여 자연스럽고 친화적인 문장을 생성할 뿐만 아니라 응답 지연 없이 빠르게 결과를 전달해 줘요. 그리고 특히 창의적인 글쓰기에 뛰어난 재능을 가지고 있어 평소 문장을 처리해야 하는 일이 많은 사무직은 꼭 알아야 할 AI 챗봇으로 주목받고 있어요.

     

     

    | 클로드와 챗GPT, 뭐가 다른데?

     

    흔히들 텍스트 생성 AI라고 하면 챗GPT를 가장 먼저 떠올리실 텐데요!! 그렇다면 챗GPT와 클로드의 차이점은 무엇일까요?

    우선, 클로드는 챗GPT보다 좀 더 윤리적인 AI랍니다. 텍스트를 생성하거나 대화를 할 때 사용자의 의도를 최대한 반영하는 동시에 부적절하거나 유해한 내용은 걸러낸다고 해요. 또한, 클로드는 챗GPT보다 긴 문장을 처리하는 능력이 더 뛰어난데요. 한 번에 많은 정보를 처리할 수 있어서 특히 긴 문서 요약이나 분석 시 유용해요. 평소 긴 대용량 문장을 분석하고 요약해야 하는 분들이나 윤리적인 AI 사용을 중시하는 분들에겐 클로드를 더 추천드려요!

     

    <왼쪽: 클로드 / 오른쪽: 챗GPT>

     

    그리고 쉽고 간편한 업무 자동화를 원하시는 분들께 클로드를 더 추천드리는데요!

    챗GPT로 업무 자동화를 시도할 경우, 챗GPT 이외에 외부 AI 툴을 연동하여 여러 가지 툴을 사용해야 하고, 따로 코딩 및 프롬프트를 공부해야 하며, 플러그인 설치나 이런저런 설정을 해야 하는 등의  귀찮고 복잡한 과정들이 요구되는데요. 클로드로 업무 자동화를 할 경우에는 외부 툴 연동, 코딩 공부, 프롬프트 엔지니어링, 번거로운 설치/설정 모두 없이 오직 클로드 툴 하나와 복붙만으로 업무 자동화를 끝낼 수 있다고 해요. 또한, 챗GPT는 유지보수에 약해 챗GPT에 요청할 자동화 업무 범위가 넓어질수록, 즉 대화가 길어지면 기존에 구축했던 것을 잊어버리는 치명적인 오류 발생하는 반면에 클로드는 워크플로우가 잘 구축되어 있어 이러한 가능성이 희박하답니다.

     

    실제로 이미 다양한 업종에서 클로드를 사용하여 효율적으로 업무를 진행하고 있는데요. 마케팅&콘텐츠 제작 업종에서는 클로드로 창의적인 소셜 미디어 콘텐츠를 생성하고 고퀄리티 영상이나 광고 카피를 제작하며, 교육 업종에서는 맞춤형 학습 자료 및 외국어 학습 콘텐츠 등의 자료를 인터렉티브하게 시각화하여 효과적으로 전달하고 있어요. 또한, 개발 업종에서는 복잡한 프로그래밍 없이 클로드로 간단하게 프로젝트를 완성하고 최적의 솔루션을 제안하며, 고객 서비스 업종은 고객 응대 자동화를 통해 빠르고 정확하게 고객 문의에 답변하고 있어요. 이외에도 일상 업무 시 번역, 문서 작성, 참신한 아이디어 발상 등이 필요할 때 클로드를 활용하면 빠르고 효율적으로 업무를 할 수 있답니다!

     

    이렇게 여러 방면으로 유용한 클로드를 활용하여 업무 자동화하는 법! 궁금하지 않으신가요? 그래서 준비했습니다.

    <복붙으로 끝내는 미친 AI 업무 자동화 with Claude> 강의!

     

     

     

    | 복붙만으로 업무 자동화 끝!

     

    패스트캠퍼스의 [복붙으로 끝내는 미친 AI 업무 자동화 with Claude] 강의에서는 AI 업무 자동화 분야 베스트셀러 저자에게 외부 툴 연동, 어려운 코딩 공부, 번거로운 설치/설정 없이! 오직 클로드 툴만 사용하여 복붙만으로 빠르게 업무 자동화를 하는 방법을 배울 수 있어요. 마케팅, 데이터 분석, CS, HR, 제품 기획 및 개발 등 다양한 직군에서 업무에 바로 적용 가능한 56가지 실전 예제와 더불어 프롬프트 모음집 100종, 업무별 자동화 템플릿 10종도 제공한다고 하니 놓치지 마세요!

