거대 언어 모델(LLM)이 중심이 되는 생성형 AI는 컴퓨팅 분야의 혁신적인 시대를 열며 인간-컴퓨터 상호 작용을 재편하고 있습니다. 이 웨비나에서는 이 최첨단 기술의 기능을 탐색하고 이 기술이 비즈니스 운영을 향상할 수 있는 방법을 살펴봅니다.

Amanda Saunders
, 시니어 매니저, 엔터프라이즈 AI 제품 마케팅, NVIDIA Jeremy Krinitt, 개발자 관계 시니어 매니저, NVIDIA

이 웨비나는 AI 팀이 생성형 AI와 관련하여 보유해야 하는 필수 지식을 제공합니다. 데이터 수집 및 큐레이션에서 모델 맞춤화 및 배포에 이르는 주제를 다룹니다.

Amanda Saunders, 시니어 매니저, 엔터프라이즈 AI 제품 마케팅, NVIDIA
Donald Chouinard, 제품 마케팅 매니저, NVIDIA

오늘날의 경쟁적인 환경에서 혁신과 효율성은 성공의 필수 요소입니다. 이제 인공지능의 통합은 선택이 아닌 필수이지만, 거대 언어 모델(LLM)은 할루시네이션(Hallucination)의 문제와 더불어 도메인 특화 주제를 이해하는 데 어려움을 겪고 있습니다. 그러나 검색 증강 생성(RAG)은 이 웨비나에서 탐색한 것처럼 AI를 혁신적으로 발전시켜 기업이 도메인 특화 실시간 데이터를 이전과는 차원이 다른 방식으로 활용할 수 있습니다. 이 웨비나는 신뢰할 수 있는 최신 소스의 데이터에 액세스하여 이를 처리 및 제공하는 고도로 맞춤화된 AI 챗봇을 구축하는 방법에 초점을 맞춥니다.

생성형 AI는 엔터프라이즈 혁신의 초석 역할을 하지만, 엔드투엔드 AI 파이프라인을 개발 및 배포하는 데는 해결해야 할 여러 과제가 있습니다. 풀 스택 접근 방식을 채택하면 웨비나에서 살펴본 바와 같이 기업이 기술 장애를 극복하고, 모델 성능을 향상하고, 가치 창출 시간을 단축할 수 있습니다. 웨비나에서는 검색 증강 생성(RAG)을 통합하는 엔드투엔드 생성형 AI 워크플로우를 구축하여 거대 언어 모델(LLM)의 훈련, 파인 튜닝 및 배포를 가속화하고 생성형 AI 애플리케이션을 위한 엔터프라이즈급 런타임을 활용하는 방법을 살펴봅니다.
Anne Hecht
, 시니어 디렉터, 제품 마케팅, NVIDIA Tony Paikeday

기관이 생산 과정에서 생성형 AI 실험에서 벗어나 이러한 애플리케이션을 배포하고 확장하는 데 중점을 두면서 안전하고 효율적인 AI 추론에 초점을 맞추는 것이 중요해지고 있습니다. 이 웨비나에서는 실제 기업 사례 연구를 통해 데이터 보안, 규정 준수 및 혁신 민첩성을 보장하면서 AI 추론을 규모에 맞게 최적화하는 주요 전략을 탐구합니다.

Bethann Noble
, 제품 마케팅 매니저, NVIDIA Neal Vaidya, 개발자 옹호자, NVIDIA