정보통신

Gemma 4 기반으로 하이브리드(RAG + Fine-Tuning) 방식으로 구축 1단계: 파인튜닝 (Fine-Tuning) – "모델의 페르소나 구축" Gemma 4가 특정 도메인의 용어를 이해하고, 일관된 답변 형식을 갖추도록 합니다. 방법론: QLoRA (4-bit Quantized LoRA) 사용. (VRAM 소모를 줄여 RTX 4090급에서도 학습 가능) 도구: Unsloth (Gemma 4 학습에 최적화되어 속도가 2배 이상 빠름) 데이터셋 구성: 형식: {“instruction”: “…”, “input”: … 더 읽기

데이터센터 통합 관리 및 고부가가치 서비스 제공을 위한 DCIM-디지털 트윈 융합 운영 플랫폼 제안 Case Study, Smartspace KDM Consulting,. 데이터센터 운영 패러다임의 변화와 디지털 전환의 가속화 현대 비즈니스 환경에서 데이터센터는 단순한 서버 수용 공간을 넘어 기업의 디지털 혁신을 지탱하는 핵심 동력원이자 국가적 차원의 핵심 전략 인프라로 자리 잡았다. 특히 인공지능(AI), 빅데이터 분석, 클라우드 컴퓨팅 서비스의 … 더 읽기

이 표는 ‘독자성’의 단계에 따른 AI 모델 개발 및 운용 방식을 L0부터 L6까지 7단계로 구분하여 설명하고 있습니다. 학습 방법, 모델의 결과물 및 구조, 학습 소프트웨어, 데이터센터, 그리고 AI 반도체까지 각 요소별로 의존도와 자체 확보 수준을 비교합니다. AI 파운데이션 모델 독자성 단계별 구분 ‘독자성’의 단계 L0 L1 L2 L3 L4 L5 L6 학습(training) 프롬프트 개발, RAG … 더 읽기

Modern C++ SQLite 예제, SmartSpace KDM의 메모리 관리 가이드 적용 이 프로젝트는 전통적인 C 스타일 라이브러리인 SQLite3를 Modern C++ (C++14 이상) 스타일로 안전하고 효율적으로 사용하는 방법을 보여주는 예제입니다. 스마트 포인터(std::unique_ptr)와 RAII(Resource Acquisition Is Initialization) 패턴을 적용하여 메모리 및 리소스 누수를 방지하는 방법을 중점적으로 다룹니다. 소스 구성 sqlite_modern_example.cpp: 메인 소스 코드입니다. Custom Deleters: sqlite3_close와 sqlite3_finalize를 자동으로 … 더 읽기