     

    최소한의 노력으로 초스피스하게 업무 자동화를 하고 싶다면?

    해답은 [복붙으로 끝내는 미친 AI 업무 자동화 with Claude] 강의! 지금 바로 만나보세요~

     

     

    이런 글도
    있어요

    ‘쁨벙이의난’과 데이터 환각, 검색 증강 생성(RAG)

    GPU vs NPU 전격 비교!

    AI 발전의
    주역’ 딥러닝 발전의 10대 이정표

  • 코딩없이 평생 클릭 한번으로 끝나는 업무 자동화 완벽 튜토리얼 (ft. Make 적용법)

    코딩없이 평생 클릭 한번으로 끝나는 업무 자동화 완벽 튜토리얼 (ft. Make 적용법)

    AI.ing

    코딩없이 평생 클릭 한번으로 끝나는 업무 자동화 완벽 튜토리얼 (ft. Make 적용법)

    #ai 자동화

    #Make 사용법

    #업무 자동화

    ✅ 직장인 필수! 16가지 업무툴로 작업 효율을 극대화하고 자동화하는 비법?

    이전에 소개해 드렸던 Make을 활용한 실제 사례와 Make 사용에 관한 커리큘럼을 알려드리고자 합니다.

    1. 인스타그램, 페이스북, 링크드인에 브랜딩 콘텐츠 한 번에 올리기
    2. 웹크롤링을 하고, 뉴스기사를 적재해 빠르게 시장조사 끝내기
    3. 부서별로 정리되지 않은 보고서 업로드해서, 구글 드라이브 색인하여 부서별로 정리하기
    4. VOC를 스스로 요약하고 응대 메일을 보내는 CS봇 만들기
    5. 업무 TO-DO LIST만 작성하고 담당자들에게 자동으로 메일 발송하기
    6. 섭외 연사의 정보 입력하고 콜드 메일 초안 받아보기
    7. 희망하는 미팅 일정 접수하고 알아서 캘린더에 업데이트하기
    설문지 실시간으로 확인해 슬랙에서 간편하게 알림받기

    지메일, 슬랙, 구글 드라이브, 구글 폼, 드롭박스, 인스타그램, 페이스북 등등 직장인이라면 누구나 자주 사용하는 툴 16가지를 모두 적용해볼 수 있다고 소개를 해드렸었는데요, 실제 MAKE로 어떻게 자동화를 하는지 아래와 같은 업무를 보시면 크게 이해를 하실 수 있을 겁니다. 내가 적용하고 싶은 업무는 무엇이 있는지 한 번 골라보세요 🙂

     

    ✅ 월 100만원 아끼는 콘텐츠 제작부터

    뉴스레터 자동화까지 해주는 맞춤형 솔루션?

    개인 비즈니스나 직장 업무로 자료를 모으고 글을 쓰시는 업무도 많으실 겁니다. 특정 신문사 뉴스를 중요도 별로 골라내고, 이를 요약해 자동으로 발송하는 것도 가능합니다. MAKE 프롬프트 활용법만 잘 익힌다면 나만의 뉴스레터 발송 설계는 식은 죽 먹기겠죠?

    ✅ 자비스같은 스마트한 비서와 함께

    자동화의 꿈을 이뤄 드립니다! (W. 챗GPT)

    챗GPT, Claude, Perplexity 좋은 건 알겠는데, 검색 이상으로는 할 수 있는 게 없는 걸로 생각하실 수도 있습니다. 하지만 MAKE과 결합하면 자비스와 같이 똑똑한 비서로 수준을 확 높여줄 거예요. 아래와 같이 챗GPT와 각종 서비스를 연결하고, make의 ‘Webhook’ 기능을 사용해 업무를 스마트하게 끝내실 수 있습니다.. 이렇게 MAKE 툴만을 사용하여 직관적으로 나만의 ai 자동화 시스템을 사용할 수 있는 것이지요.

