본문 바로가기
  • AI 시대에 적응하는 현대인을 위한 지식 공간
  • AI를 위한 데이터를 과학으로 역어본다

분류 전체보기190

로컬AI 구축의 핵심 : LLM과 임베딩 모델의 협업 AI가 어떻게 똑똑해지는 걸까요?많은 개발자들이 "AI를 만들려면 ChatGPT 같은 모델 하나만 있으면 되는 거 아닌가?"라고 생각합니다.하지만 실제로 업무에 활용할 수 있는 똑똑한 AI를 만들려면 두 개의 서로 다른 AI 모델이 팀워크를 이뤄야 합니다. 이는 마치 사람이 뇌에서 기억을 저장하는 부분(해마)과 생각하고 판단하는 부분(전두엽)이 따로 있는 것과 같습니다. AI도 마찬가지로 정보를 저장하고 찾는 역할을 하는 임베딩 모델과 그 정보를 바탕으로 똑똑한 답변을 만드는 LLM(대형 언어 모델)이 각각의 전문 역할을 담당합니다. 이 두 모델이 협력하는 이유는 각각이 서로 다른 강점을 가지고 있기 때문입니다.임베딩 모델은 마치 도서관 사서처럼 수많은 문서 중에서 질문과 관련된 정보를 빠르게 찾아내는 .. 2025. 7. 28.
[LED STATION.01] LED Matrix 64x64를 이용한 LED 스테이션 개발 ESP32-S3 Matrix Portal Display SystemAI코딩의 등장과 함께 다양한 분야에서 AI와의 협업을 통한 시스템 개발이 가능해졌습니다.YOUTUBE나 블로그에서의 AI코딩과 관련된 개발 가이드들은 대부분 웹개발을 위주로 합니다. 대부분의 개발자들이 개발 결과물의 저장소로 GitHub를 이용하고 있는데, 많은 수의 저장소가 대부분 웹 플랫폼과 관련된 서비스이기도 하고 웹 개발자들이 많은 이유도 있을듯 합니다. [LED STATION] 프로젝트는 Visuaul Studio Code + GitHub Copilot AI Code Assistant + PlatformIO 개발 플랫폼에서 아두이노 프레임워크를 이용한 소프트웨어 개발과 Adafruit Matrix Portal S3 제어보드, .. 2025. 7. 27.
제조업 특화 로컬 LLM 도구 TOP 5 제조업에 특화된 로컬 LLM모델을 선정하기 위해 선행 적용 모델들을 분석할 필요가 있습니다. 저는 아직도 중소 제조기업에 가장 적합한 로컬AI용 LLM모델이 어떤것일까? 를 계속 시험하고 있고, 아직도 정답을 모르겠습니다. 다양한 형태의 중소기업과 중소기업이 보유한 복잡하고 난해하고, 표준화 되지 않은 생산데이터를 어떻게 하면 가장 적은 비용과 시간안에 AI를 구축하고, 비 전문가인 현장에서 사용될 수 있을 정도의 로컬AI 구축용 LLM모델을 찾는것은 성공으로 가장 빠르게 접근 할 수 있는 방법입니다. 저는 Ollama 플랫폼 기반의 로컬LLM 모델을 이용한 학습과 시험을 진행하는 것을 선호합니다. 그래도 결과가 잘 나오지 않을 때는 다른 LLM도구들에 눈을 돌려 사용해보고 비교해 보기도 합니다. 그래서.. 2025. 7. 26.
[주식] 재무제표 핵심 지표로 건전한 기업 찾기 데이터과학으로 투자 리스크를 줄이는 방법투자의 세계에서 "숫자는 거짓말을 하지 않는다"는 말이 있습니다.기업의 재무제표는 그 기업의 건강상태를 보여주는 가장 객관적인 지표입니다. 하지만 수많은 재무 데이터 중에서 어떤 지표를 봐야 할지, 어떻게 분석해야 할지 막막한 초보 투자자들이 많습니다. 특히 주식 투자를 시작한 지 얼마 안 된 투자자들은 기업의 좋고 나쁨을 판단할 객관적인 기준이 필요합니다. 오늘은 데이터과학적 접근법으로 재무제표의 핵심 지표들을 분석하여 건전한 기업을 찾는 방법을 초보자도 쉽게 이해할 수 있도록 설명하려고 합니다.1. 왜 재무제표 분석이 중요한가?기업 투자에서 감정적 판단보다는 데이터 기반의 객관적 분석이 중요합니다.많은 초보 투자자들이 뉴스나 소문, 주가 차트의 움직임만 보고 투.. 2025. 7. 25.
