Category Kaggle Gen-AI
![[Kaggle Gen AI] Day 5 - 생성형 AI 배포와 거버넌스: 최종 사용자 시스템에서 자율 에이전트까지 🚀](/assets/images/20250402/day5_1.png)
[Kaggle Gen AI] Day 5 - 생성형 AI 배포와 거버넌스: 최종 사용자 시스템에서 자율 에이전트까지 🚀
지난 글 생성형 AI 시스템의 성능을 어떻게 평가할 수 있는지 살펴봤다.
[Kaggle Gen AI] Day 5 - 생성형 AI 개발과 운영의 핵심 단계: 체이닝, 튜닝, 데이터, 평가 🚀
지난 글생성형 AI를 현실에서 ‘진짜 쓰이는’ 시스템으로 만들기 위한 여러 전략을 살펴봤다. 그 중에서도 생성형 AI 시스템의 생애주기 5단계 중...
[Kaggle Gen AI] Day 5 - 생성형 AI 운영을 위한 시작점: 탐색과 모델 선택의 전략 🚀
지난 글까지가 Day 4였고, 이 게시물부터 마지막 Day 5의 시작이다.
![[Kaggle Gen AI] Day 5 과제 소개 - MLOps for Generative AI 🚀](/assets/images/20250402/day5.png)
[Kaggle Gen AI] Day 5 과제 소개 - MLOps for Generative AI 🚀
Day 5에서는 생성형 AI를 위한 MLOps (MLOps for Generative AI)의 개념과 활용에 대해 다룬다. Vertex AI의 도구들을 활용해 대규모 언어...
![[Kaggle Gen AI] Day 4 - 도메인 특화 LLM: 의료에 뛰어들기 🚀](/assets/images/20250402/day4_1.png)
[Kaggle Gen AI] Day 4 - 도메인 특화 LLM: 의료에 뛰어들기 🚀
지난 글에서는 SecLM이 사이버보안 분야에 어떤 혁신을 만들어내고 있는지를 살펴봤다. 이번에는 조금 방향을 바꿔서, 의료 분야에서 LLM이 어떤 가능성을 보여주고...
[Kaggle Gen AI] Day 4 - 도메인 특화 LLM: 사이버 보안에 뛰어들기 🚀
지난 글까지는 AI 계약에 대해 다루었다. Day 4에서는 조금 더 “실전”에 가까운 이야기로 넘어가서, LLM이 의료(MedLM)나 사이버보안(SecLM)처럼 고도로 특화된 분야에서는...
![[Kaggle Gen AI] Day 4 과제 소개 - Domain-Specific LLMs 🚀](/assets/images/20250402/day4.png)
[Kaggle Gen AI] Day 4 과제 소개 - Domain-Specific LLMs 🚀
Day 4에서는 도메인 특화 LLM(Domain-Specific LLM)의 개념과 활용에 대해 다룬다. SecLM, MedLM/Med-PaLM 같은 모델들의 사례를 통해, 특정 분야 문제를 해결하는...
![[Kaggle Gen AI] Day 3 - 에이전트를 개발한다는 것: Agent Builder와 'AI 계약'의 미래 🚀](/assets/images/20250402/day3_2.png)
[Kaggle Gen AI] Day 3 - 에이전트를 개발한다는 것: Agent Builder와 'AI 계약'의 미래 🚀
지난 게시물에서는 Agentic RAG라는 고도화된 검색 구조와 함께, 멀티 에이전트 시스템이 실제로 어떻게 적용되고 있는지 몇 가지 사례들을 통해 살펴봤다....
[Kaggle Gen AI] Day 3 - 똑똑한 검색: Agentic RAG & AI 리서처 팀 🚀
지난 게시물에서는 멀티 에이전트 시스템의 개념과 장점, 그리고 다양한 설계 패턴과 평가 방식까지 정리해봤다. 에이전트를 팀처럼 구성해 문제를 나누고, 서로...
[Kaggle Gen AI] Day 3 - 협업하는 AI들: 멀티 에이전트의 설계, 과제, 그리고 평가까지 🚀
지난 게시물에서는 실제 환경에서 에이전트를 안정적으로 운영하기 위해 필요한 AgentOps, KPI 지표 설계, 자동화된 평가 시스템에 대해 정리해봤다.