    1. 회의 문서 작성: 클로바 노트로 녹음한 STT 파일을 올리면 스스로 정리하여 문서로 작성 완료
    2. 미팅 로그 공유: 미팅 로그를 올리면, 알아서 요약해 슬랙으로 공유
    3. 컨설팅 요약 메일 발송: 메일 초고를 자동으로 작성하고, 사용자가 컨펌하면 메일로 자동 발송
    4. 노션 DB 자동 적재: 챗GPT에 할 일, 설명, 마감일, 담당자, 우선순위 입력하면 노션에 자동 적재
    5. 계약서 분석 및 저장: 인보이스나 송장, 계약서 내용 업로드 시 챗GPT가 정보 추출 후 시트에 저장
    6. PPT 자동 제작: 챗GPT에게 회사 홈페이지 URL을 제공하면 구글 슬라이드 템플릿에 맞게 회사 소개서 슬라이드를 생성

    MAKE이 위와 같은 많은 반복 업무를 해줄 수 있다는 점을 잠깐 맛보기로 살펴 보았습니다. 그런데 이쯤에서, 제가 MAKE에 기대감이 부푼 동료가 제게 이런 말을 하더군요.


    “ MAKE 사이트를 들어가봤으나 영문으로 된 자료가 대부분이고, 툴도 영어로 되어 있어 번역해도 어색해요. 유튜브 보고 따라해도 저렇게 되지 않는데 어떻게 따라할 수 있다는 거죠..?”

    이 분들께는 전혀 걱정하지 마시라고 하고 싶습니다. 정호영 강사님께서 100명 이상의 대기업 임직원을 가르친 경험을 바탕으로 MAKE을 가장 전문적으로 잘 쓸 수 있는 커리큘럼을 최초로 준비하셨거든요.

     

    ✅ 국내에서 가장 체계적으로 ‘Make’를 배울 수 있는 커리큘럼, 지금 바로 확인해보세요!

    make는 영문으로 된 자료가 대부분이고, 무엇보다 이를 전문적으로 다루는 강의가 없습니다.그래서 이미 사용하고 있는 저도 자동화를 어떻게 해야 구체적으로 할 수 있을지 많이 배웠었거든요.

    저는 비개발자입니다. 업무 자동화를 섬세하고 구체적으로 들어가려면 코딩이 필요하기 마련인데, MAKE의 직관적인 인터페이스는 이 진입 장벽을 크게 낮춰주죠. 이 강의 덕분에 제 업무에 맞는 자동화 솔루션을 손쉽게 만들 수 있었고, 지금은 편하게 일하고 있습니다. 업무 자동화 프로세스 구축 시간을 획기적으로 단축시켜 주었고 실무에서 당장 적용 가능하실 겁니다. 불가능을 가능으로, 불편함을 편리함으로 바꾸고 싶은 모든 분들께 이 강의를 추천드리고자 앞서 Make 소개 1탄부터 글을 이어왔는데요. 많은 분들께, 업무를 혁신적으로 자동화할 수 있는 무한한 가능성의 세계로 여러분을 초대합니다.

    <AI Make 하나로 끝내는 업무&비즈니스 자동화>
    ▶▶▶https://bit.ly/4eyJK33◀◀◀

     


     

    이런 글도
    있어요

    ‘쁨벙이의난’과 데이터 환각, 검색 증강 생성(RAG)

    GPU vs NPU 전격 비교!

    AI 발전의
    주역’ 딥러닝 발전의 10대 이정표

  • 코딩없이 평생 클릭 한번으로 끝나는 업무 자동화 완벽 튜토리얼 (ft. Make 소개)

    코딩없이 평생 클릭 한번으로 끝나는 업무 자동화 완벽 튜토리얼 (ft. Make 소개)

    AI.ing

    코딩없이 평생 클릭 한번으로 끝나는 업무 자동화 완벽 튜토리얼 (ft. Make 소개)

    #ai 자동화

    #Make 사용법

    #업무 자동화

    ✅ 딱 하나의 툴로 10분 투자해서 만드는 업무 자동화

     : 100% AI 자동화 시스템 MAKE을 소개합니다.