Claude Desktop + MCP 연결 및 활용 MCP는 다른 프로그램과의 협업 매커니즘입니다ChatGPT가 한 참이나 일반인들에게 까지 확장되어 사용하고 있을 때, 갑자기 AI 코딩에 특화된(?) Cursor 개발 환경 플랫폼 및 Claud 생성형 AI서비스를 접하게 됩니다. AI코딩에 특화되어 있다보니, 다른 어플리케이션과의 연계성도 고려할 수 밖에 없고 MCP라는 프로토콜을 활용한 개발도 지원하게 됩니다.쉽게 말해서 MCP는 나 혼자만 일 잘하는게 아니라 다른 프로그램에 일을 시키는 일을 잘하게 되는거죠.특히나 프로젝트 기획 및 디자인에 전문적인 Figma와의 연결은 IT프로젝트의 팀원간 협업에 극적인 생산성과 협업 매커니즘을 만들기 시작했습니다. 1. Claude Desktop 개요 : 브라우저 버전과의 차이점Claude Desktop은 .. 2025. 7. 24.
2024년 인공지능(AI) 플랫폼 순위 여기서 언급되는 AI플랫폼은 일반 사용자들이 사용한는 챗봇형태의 서비스 플랫폼이 아닙니다. API등을 활용하여 별개의 AI서비스를 구축하기 위한 인공지능 플랫폼입니다. 때에 따라서는 지향하는 비지니스에 맞춰 머신러닝, 딥러닝 등의 추가학습이 필요하기도 하고, 특화되고 전문화된 데이터를 이용할 수 있어야 합니다. 인공지능 플랫폼은 CLOUD 형, On-Premise타입의 솔루션 제공형이 있을 수 있습니다. 아래에 제공되는 인공지능 플랫폼을 경험하시고 최적화된 AI모델을 찾기를 희망합니다.2024년 주요 인공지능 플랫폼 15선순위플랫폼명주요 특징용도1ClickUp Brain- 프로젝트 관리와 AI가 통합된 종합 업무 플랫폼- 작업, 문서, 팀원을 AI로 연결하는 세계 최초 신경망- 워크플로우 자동화와 반복.. 2025. 7. 23.
[AI코딩.11] AI 코딩 미래 전망과 마무리 - AI 코딩의 다음 단계 AI코딩 활용을 위한 개발자 가이드안녕하세요! 드디어 "AI코딩 활용을 위한 개발자 가이드" 연재의 마지막 편에 도달했습니다.지난 10편에 걸쳐 AI 코딩 도구의 기본 사용법부터 실전 프로젝트 적용까지 다양한 내용을 다뤄왔습니다. 이번 11편에서는 AI 코딩의 미래를 전망하고, 앞으로 개발자들이 어떻게 준비해야 할지에 대해 알아보겠습니다. 또한 연재 전체를 정리하며 AI코딩과 관련된 궁금증을 해결하는 시간을 가져보겠습니다. 변화하는 기술 환경 속에서 개발자로서 어떤 방향으로 성장해야 할지, 그리고 AI와 함께 일하는 새로운 패러다임에 대해 깊이 있게 살펴보겠습니다.1. 2025년 AI 코딩 도구 전망2025년 현재, AI 코딩 도구 시장은 급속도로 발전하고 있으며, 앞으로 몇 년간 더욱 혁신적인 변화가.. 2025. 7. 22.
[AI코딩.10] Augmented 코딩과 Vibe 코딩에 대한 개발자 가이드 1. 들어가며: 두 가지 코딩 패러다임의 만남개발자로서 10년 넘게 코드를 작성해오면서, 나는 AI를 활용한 코딩스타일에서 두 가지 극명하게 다른 코딩 스타일을 목격해왔습니다. 한쪽에는 "일단 돌아가게 만들고 나중에 생각하자"는 Vibe 코딩이 있고, 다른 한쪽에는 AI와 도구의 힘을 빌려 체계적이고 전략적으로 접근하는 Augmented 코딩이 있다. 현재는 바이브 코딩도 나름의 매력이 있었지만, 2025년 현재 시점에서 보면 설계형 증강 코딩이야말로 진정한 게임 체인저라고 확신합니다. 특히 복잡한 비즈니스 로직을 다뤄야 하는 현대 개발 환경에서는 더욱 그렇습니다. 오늘은 왜 모든 개발자가 augmented 코딩으로 전환해야 하는지, 그리고 어떻게 실천할 수 있는지에 대해 실제 사례와 함께 상세히 이야기.. 2025. 7. 21.
[git] Synology Drive에서 .git 폴더 동기화 설정 방법 시놀로지 드라이브를 이용해 프로젝트를 동기화해서 사용하면, 사무실과 집 또는 다른 장소에서 손쉽게 프로젝트를 다양한 곳에서 동기화된 프로젝트 소스를 공유해서 사용할 수 있어서 매우 편리합니다.그런데, 프로젝트의 소스는 synology drive client로 동기화 되어있고 .git도 공유될 수 밖에 없는데, 이는 프로젝트 동기화중 .git내의 cache등으로 동기화 문제가 발생되곤 합니다. 동기화에 문제가 생긴다는 것은 해당 동기화 오류로 더이상 시놀로지 동기화를 사용할 수 없다는 의미와 같습니다. 그래서 오늘은 어떻게 하면 .git관련 디렉토리를 동기화에서 제외하고 현명하게 프로젝트 디렉토리를 동기화 할 수 있는지를 알아보려 합니다.1. Synology Drive Client를 활용한 데이터 동기화시.. 2025. 7. 19.