[Kaggle Gen AI] Day 3 - 실전 에이전트 구축과 운영: AgentOps, KPI, 평가 자동화 🚀
지난 게시물에서는 에이전트가 외부 도구와 상호작용하며 실제 세계에서 작업을 수행하는 방식과, 그 도구 사용 능력을 향상시키기 위한 몇 가지 학습...
![[Kaggle Gen AI] Day 3 - 에이전트를 더 똑똑하게 만드는 법: 학습 전략과 실전 예제 🚀](/assets/images/20250402/day3_1.png)
[Kaggle Gen AI] Day 3 - 에이전트를 더 똑똑하게 만드는 법: 학습 전략과 실전 예제 🚀
지난 게시물에서는 에이전트가 도구(tools)를 사용해 실제 세계와 어떻게 연결되는지를 살펴봤다.
[Kaggle Gen AI] Day 3 - 에이전트가 세상과 연결되는 방법: Tools 🚀
지난 게시물에서는 에이전트가 목표를 세우고 계획하고 실행하는 시스템이라는 점을 중심으로 그 작동 원리인 Cognitive Architecture를 살펴봤다.
[Kaggle Gen AI] Day 3 - Cognitive Architecture: AI 에이전트의 작동 원리 들여다보기 🚀
지난 게시물에서는 에이전트란 무엇인지 그리고 모델, 도구, 오케스트레이션 레이어로 구성된 에이전트의 기본 구조를 정리해봤다.
[Kaggle Gen AI] Day 3 - 생성형 AI 에이전트, 모델을 넘어 목표를 향해 움직이는 시스템 🚀
Day3에서는, 생성형 AI 에이전트 (generative AI agent)에 대해 본격적으로 들어가본다.
![[Kaggle Gen AI] Day 3 과제 소개 - Generative AI Agents 🚀](/assets/images/20250402/day3.png)
[Kaggle Gen AI] Day 3 과제 소개 - Generative AI Agents 🚀
Day 3에서는 생성형 AI 에이전트(Generative AI Agents)에 대해 다룬다. 단순한 LLM 프롬프트를 넘어서, 에이전트의 구성 요소, 의사결정 흐름, 그리고 기존...
![[Kaggle Gen AI] Day 2 - 임베딩의 다음 단계: 학습 구조와 벡터 검색 시스템 이해하기 🚀](/assets/images/20250402/day2_1.png)
[Kaggle Gen AI] Day 2 - 임베딩의 다음 단계: 학습 구조와 벡터 검색 시스템 이해하기 🚀
지난 게시물에서는 텍스트, 이미지, 그래프 등 다양한 데이터 타입에 따라 임베딩이 어떻게 달라지는지, 그리고 각 방식이 어떤 아이디어를 바탕으로 만들어졌는지를...
[Kaggle Gen AI] Day 2 - 임베딩의 종류: 텍스트부터 그래프까지, 데이터별 표현 방식 알아보기 🚀
지난 게시물에서는 임베딩의 개념과 평가 방법, 그리고 RAG 구조처럼 실전에서 어떻게 활용되는지를 살펴봤다.
[Kaggle Gen AI] Day 2 - 임베딩을 더 잘 쓰기 위한 평가 기준과 RAG 활용법 🚀
지난 게시물에서는 임베딩이 어떤 개념인지, 그리고 그걸 어떻게 활용해서 의미 기반의 검색이나 추천 시스템을 만들 수 있는지 알아봤다.
[Kaggle Gen AI] Day 2 - Embedding의 모든 것 – 의미를 이해하고, 검색하고, 추천하는 법 🚀
이번 글에서는 생성형 AI의 핵심 기술 중 하나인 임베딩 (Embedding)에 대해 알아보려고 한다.
![[Kaggle Gen AI] Day 2 과제 소개 - Embeddings & Vector Stores 🚀](/assets/images/20250402/day2.png)
[Kaggle Gen AI] Day 2 과제 소개 - Embeddings & Vector Stores 🚀
약 3주가 걸린 Day1에 이은 Day2에서는 임베딩(Embeddings)과 벡터 데이터베이스(Vector Stores)의 개념을 익히고, 이를 활용해 LLM이 외부 지식과 연결되는 방식을 실습해보는...