    요즘 자동화를 위한 챗GPT, Zapier ai 자동화 툴이 많이 나오면서 직장생활과 본인만의 비즈니스 콘텐츠에 어떻게 써먹을 수 있을지 이런 저런 컨텐츠와 강의 찾아보고 계신 분들이 많으실 거예요. 하지만, 업무 자동화 해준다고 해서 들어가 봤는데 알고 보니 코딩과 영문 사용의 어지러움, 여러 툴을 연동하고 공부해야 하는 번거로움으로 인해 그냥 내가 하고 말지.. 라고 생각해신 분들 많으실 겁니다. 

    이러한 불편함을 덜 방안을 고민하면서 최근에 정호영 강사님이 하신 Make 사용법 강의를 수강했는데, 살펴보니 꽤나 신기하면서도 이거 하나면 이제 다른 툴 공부는 안해도 될 것만 같았습니다. 왜냐하면, 1) 드로그&드롭과 2) 간단한 클릭만 있으면 몇십개 이상의 어플리케이션 간의 자동화를 도와주거든요. 직장인들과 비즈니스인분들에게 굉장히 유용한 곳이라 한 번 소개를 해드릴까 합니다.

     

    ✅ MAKE가 무엇이고, 왜 배워야 하죠?

    한 마디로, 여러 앱과 프로그램을 상호 연결해서 나만의 업무 자동화 시스템을 구축하고 자동화해주는 툴입니다.

    예를 들어 회사에서 유튜브 채널을 운영한다고 가정하겠습니다.
    구독자들, 비즈니스 파트너들 등 여러 사람들에게 메일을 받고, 메일 내용 또한 문의부터 요청, 일정 협의 등등 다양하게 나눠질 것입니다. 한 두 건이면 어느 정도 답장을 할 수 있겠지만, 숫자가 많아지면 상당한 시간이 들어갈 겁니다. 이때, 저희는 이걸 어느 정도 한 번에 업무 자동화할 수는 없을지 점점 귀찮음이 몰려올 거예요. 이제 어떻게 하면 될지 MAKE의 도움을 받아보겠습니다.

    메일이 오면, 이를 챗GPT로 보내서 메일의 내용을 읽고 몇 가지 카테고리로 분류하도록 합니다. 그리고 분류별로 메일을 구글 시트에 저장하도록 하여 일종의 DB처럼 메일을 관리할 수 있는 것이지요. 그리고 어느 정도 답변을 정형화 할 수 있는 메일들은 챗GPT에게 메일 내용을 작성하도록 한 후, 회신을 하도록 만듭니다. 그리고 나서 회사에서 쓰이는 공유용 메신저 슬랙으로 완료했다는 표시까지 하면 마무리입니다. 

     

    ✅ MAKE으로 어떻게 자동화 할 수 있나요?

    이 작업을 하려면 메일(gmail) –  챗GPT – 구글시트 – 슬랙 까지 총 4개의 앱이 필요합니다.
    혼자서 한다면 메일을 넘겨주고, 읽고 시트에 옮기고 다시 정리해서 최종 공유해야 하는 번거로움이 생기죠. 혹시나 코딩을 사용해야 하는 건 아닌가? 오로지 MAKE만 사용하여 이 작업이 모두 가능합니다. 이렇게 MAKE 툴만을 사용하여 직관적으로 나만의 ai 자동화 시스템을 사용할 수 있는 것이지요.


    [ai 자동화 MAKE 접속 시 첫 화면]

     

    ✅ 1000번 실행해도 무료? 충분히 뽑아먹을 수 있는 툴

    로그인 후, 대시보드의 subscription을 보시면 요금제가 나옵니다. 이쯤 되면 혹시 더 고급화된 프로세스를 짜려면 유료 버전을 넘어가야 하는 거 아닌가? 생각하실 법 한데요, 무료 버전에서도 내가 하고자 하는 일정 범위 안에서 충분히 MAKE을 사용할 수 있습니다. 바로 월 1천 회의 무료 실행 혜택이 있거든요.

    [ai 자동화 MAKE 요금제]

     

    ✅ 평생 다 써 볼 수 있을까? 1,747여개의 서비스와

    연결되는 미친 연동성

    그래도 제일 중요한 건, ai 자동화를 하려면 얼마나 많은 앱(프로그램)을 제공하겠느냐겠지요? 직장 생활이나 비즈니스 문서에 쓰이는 웬만한 툴은 대부분 제공합니다. 무려 1,747개의 앱을 제공하거든요. 즉 1,747개의 앱을 서로 연결해서 작동할 수 있다는 점입니다.

