goodwon5937125

새해 복 많이 받으세요. 우선 Agentic RAG 강의를 선택해 주셔서 감사합니다. 요청하신 Model 강의자료라는 것이 무슨 뜻인지 알지 못해 다시 문의 드리게 되었습니다. Agentic RAG 강의에는 Model 강의가 따로 없습니다. <a target="_blank" rel="noopener noreferrer nofollow" href="https://inf.run/VZdpz">AI Agent with LangGraph 강의</a> 에 Model 강의가 있는데, 여기를 말씀하신 것인가요? 혹시 Python 설치 및 가상환경 세팅에 대한 강의자료라면, 아래 이미지와 같이 자료를 첨부하였습니다. 해당 자료를 이용하시면, Python 설치 및 가상환경 세팅을 하시는데 문제가 없으실 것입니다. 감사합니다. <img src="https://cdn.inflearn.com/public/files/posts/dd931904-8fe2-4ebc-b66e-40f100008a3e/5465dd84-0314-49c0-9d4e-3cecba4fea21.png" media-type="img" alt="image.png" title="image.png" width="643" height="201">

Model 강의자료 어디있나요?

<pre><code class="language-markdown">안녕하세요! 저처럼 추천 시스템에 관심을 갖고 계신 분을 만나게 되어 정말 반갑고 기쁩니다. 😊
말씀해주신 내용을 바탕으로, 저는 두 가지 주요 문제를 정의할 수 있을 것 같고, 이에 대한 제 의견도 함께 드리고자 합니다.

1. 사용자의 선호도와 성향에 대한 데이터 부족
 - 이 문제는 전형적인 Cold Start 문제로 볼 수 있습니다.
 - 따라서, 초기 사용자에 대한 정보가 부족한 상황을 고려한 시스템 설계가 필요합니다.
2. 사용자의 직군 및 역할 변화, 최신 트렌드 반영의 어려움
 - 추천의 정확도를 높이기 위해서는, 사용자의 직군과 역할, 그리고 업계의 최신 트렌드를 지속적으로 반영해야 합니다.
 - 이를 위해 다음과 같은 접근이 필요합니다:
 - 직군 및 역할에 대한 명확한 정의
 - 최신 트렌드 정보를 주기적으로 수집·업데이트하는 데이터 파이프라인 구축
 - 다양한 도메인에서 수집한 메타 정보를 적극적으로 활용

특히, Cold Start 문제를 해결하기 위해 사용자와 아이템 간의 복잡한 관계를 다루는 경우에는
기존의 RDB나 VectorDB보다 GraphDB를 사용하는 것이 더 적합할 수 있다고 생각합니다.

제가 만든 강의는 초급자를 대상으로 하다 보니, GraphDB와 같은 심화된 주제는 포함하지 못했지만
기본적인 개발 능력이 있으시다면 충분히 직접 구현해보실 수 있을 거라 생각합니다.

혹시 더 궁금하신 점이 있으시면 언제든지 편하게 문의 주세요. 감사합니다!</code></pre>

goodwon5937125

Posts