![[Kaggle Gen AI] Day 1 - Pointwise & Pairwise 평가 실습: LLM 답변 비교해보기 🚀](/assets/images/20250402/day1_2.png)
[Kaggle Gen AI] Day 1 - Pointwise & Pairwise 평가 실습: LLM 답변 비교해보기 🚀
지난 게시물에서는 LLM이 생성한 출력을 평가하는 방법과, Gemini API를 활용해 평가 기준을 정의하고 정형화된 점수까지 얻는 방법을 실습해봤다.
[Kaggle Gen AI] Day 1 - 프롬프트 엔지니어링 실습 두 번째 🚀
지난 게시물에서는 Kaggle notebook 환경 세팅이랑 기본적인 프롬프트 작성 방법을 정리했고,
[Kaggle Gen AI] Day 1 - Codelab 시작, 환경 세팅부터 프롬프트 엔지니어링 실습까지 🚀
지난 게시물까지 LLM 프롬프트들의 핵심 기법들을 살펴봤고, 이제 Kaggle의 CodeLab에서 실습을 해 볼 차례!
[Kaggle Gen AI] Day 1 - 프롬프트 엔지니어링 핵심 기법 총정리 part. 2 🚀
지난 게시물에서는 Zero-shot, Few-shot부터 System/Role Prompting, CoT까지 LLM의 출력을 더 정밀하게 유도할 수 있는 프롬프트 설계의 핵심 기법들을 정리했다.
[Kaggle Gen AI] Day 1 - 프롬프트 엔지니어링 핵심 기법 총정리 part. 1 🚀
지난 게시물에서는 LLM이 어떤 출력을 하게 만들지를 제어하는 방법인 출력 길이, 샘플링 방식 (temperature, top-k, top-p) 같은 출력 제어 기법들에...
![[Kaggle Gen AI] Day 1 - LLM은 지금 어디에 쓰이고 있을까? 실전 적용 사례 🚀](/assets/images/20250402/day1_1.png)
[Kaggle Gen AI] Day 1 - LLM은 지금 어디에 쓰이고 있을까? 실전 적용 사례 🚀
지난 게시물에서는 LLM을 더 빠르고 효율적으로 만드는 추론 가속 기법들에 대해 살펴봤다.
[Kaggle Gen AI] Day 1 - 품질, 속도, 비용 사이에서 균형 잡기: LLM 추론 가속 기법들 🚀
지난 게시물에서는 LLM이 생성한 결과를 어떻게 평가할 수 있는지에 대해 간단하게 살펴봤다. 텍스트 생성처럼 정답이 없는 문제일수록 단순한 정확도나 BLEU...
[Kaggle Gen AI] Day 1 - 정답이 없어서 더 중요한 LLM 평가법 🚀
지난 게시물에서는 모델이 어떤 단어를 고를지 결정하는 샘플링 기법을 공부했고, 옵션 하나만 바꿔도 모델의 말투, 창의성, 다양성이 크게 달라질 수...
[Kaggle Gen AI] Day 1 - 샘플링으로 바꾸는 LLM의 말하기 스타일 🚀
지난 게시물에서는 모델의 출력을 좌우하는 핵심 스킬, 프롬프트 엔지니어링의 기본을 정리해봤다.
[Kaggle Gen AI] Day 1 - 프롬프트 엔지니어링, LLM을 잘 쓰는 기술 🚀
지난 게시물에서는 LLM을 특정 작업에 맞게 조정하는 파인튜닝(fine-tuning)의 과정을 살펴봤다.
[Kaggle Gen AI] Day 1 - LLM 파인튜닝 A to Z 🚀
지난 게시물에서는 오픈소스 LLM 생태계를 정리하면서, 최근 공개된 다양한 모델이 어떤 특징을 갖고 있는지 살펴봤다.
[Kaggle Gen AI] Day 1 - 오픈소스 LLM 생태계, 한눈에 보기 🚀
지난 게시물에서는 LLM이 어떻게 발전해 왔는지, GPT-1부터 GPT-4, Gemini까지 주요 모델들을 중심으로 진화 타임라인을 정리했다. 각 모델의 구조적 전환점과 기술...