    [ai 자동화 MAKE에서 연동 가능한 앱]


    [대표적으로 직장에서 많이 쓰이는16가지 연동 툴&ai 자동화 MAKE]

    보시다시피 MAKE을 잘만 활용하면 업무 자동화 관련해서 내가 쓰이고자 하는 많은 반복 업무를 해결해 줄 수 있을 것이라고 생각합니다. 물론 어떻게 써야 하는지 구체적으로 활용 방법을 잘 아는 자만이 제대로 뽑아먹을 수 있을 것입니다.

     

    이번 글에서는 MAKE이 어떤 툴인지 소개를 드렸습니다. 제공되는 무수한 앱들을 살펴보시면서, 나는 어떤 작업들을 ai 자동화해볼 수 있을지 생각해 보시는 것도 좋을 듯합니다.

    다음 글에서는 MAKE으로 실제 업무에서 어떻게 자동화하는지 관련 사례와 Make 사용법에 관한 커리큘럼을 소개해 드리겠습니다.

    ✅ Make 커리큘럼 미리 보러가기
    ✅ Make 응용법 2탄 미리 보러가기

     

    이런 글도
    있어요

    ‘쁨벙이의난’과 데이터 환각, 검색 증강 생성(RAG)

    GPU vs NPU 전격 비교!

    AI 발전의
    주역’ 딥러닝 발전의 10대 이정표

  • 업무 자동화의 끝판왕으로 떠오른 AI 툴 : ‘AI Make’ 사용 시 단점과 해결법 (ft. 템플릿 공유)

    업무 자동화의 끝판왕으로 떠오른 AI 툴 : ‘AI Make’ 사용 시 단점과 해결법 (ft. 템플릿 공유)

    AI.ing

    업무 자동화의 끝판왕으로 떠오른 AI 툴 :
    ‘AI Make’ 사용 시 단점과 해결법 (ft. 템플릿 공유)

    #AI Make

    #업무 자동화

    #zapier

    ✅ 코딩을 몰라도, 수 십가지 툴을 몰라도 진정한 업무 자동화를 완성하다

     

    “저 코딩 1도 모르는데 클릭 한 번으로 동료 업무를 자동화해주고 칭찬 받았습니다 ㅎㅎ“

     

    “뉴스레터도 이거로 업무 자동화 하던데 맞나요? 이 툴이라면 저도 만들 수 있을 거 같아요…!“

     

    “챗지피티 단독으로 쓸 때보다 훨씬 편합니다. “

    흔히들 말하는 업무 자동화, 알고보니 여러 툴을 연동해야 하고 코딩까지 알아야 해서 굳이 써야 하나 생각까지 드셨을 거예요. 그런 단점을 보완하기 위해 드래그 앤 드롭과 클릭만으로도 업무 자동화 워크플로우를 만들 수 있는 AI Make 툴이 새롭게 나왔습니다.

     

    자동화로 5분 아끼려다가 파이썬만 20시간 배우는 일은 없어야 겠죠? 무엇보다 코딩을 몰라도 업무자동화가 가능합니다. 업무에 필요한 1500여개의 서비스 대부분은 AI Make과 연동할 수 있고, 월 1천회의 무료 실행 혜택으로 마음껏 연습하고 작동시킬 수 있는 착한 툴입니다. 이쯤되면 AI Make과 비슷한 노코드 플랫폼 중 하나인 Zapier이랑은 얼마나 차이가 나는지? 궁금하실 수도 있을텐데요. Zapier는 무료 플랜의 제한이 크고, n8n은 공부하는데 오랜 시간이 걸릴 수 있는 한계가 있는 반면,  AI Make은 정말 쉬운 UI와 작동원리를 가지고 있어 누구나 쉽게 배울 수 있는 유용한 툴입니다.

     

    ✅ 16가지 업무툴에 AI Make를 붙이면 직장인 업무 자동화 절반은 끝!

    지메일, 슬랙, 구글 드라이브, 구글 폼, 드롭박스, 인스타그램, 페이스북… 직장인이라면 누구나 자주 사용하는 툴로 바로 적용이 가능합니다. 내 업무에 즉시 자동화를 선물할 리스트, 한번 구경해볼까요?

