카테고리: AI

AI 태그별 글

필터

Elasticsearch에서 Amazon Nova 모델 사용

Elasticsearch에서 Amazon Nova 모델을 사용하여 Elasticsearch의 제품 리뷰에서 감정, 진정성, 요약, 키워드를 자동으로 추출하는 방법을 알아봅니다.

Andre Luiz

모델 컨텍스트 프로토콜을 사용하여 에이전트를 Elasticsearch에 연결하기

모델 컨텍스트 프로토콜 서버를 사용해 Elasticsearch에서 데이터와 채팅해 보겠습니다.

Jedr Blaszyk

Elasticsearch로 멀티모달 RAG 시스템 구축하기: 고담시 이야기

텍스트, 오디오, 비디오, 이미지 데이터를 통합하여 더욱 풍부하고 맥락에 맞는 정보 검색을 제공하는 멀티모달 검색 증강 세대(RAG) 시스템을 구축하는 방법을 알아보세요.

Alex Salgado

추론 API와 함께 올라마 사용

추론 API를 사용해 Ollama를 Elasticsearch와 통합하는 방법을 알아보세요.

Jeffrey Rengifo

Ollama 및 Kibana로 RAG 환경에서 DeepSeek R1을 로컬로 테스트하기

DeepSeek의 로컬 인스턴스를 실행하고 Kibana 내에서 연결하는 방법을 알아보세요.

Dave Erickson

패싯 검색: AI를 사용하여 검색 범위 및 결과 개선

Elasticsearch에서 패싯 검색을 사용하여 카테고리 내의 옵션을 빠르게 좁히는 방법을 살펴보세요.

Andre Luiz

AI 에이전트 개발을 위해 Microsoft 시맨틱 커널용 Elasticsearch 벡터 스토어 커넥터를 사용하는 방법

Microsoft 시맨틱 커널은 가벼운 오픈 소스 개발 키트로, AI 에이전트를 쉽게 빌드하고 최신 AI 모델을 C#, Python 또는 Java 코드베이스에 통합할 수 있습니다. Semantic Kernel Elasticsearch 벡터 스토어 커넥터가 출시됨에 따라, 이제 AI 에이전트 구축에 Semantic Kernel을 사용하는 개발자는 확장 가능한 엔터프라이즈급 벡터 스토어로 Elasticsearch를 플러그인하면서 Semantic Kernel 추상화를 계속 사용할 수 있습니다.

Florian Bernd

Elasticsearch를 임베딩 저장소로 활용한 LangChain4j

LangChain4j(Java용 LangChain)에는 임베딩 저장소로 Elasticsearch가 있습니다. 이를 사용하여 일반 Java로 RAG 애플리케이션을 빌드하는 방법을 알아보세요.

David Pilato

Java 애플리케이션에 LLM 통합을 간소화하는 LangChain4j 소개

LangChain4j(Java용 LangChain)는 일반 Java로 RAG 애플리케이션을 구축할 수 있는 강력한 툴셋입니다.

David Pilato

고급 RAG 기술 2부: 쿼리 및 테스트

RAG 성능을 향상시킬 수 있는 기술을 논의하고 구현합니다. 2부 2부에서는 고급 RAG 파이프라인 쿼리 및 테스트에 중점을 둡니다.

Han Xiang Choong

고급 RAG 기술 1부: 데이터 처리

RAG 성능을 향상시킬 수 있는 기술을 논의하고 구현합니다. 2부 중 1부에서는 고급 RAG 파이프라인의 데이터 처리 및 수집 구성 요소에 초점을 맞춥니다.

Han Xiang Choong

Elasticsearch와 LlamaIndex로 RAG에서 민감 정보 및 PII 정보 보호하기

Elasticsearch와 LlamaIndex를 사용하여 RAG 애플리케이션에서 민감한 데이터와 개인 식별 정보(PII) 데이터를 보호하는 방법.

Srikanth Manvi

최첨단 검색 환경을 구축할 준비가 되셨나요?

충분히 고급화된 검색은 한 사람의 노력만으로는 달성할 수 없습니다. Elasticsearch는 여러분과 마찬가지로 검색에 대한 열정을 가진 데이터 과학자, ML 운영팀, 엔지니어 등 많은 사람들이 지원합니다. 서로 연결하고 협력하여 원하는 결과를 얻을 수 있는 마법 같은 검색 환경을 구축해 보세요.

직접 사용해 보세요