[Kaggle Gen AI] Day 1 - Transformer 이후, LLM 진화 타임라인 🚀
지난 게시물에서는 요즘 모델들이 왜 Decoder-Only 구조를 주로 채택하는지에 대해 살펴봤다.
[Kaggle Gen AI] Day 1 - Decoder-Only 구조, 왜 LLM은 디코더만 쓸까? 🚀
지난 게시물에서는 LLM의 기반이 되는 Transformer 구조, 특히 그 안에서 작동하는 Self-Attention과 Multi-Head Attention 메커니즘을 중심으로 살펴봤다.
[Kaggle Gen AI] Day 1 - Transformer 구조 한 눈에 보기🚀
Day 1 인트로 유닛의 팟캐스트에서는 “LLM은 무엇으로 이루어져 있는가?” “어떻게 발전해왔는가?” “실제로 어떻게 학습하는가?” “그 성능은 어떻게 평가할 수 있을까?”...
![[Kaggle Gen AI] Day 1 과제 소개 - LLM & Prompt Engineering 🚀](/assets/images/20250402/day1.png)
[Kaggle Gen AI] Day 1 과제 소개 - LLM & Prompt Engineering 🚀
첫 번째 날은 LLM의 기본 개념부터 시작해서, 프롬프트 엔지니어링의 기초를 배우고 실습해보는 흐름으로 구성되어 있다.
Kaggle x Google: 5일 완성 Gen AI 집중 코스 시작하기 🚀
2025년 3월 31일부터 4월 4일까지 Kaggle에서 Google과 함께 진행하는 “5-Day Gen-AI Intensive Course”를 따라가보기로 했다! 학습 내용을 정리하고 매일의 과제를...
Category coding-test
![[Programmers] 코딩테스트 연습문제 9](https://programmers.co.kr/assets/img-meta-programmers-411e94bf29153dc31004168e6cd500279b1a531a23689303755e51971dee4526.png)
[Programmers] 코딩테스트 연습문제 9
045. 멀리뛰기 (연습문제 lv.2) 문제에서 원하는 것: 효진이가 n칸까지 가는 모든 방법의 수를 구해 1234567을 나눈 나머지 리턴
[Programmers] 코딩테스트 연습문제 7 (Greedy/DFS/BFS)
029. 단속카메라 (Greedy lv.3) 문제에서 원하는 것: 설치해야 하는 단속카메라의 최소 개수 구하기
[Programmers] 코딩테스트 연습문제 6 (Stack/Queue)
023. 같은 숫자는 싫어 (스택/큐 lv.1) 문제에서 원하는 것: 배열에서 연속적으로 나타나는 숫자를 하나만 남기고 제거하기
[Programmers] 코딩테스트 연습문제 3 (DFS/BFS, 정렬)
009. 게임 맵 최단거리 (DFS/BFS lv.2) 문제에서 원하는 것: (1, 1) 위치에서 출발해서 (n, m) 위치에 최단 거리로 도달하는 칸...
[Programmers] 코딩테스트 연습문제 2 (Hash)
005. 폰켓몬 (Hash lv.1) 문제에서 원하는 것: N/2마리의 폰켓몬 중 가장 많은 종류의 폰켓몬 선택하는 방법 찾기
Category codelabs
[Kaggle Gen AI] Day 1 - Pointwise & Pairwise 평가 실습: LLM 답변 비교해보기 🚀
지난 게시물에서는 LLM이 생성한 출력을 평가하는 방법과, Gemini API를 활용해 평가 기준을 정의하고 정형화된 점수까지 얻는 방법을 실습해봤다.
[Kaggle Gen AI] Day 1 - 프롬프트 엔지니어링 실습 두 번째 🚀
지난 게시물에서는 Kaggle notebook 환경 세팅이랑 기본적인 프롬프트 작성 방법을 정리했고,
[Kaggle Gen AI] Day 1 - Codelab 시작, 환경 세팅부터 프롬프트 엔지니어링 실습까지 🚀
지난 게시물까지 LLM 프롬프트들의 핵심 기법들을 살펴봤고, 이제 Kaggle의 CodeLab에서 실습을 해 볼 차례!
![[RAG] Cross-Encoder를 이용한 Re-ranking 구현과 원리 (RAG 성능 최적화)](/assets/images/20251219/Gemini_Generated_Image_csh5pncsh5pncsh5.png)