LLM 을 이용하여 개인, 회사의 데이터를 기반으로 질문에 대해 답변을 이끌어 내는 RAG(Retrieval Augmented Generation) 이 등장했다. 데이터는 일정 사이즈로 분리가 되어 임베딩(분리된 문장을 일정 사이즈의 Dimension의 값) 되어야 하고 임베딩 간의 유의도 측정이 가능하도록 임베딩 벡터 db에 저장이 되어야 한다.
위의 시스템을 구축하기 위해서는 시간, 노력, 비용(임베딩, LLM사용)이 필요하게 된다.
위의 시스템을 무료로 사용가능한 google notebooklm을 소개하고자 한다.
https://notebooklm.google.com/
1. 위 사이트에 구글 계정으로 로그인
2. Create new notebook 을 클릭하여 새로운 노트북을 생성
노트북은 사용 용도의 개념으로 보면 된다. 예) 인사관리 노트북
3. 데이터 업로드
구글검색에서 서울시설공단의 사내 유급휴가 규정 pdf 가 다운로드 가능하기에 이를 이용
4. 업로드한 pdf는 왼쪽에 리스트업 되고 "병가는 며칠까지 가능하나요?" 질문에 대해 PDF내에서 관련 내용을 검색하여 Gemini로 정리하여 보여주게 된다.
'data science > python' 카테고리의 다른 글
if elif 쓰지 않기 (0) | 2025.03.04 |
---|---|
Dijkstra Algorithm가 구현된 osmnx 라이브러리를 이용한 경로 검색 (0) | 2025.02.22 |
Dijkstra Algorithm (Google map 에서도 사용하는 경로 찾기) (0) | 2025.02.21 |
(colab) web scrapping (0) | 2025.02.16 |
dict 을 이용한 일괄 문자열 바꿔치기 (0) | 2025.02.12 |