JavaScript를 사용하여 생성적 AI의 힘을 발견하세요. AI를 웹, 모바일 또는 데스크톱 애플리케이션에 원활하게 통합하는 방법을 알아봅니다.
AI를 사용하는 JavaScript?
Python이 AI 모델을 만들고, 학습시키고, 미세 조정하는 데 가장 적합한 언어인 것은 사실이지만, 이러한 AI 모델을 사용하여 애플리케이션을 만드는 것은 다른 이야기입니다. 대부분의 AI 모델은 웹 API를 사용하여 사용됩니다. 즉, HTTP 호출을 수행할 수 있는 모든 언어는 실제로 AI를 수행할 수 있습니다. JavaScript는 플랫폼 간이며 브라우저와 서버 쪽 환경 간에 원활한 통합을 제공하므로 AI 애플리케이션에 적합합니다.
재미있고 대화형 코스
비디오, 코드 프로젝트 및 전체 구현을 포함한 몰입형 학습 환경에 참여하여 생성 AI를 사용하고 알아봅니다.
이 과정은 학생과 신규 개발자가 재미있고 대화형 방식으로 AI에 대해 배울 수 있는 좋은 방법입니다. 경력 개발자의 경우 AI로의 스케일링을 위해 심층 분석합니다.
이 과정에서는 다음을 수행합니다.
- 생성 AI로 역사적 인물을 생생하게 재현하며 AI를 배워보세요.
- 기본 제공 브라우저 API를 사용하여 접근성 적용
- 텍스트 및 이미지 생성을 사용하여 AI를 앱 환경에 통합
- AI 애플리케이션에 대한 아키텍처 패턴 알아보기
도우미 애플리케이션을 사용하여 역사적 인물들과 대화하다
LLM에 대해 알아야 할 사항
LLM(큰 언어 모델)은 토큰화된 입력을 통해 텍스트를 인식하고 생성하기 위해 방대한 양의 데이터에 대해 학습된 심층 신경망입니다. LLM은 처음에 다양한 광범위한 데이터 세트(비용이 많이 드는 프로세스)를 학습하여 기본 모델을 만든 다음, 고품질 출력을 위해 특수 데이터로 미세 조정할 수 있도록 빌드됩니다. 실제로 이러한 모델은 일반적인 IDE 또는 자세한 프롬프트를 따르는 채팅 인터페이스를 통해 고급 자동 완성 시스템과 같이 작동합니다. 그러나 컨텍스트 창 때문에 제한되며 (보통 몇 천 개의 토큰이지만, 최신 모델들은 훨씬 더 많은 토큰을 처리할 수 있습니다) 학습 데이터로부터 바이어스를 계승할 수 있습니다. 이는 AI 개발에서 공정성, 안정성, 개인 정보 보호 및 책임을 강조하는 Microsoft가 옹호하는 것과 같은 책임 있는 AI 관행의 중요성을 강조합니다.
과정의 LLM 세션에서 자세히 알아보세요.
필수 프롬프트 엔지니어링 기술
프롬프트 엔지니어링에는 AI 모델 출력을 향상시키기 위한 프롬프트 디자인 및 최적화가 포함됩니다. 이 세션에서는 모델이 예제 없이 학습 데이터를 사용하여 응답을 생성하는 제로샷 학습과 예제가 원하는 결과를 안내하는 몇 번의 학습과 같은 기술로 개념이 도입되었습니다. 발표자는 단계별 추론, 명확한 지침, 컨텍스트 및 출력 형식 지정을 장려하기 위해 생각의 체인 구와 같은 신호를 추가하면 모델의 응답을 크게 향상시킬 수 있는 방법을 보여 줍니다. Contoso Shoes용 AI 도우미와 함께 시나리오를 사용하는 경우 톤 조정 및 개인 설정과 같은 다양한 수정 사항이 결과를 더욱 구체화하는 것으로 표시되어 다음 세션에서 RAG와 같은 고급 기술에 대한 단계를 설정합니다.
과정의 프롬프트 엔지니어링 세션에서 자세히 알아보세요.
RAG를 사용하여 AI 정확도 및 안정성 향상
RAG(검색 증강 세대)를 사용하여 AI 정확도 및 안정성을 향상시킵니다. RAG는 기술 자료에서 관련 up-to날짜 문서를 끌어오는 리트리버와 해당 특정 컨텍스트에 따라 답변을 만드는 생성기를 결합하여 기존의 대형 언어 모델의 한계를 극복합니다. 이 메서드는 신뢰할 수 있는 원본에 출력을 접지하여 사실적이고 투명한 응답을 보장하므로 비용 효율적이고 검증 가능합니다. Contoso 부동산 지원을 사용하는 실용적인 예제는 RAG가 회사 문서를 사용하여 응답을 백업하여 상세하고 인용된 답변을 효과적으로 제공하는 방법을 보여 줍니다.
과정의 RAG 세션에서 자세히 알아보세요.