     

    1) Instagram, Facebook, LinkedIn에 브랜딩 콘텐츠 한 번에 올리기

    2) 한 번 클릭하면 뉴스가 수 십개!
업무 자동화로 시장 조사 빠르게 끝내기

    3) VOC를 스스로 요약하고 응대 메일을 보내는 CS봇 만들기

    4) 드라이브에 알아서 문서 정리하기

    5) 업무 To-Do List만 작성하고 담당자들에게 자동으로 메일을 발송하기

    6) 섭외 연사의 정보를 입력하고 콜드메일 초안 받아보기

    7) 간편하게 퇴사 신청을 받고 담당자와 퇴사자에게 메일 전송하기

    8) 희망하는 미팅 일정을 접수받고 알아서 캘린더에 업데이트하기

    9) 설문지를 실시간으로 확인해 Slack에서 간편하게 알림받기

     

    이렇게 어떤 반복 업무에도 적용하실 수 있기 때문에 여러분이 원하던 진짜 업무자동화의 꿈을 이루어드릴 수가 있는 흥미진진한 AI Make 툴입니다. 

     

    ✅콘텐츠 제작과 미니 서비스 수준의 업무 자동화까지 가능하다고?!

     

    요즘 콘텐츠 트렌드는 뉴스레터라는데, 자료를 모으고 글을 쓰는 게 혹시 어렵지는 않나요?

    특정 신문사 뉴스를 중요도 별로 골라내고, 이를 요약해 자동으로 발송해주는, 임직원을 위한 사내 뉴스레터 업무 자동화까지 완성할 수 있습니다. 사내 교육에 진심인 기업을 위해, 직원정보를 입력하면 교육을 추천해주는 시스템까지도 구축해볼 수 있지요.

     

    [임직원을 위한 사내 뉴스레터 업무 자동화]

     

     

    [사내 교육 추천 시스템 구축하기]

     

     

    ✅ ChatGPT, Claude, Perplexity 좋은 건 알겠는데, 

    검색 이상으로는 할 수 있는게 없다고요?

    요즘 ChatGPT, Claude, Perplexity 정말 똑똑하던데, 결국 내가 검색하고 복붙해야 해서 번거로운 과정 아니냐고요? AI 서비스를 make와 결합하면 자비스처럼 업무를 맡길 수도 있답니다. 코딩 경험은 전혀 필요하지 않아요. 오히려 아무렇게나 명령하면, 업무 자동화 횟수를 곧 소진하고 말죠. 그래서 효과적인 프롬프트 엔지니어링 기법을 배우는 것이 중요하고, 이 기법만 알면 ChatGPT에 기반한 GPTs로  나만의 프로그램을 만들 수 있습니다. GPTs와 각종 서비스를 연결하고, make의 ‘Webhook’ 기능을 사용해 어떻게 업무를 스마트하게 끝내는지 아래와 같이 한번 보실까요?

    ✅ 배워서 제대로 쓰지도 못할 바에 그냥 내가 하지.. 

    하시는 분이라면 주목!

    AI Make 툴이 유용한 건 알겠는데, 사실 이 툴 자체는 영문으로 된 자료가 대부분이고, 무엇보다 이를 전문적으로 다루는 강의가 없습니다. 그래서 AI Make를 처음 접해도, 이미 사용하고 있더라도 실력을 업그레이드 할 수 있는, 국내에서 AI Make를 가장 체계적으로 배울 수 있는 커리큘럼을 준비했습니다. make 왕초보도 업무 자동화 전문가가 될 수 있는 대체 불가능한 이 강의를 주목해주세요.

     




     

    <AI Make 하나로 끝내는 업무&비즈니스 자동화>

    내가 다 해볼 수 있을까 걱정되시나요?  지금 내가 사무실에서 하는 업무에 

    무조건 적용 가능한 아래 템플릿 하나면 즉시 수정하고 활용할 수 있어요!🔥

     

    ✅ 클릭 한번에 바로 실행 가능한 ‘워크플로우 템플릿’ 전량 제공

    ✅ 명령만 하기만 하면 자유자재로! 자동화 맞춤형 ‘프롬프트’ 제공

    ✅ 내 입맛대로 유연하게 바꾸는, GPTs 설계도 ‘스키마’ 제공

     

    다른 툴처럼 배워도 제대로 쓰지도 못할 게 아니라, 

    진짜 내 업무 상황에 맞게 바로 쓸 수 있는 실전 템플릿 제공!

