벡터 DB 란 벡터 DB 정의 및 역할 임베딩된 고차원 벡터 데이터(임베딩 모델의 아웃풋) 를 저장하고 효율적으로 검색할 수 있게 도와주는 데이터 베이스.데이터 포인트(데이터 집합 안에 포함된 하나의 관측치/항목): 숫자 배열인 “벡터”벡터의 유사성을 기반으로 클러스터링됨. → 지연시간이 짧은 쿼리를 지원하기 때문에 AI 애플리케이션에 이상적.사실상 모든 데이터 유형에 대한 의미론적 의미, 특징을 기반으로 함께 그룹화되거나 반대되는 것으로 식별됨.벡터 데이터베이스는 RAG 구현을 지원하는 데 핵심적인 역할을 함. 벡터와 텐서Vector텐서의 하위 집합여러 스칼라를 포함하는 1차원 혹은 1차 텐서. → 숫자 모음.ex) 날씨모델은 하루동안의 최저온도, 최고온도, 평균온도를 벡터로 구성 가능각 스칼라는 벡터..

1. 임베딩 (Embedding) 이란 단어, 문장, 이미지 등 사람이 사용하는 복잡한 데이터를 기계가 이해할 수 있는 숫자 벡터로 변환하는 과정 또는 그 결과물데이터를 임베딩 생성 모델에 입력하면 일정 수의 실수로 구성된 벡터 출력됨. 사람이 직접 관찰, 의미 파악하기는 어렵지만 컴퓨터는 “임베딩” 간의 거리를 계산하여 “의미적인 관계” 이해 가능. 사실상 모든 유형의 데이터에 대한 시멘틱 정보를 인코딩해서 고차원 벡터로 나타내는 것. 2. 임베딩의 역할 단어, 문장 간 의미 관련도 계산서로 다른 단어와 범주 간의 관계를 이해의미적, 문법적 정보 함축 → 벡터값이기 때문에 사칙연산으로 단어들 사이의 의미, 문법적 관계 도출 가능. 3. 임베딩 작동 방식 대부분의 머신러닝 알고리즘의 입력 값 : 저차원..