LangChain.js 사용하여 AI 개발 가속화
대규모 언어 모델 작업을 간소화하는 JavaScript 라이브러리인 LangChain.js사용하여 AI 개발을 가속화합니다. LangChain.js 프롬프트 템플릿을 빌드하고, 모델 및 벡터 데이터베이스 구성 요소를 관리하고, 복잡한 워크플로를 만들기 위한 개략적인 추상화 기능을 제공합니다. 이 프레임워크를 사용하면 질문에 대답하기 위해 YouTube 대본을 추출하고 처리하는 API를 빌드하는 것과 같은 신속한 프로토타입 생성이 가능하며, 로컬 모델 및 벡터 저장소를 Azure 서비스로 바꾸는 것과 같은 쉬운 구성 요소 교환을 허용하여 로컬 개발에서 Azure의 프로덕션으로의 전환을 간소화합니다.
과정 LangChain.js 세션에서 자세히 알아보세요.
Ollama를 사용하여 로컬 컴퓨터에서 AI 모델 실행
llama.cpp 기반으로 하는 오픈 소스 도구인 Ollama에서 로컬 AI 모델을 다운로드하고 사용하여 Phi-3과 같은 작은 언어 모델을 효율적으로 실행합니다. 로컬 모델은 클라우드 인프라에 대한 의존도를 없애고, 오프라인 기능을 사용하여 신속한 개발을 가능하게 하며, 빠른 내부 개발 루프를 통해 비용 효율적인 테스트를 제공합니다. 고성능 및 책임 있는 AI 안전성으로 유명한 Phi-3은 보통 사양 디바이스에서도 실행할 수 있으며 OpenAI 호환 API를 통해 액세스할 수 있으므로 개발 워크플로와 쉽게 통합할 수 있습니다.
Phi-3을 사용하여 무료로 AI 시작
Ollama 도구와 Phi-3 모델을 사용하여 브라우저에서 온라인 플레이그라운드를 통해 직접 AI 모델을 실험해보세요. GitHub Codespace를 만들면 브라우저에서 친숙한 VS Code 편집기와 상호 작용하고, 터미널에서 Ollama run phi3과 같은 명령을 실행하여 모델과 채팅하고, OpenAI 호환 API를 통해 프롬프트 엔지니어링, 몇 번의 학습 및 검색 보강된 생성을 보여 주는 코드 블록을 실행하기 위한 대화형 Jupyter Notebook을 활용할 수 있습니다. 이 설정을 사용하면 빠른 GPU 또는 로컬 인프라가 필요하지 않은 AI 프로젝트를 완전히 온라인으로 탐색하고 개발할 수 있습니다.
코스의 Phi-3 세션에서 자세히 알아보세요.
Azure AI Foundry 소개
Azure AI Foundry는 JavaScript를 사용하여 생성 AI 애플리케이션을 빌드하는 과정을 위한 게이트웨이와 같습니다. 이 세션에서는 Foundry가 허브 및 프로젝트를 통해 리소스를 구성하는 방법을 살펴보고, 다양한 공급자의 수천 개의 모델이 포함된 풍부한 모델 카탈로그를 살펴보고, 모델을 배포하여 대화형 놀이터에서 테스트합니다. 관리형 컴퓨팅 또는 서버리스 API 옵션을 선택하든, 모델을 선택, 배포 및 개발 워크플로에 통합할 때 핵심 개념은 일관성을 유지합니다.
과정의 Azure AI Foundry 세션에서 자세히 알아보세요.
Azure Cosmos DB를 사용하여 생성 AI 앱 빌드
과정의 Azure Cosmos DB 세션에서 자세히 알아보세요.
AI 앱을 호스팅하고 저장하기 위한 Azure 도구 & 서비스
AI 앱을 호스팅하고 저장하기 위한 필수 Azure 도구 및 서비스에 대해 알아봅니다. 채팅 앱에서 검색 보강된 세대 및 자율 에이전트에 이르기까지 빌드할 수 있는 다양한 유형의 AI 앱을 살펴보고 원활한 배포를 위한 AZD(Azure Developer CLI)를 포함하여 필요한 도구에 대해 설명합니다. 아키텍처 옵션, 서버리스 및 컨테이너 기반 접근 방식의 무게를 측정하고, 보안, 크기 조정 및 모니터링을 고려하여 프로덕션 환경에서 API를 관리하는 방법을 알아보고, AI 애플리케이션이 강력하고 실제 사용을 준비할 수 있도록 합니다.
과정의 Azure 도구 및 서비스 세션에서 자세히 알아보세요.
생성 인공지능 출력을 AI 채팅 프로토콜을 통해 스트리밍하기
백 엔드 AI 유추 서비스와 클라이언트 애플리케이션 간의 실시간 통신을 간소화하는 AI 채팅 프로토콜을 사용하여 스트리밍 생성 AI 출력을 살펴봅니다. 브라우저에서 유추와 AI 유추 서버를 통해 API 키 노출, 데이터 삭제 및 프로토콜 선택과 관련된 문제를 설명하는 두 가지 스트리밍 방법을 검토합니다. AI 채팅 프로토콜의 경량 클라이언트와 동기(getCompletion) 및 비동기(getStreamedCompletion) 메서드를 사용하면 LangChain.js 샘플을 사용하여 서버리스 RAG에서 설명한 것처럼 안전하고 효율적이며 잘 구성된 스트리밍을 AI 앱에 쉽게 통합할 수 있습니다.
과정의 스트리밍 세션에서 자세히 알아보세요.