    지금, 시간 집착 안 하는 직장인이 되고 싶다면  이 강의를 놓치지 마세요!

    ▶▶▶https://bit.ly/4eyJK33◀◀◀

     

    이런 글도
    있어요

    ‘쁨벙이의난’과 데이터 환각, 검색 증강 생성(RAG)

    GPU vs NPU 전격 비교!

    AI 발전의
    주역’ 딥러닝 발전의 10대 이정표

  • 적은 인원으로, 수많은 인프라를 관리하는 최상의 기술 ‘Terraform(테라폼)’

    적은 인원으로, 수많은 인프라를 관리하는 최상의 기술 ‘Terraform(테라폼)’

    AI.ing

    적은 인원으로, 수많은 인프라를 관리하는 최상의 기술 ‘Terraform(테라폼)’

    #Terraform(테라폼)

    #DevOps(데브옵스)

    #infra(인프라)

    ‘Terraform(테라폼)’은 클라우드 환경, MSA 환경, 대규모 infra(인프라) 환경 중 하나라도 해당된다면, 필수로 도입되어야 한다고 하는데요. 그 이유는 억대 단위 사용자를 커버할 수 있고, infra(인프라) 구축도 단 8시간 만에 가능하기 때문입니다. 이렇게 DevOps(데브옵스) 엔지니어 라면 꼭 알아야하는 ‘Terraform(테라폼)’ 자세히 알아볼까요?

     

    1.Terraform이란?

    ‘Terraform(테라폼)’은 HashiCorp에서 만든 것으로, DevOps(데브옵스) 엔지니어가 선언적 구성 언어를 사용하여 데이터 센터 인프라를 정의하고 프로비저닝할 수 있는 Infrastructure as Code(IaC) 도구입니다. Terraform이 다른 IaC 도구와 차별화되는 주요 이유 중 하나는 AWS, Azure, Google Cloud 등 다양한 클라우드 공급자를 관리할 수 있는 기능 때문인데요. 이러한 유연성 덕분에 DevOps(데브옵스) 엔지니어들은 여러 클라우드 환경에서 인프라의 일관성을 유지하여 원활한 마이그레이션과 확장성을 실현할 수 있습니다.

    2. Terraform은 Cloudformation과 어떻게 다를까요?

     

    Terraform과 AWS CloudFormation은 모두 코드 도구로서의 인프라이지만 몇 가지 주요 차이점이 있습니다. CloudFormation은 AWS에 특화된 반면 Terraform은 클라우드에 독립적이므로 AWS, Azure, Google Cloud 등 여러 클라우드 플랫폼에서 리소스를 관리하는 데 사용합니다. 그래서 Terraform은 멀티 클라우드 환경을 갖춘 조직에 더 적합하고 사용하기 좋습니다. Terraform을 사용하면 단일 도구와 구성을 사용하여 여러 클라우드 공급자의 리소스를 관리할 수 있는데요. 이러한 유연성은 특히 다중 클라우드 전략을 가지고 있거나 여러 클라우드 플랫폼을 사용하는 DevOps(데브옵스) 조직 및 기업에 매우 적합합니다. 

     

    3. DevOps(데브옵스)에 Terraform도입하면 좋은 점을 좀 더 자세히 알아볼까요?

    1) 인프라 구축 소요 시간 감소

    Terraform(테라폼) 도입 전에는 개발, 테스트, 운영 서버 구축을 위해서 7일 정도 소요가 되는데요. Terraform(테라폼)을 도입하게 되면 IaC의 장점인 형상 관리의 인프라를 템플릿화하여 단 8시간 만에 전 환경에 인프라 구축 완료할 수 있습니다. 

    2) 장애 상황 대비

    Terraform(테라폼) 도입 전에는 장애가 발생한 인프라를 직접 찾아 수동으로 대응해야 하고, 정상화까지 시간 예측도 어렵습니다. 그러나 Terraform(테라폼)을 도입하게 되면 장애 발생 원인만 찾으면 정상화한 인프라에 신규 배포 진행하여 분 단위로의 다운 타임 절감이 가능합니다. 

    3) 형상 관리 의 효율성

    Terraform(테라폼) 도입 전에는 콘솔로 클릭하여 사용할 경우, 형상 관리가 매우 어렵습니다. 반면 Terraform(테라폼)을 도입하게 되면, 코드 단위로 작성되어 있어 버전별 관리 및 코드 리뷰까지도 가능해 효율적인 협업이 가능합니다. 

    4. ‘Terraform(테라폼)’ , 네카라쿠배급 대규모 인프라에서는 어떻게 사용할까요?

    네카라쿠배급 대규모 인프라를 처리하고 싶은 DevOps(데브옵스) 엔지니어라면 AWS 인프라 구성부터 배포, 운영까지 DevOps의 풀 사이클을  경험해야합니다. 단순한 인프라 프로비저닝만 하는 것이 아닌 빌드, 배포 관점까지 종합적으로 구성한 DevOps(데브옵스) 엔지니어 풀 프로세스를 커버하는 경험이 필요한데요. 이런 풀프로세스에 대해 좀 더 자세히 알려드리겠습니다. 

    STEP 1. Terraform으로 AWS 인프라 구성하기(네트워크)

     

     

    Opensource인 Atlantis와 Github의 Terraform Repository를 연동 해보고  PR이 올라가면 자동으로 인프라 변경점을 보여주도록 구성해야 합니다. 테라폼 코드 협업을 위한 형상 관리 툴인 Atlantis 사용 방법과 CICD 파이프라인 자동화를 손쉽게 구축할 수 있습니다. 

     

    STEP 2. Terraform으로 AWS 인프라 구성하기(권한과 민감정보)

     

    민감정보를 KMS, IAM, SOPS를 사용해서 암호화할 수 있도록 구성하고 Atlantis와 Terraform이 이를 복호화해서 리소스를 생성해 보아야합니다. 그리고 Github에서는 민감정보가 암호화돼서 식별되지 않도록 관리하는 것이 중요합니다. 

    STEP 3. Terraform으로 Github 관리하기

     

     

    Terraform으로 Github 관리하면 Github Action에서 사용하는 민감정보를 Terraform 소스 코드의 SOPS를 통해 관리가 가능하며, 유저에게 권한을 부여하지 않고 IaC로 관리할 수 있도록 구성할 수 있습니다.

    STEP 4. Terraform으로 배포 환경 구성하기

     

     

     

    Terraform으로 배포 환경 구성하면 Jenkins를 구성하고 Codebuild와 연동하고, Codebuild를 통해 Application을 ECS, EC2, EKS에 배포할 수 있도록 파이프라인 구성할 수 있습니다.

    4.   이렇게 DevOps(데브옵스)에 이점이 많은 ‘Terraform(테라폼)’ 제대로 배우고 싶다면?

    앞선 모든 과정을 포함해서, 외부 모니터링 SaaS 활용법까지 알차게 담은 강의를 이번 패스트캠퍼스에서 런칭을 했습니다! 일반적인 강의에서는 절대 찾아볼 수 없는, 대규모 인프라 구축을 위한 Terraform 활용 방법을 DevOps(데브옵스) 풀 프로세스에 바로 적용할 수 있도록 알려주는데요.  억대 단위의 사용자부터 백만 단위의 트래픽까지 커버해본, 국내 탑티어 DevOps(데브옵스) 개발 리드가 국내 유일 실무 수준의 깊은 활용을 담은 Terraform 활용법을 알려드리니 놓치지 마세요! 

    ▼ 자세한 강의 내용 살펴보기▼

     

    이런 글도
    있어요

    ‘쁨벙이의난’과 데이터 환각, 검색 증강 생성(RAG)

    GPU vs NPU 전격 비교!

    AI 발전의
    주역’ 딥러닝 발전의 10대 이정표

AI:ing

끝없이 이어질 인공지능의 이야기
AI:ing에서 당신의 커리어 성장이 시작됩니다.

ALL

Career

Series

Topic

IT

금융

미디어/엔터

환경

해외

AI:ING only

AI Double UP

AI 자격증(AICA)

이벤트

Youtube Instagram Facebook