여행하는 디발자

📅 데일리 학습• 7월 13일 (월)[69일차] 화면구현 - 바이브코딩 프론트엔드의 전체적인 흐름을 간단히 배우고 바이브 코딩을 실습했다. 실습하면서 "프론트 개발자의 역할이 앞으로 어떻게 될까?"라는 생각이 들어 조금 걱정되기도 했다.Stitch를 사용해보니 전반적으로 편리했지만, 원하는 결과가 90% 정도까지만 나오고 마지막 10%는 아쉬운 느낌이 있었다. 이 부분이 프롬프트를 더 잘 작성하면 해결되는 것인지, 아니면 아직은 사람이 직접 다듬어야 하는 영역이 남아 있는 것인지 생각해보게 되었다. 그래도 AI 도구를 잘 활용하는 능력이 앞으로 더욱 중요해질 것 같아서, 자주 사용하며 프롬프트 작성 능력도 함께 키우고 더 좋은 결과를 만들어보고 싶다. • 7월 14일 (화)[70일차] 화면구현 - J..

📅 데일리 학습• 7월 6일 (월)[64일차] 멀티모달 - 이미지 멀티모달 AI를 학습하면서 이미지와 텍스트를 함께 이해하는 모델의 동작 방식을 살펴봤다. 특히 CLIP은 이미지와 텍스트를 같은 임베딩 공간에 표현한 뒤 유사도를 비교하는 구조라는 점이 인상적이었다. 단순히 이미지를 분류하는 모델이 아니라 이미지 검색이나 추천 등 다양한 분야에 활용할 수 있다는 점도 알게 됐다. 결국 중요한 것은 이미지와 텍스트를 모델이 비교할 수 있는 벡터 형태로 변환하는 과정이라는 점을 다시 한번 느꼈다. • 7월 7일 (화)[65일차] 멀티모달 - 동영상 동영상에서 프레임을 추출하고, 해당 프레임을 설명하거나 검색에 활용하는 실습을 진행했다. 영상은 결국 이미지의 연속이기 때문에 필요한 장면을 얼마나 잘 추출하느냐..

📅 데일리 학습• 6월 29일 (월)[59일차] 파인튜닝 - 기초 Ollama API를 활용해 로컬 환경에서 LLM을 실행하고, Hugging Face의 오픈소스 모델을 직접 로드해 추론하는 과정을 실습했다. 또한 파인튜닝용 데이터셋 구조와 JSONL 학습 데이터 생성 방법을 익히면서, 상용 API 없이도 로컬 환경에서 오픈소스 LLM을 활용하고 파인튜닝을 준비할 수 있다는 점을 알게 되었다.• 6월 30일 (화)[60일차] 파인튜닝 - LoRA LoRA를 이용해 LLM을 파인튜닝하고, 학습한 모델을 Ollama에서 실행하는 과정까지 실습했다. 아직 모든 내용을 완전히 이해하지는 못했지만, 모델을 학습하고 활용하는 전체 흐름을 직접 경험할 수 있었다.• 7월 1일 (수)[61일차] LangGraph -..

📅 데일리 학습• 6월 20일 (월)[54일차] AI 에이전트 - @decorator, n8n 타입스크립트나 Go처럼 타입이 엄격한 언어를 주로 사용하다가 파이썬을 배우니 처음에는 타입이 없어 조금 불편하다고 생각했다. 하지만 @decorator를 사용하면 기능을 깔끔하게 분리하고 코드도 더 이해하기 쉽게 만들 수 있다는 점을 알게 되었다. n8n도 간단한 자동화를 만들 수 있는 도구라고 들었는데, 잠깐 사용해보니 생각보다 어렵게 느껴졌다. 나중에 직접 프로젝트를 만들면서 어떤 식으로 연결해서 사용하는지 다시 익혀보고 싶다.• 6월 21일 (화)[55일차] AI 에이전트 - 추천시스템 llm LLM과 LanceDB를 이용해 추천 시스템을 만들어봤다. 한 번 따라 해본 것만으로는 아직 감이 잘 오지 않았..

📅 데일리 학습• 6월 15일 (월)[49일차] RAG - Load, Chunking 여러 가지 파일을 Load할 수 있다는 것을 알게 되었고, 어떤 Loader를 사용하는지에 따라 데이터를 불러오는 방식이 달라진다는 것을 배웠다. 역시 모든 일에 기초가 중요하듯이, 데이터의 품질이 좋아야 하고 이를 깨지지 않게 잘 불러오는 과정도 중요하다는 것을 느꼈다. Load 방식도 다양하고 Chunking 방식도 여러 종류가 있어서 어떤 기준으로 선택해야 할지 고민이 된다. RAG에서는 Chunking이 매우 중요한 요소인 것 같은데, 다양한 방식을 직접 적용해 보면서 경험을 쌓아야 할 것 같다.• 6월 16일 (화)[50일차] RAG - Embedding, VectorDB VectorDB는 이름만 들어봤지 ..

📅 데일리 학습• 6월 1일 (월)[40일차] 자연어 처리 개요 지난 자연어 처리 학습에서 데이터 정제와 빈도수 분석, 토픽 분석을 진행했다면 오늘은 한 단계 더 나아가 네트워크 분석과 감성 분석을 학습했다. 네트워크 분석은 단어들 사이의 관계를 시각화하여 어떤 단어들이 함께 등장하는지 파악하는 방법이다. 단순히 많이 나온 단어를 확인하는 것이 아니라, 단어 간 연결 구조를 통해 핵심 주제와 연관성을 이해할 수 있다는 점이 인상적이었다. 감성 분석은 리뷰나 문장을 긍정, 부정과 같은 감성 라벨(Label)로 분류하여 사용자 반응을 분석하는 기법으로, 실제 서비스 운영 과정에서 사용자 만족도나 불만 사항을 파악하는 데 활용될 수 있다는 점을 알게 되었다. 또한 TF-IDF(Term Frequency–In..

📅 데일리 학습• 5월 26일 (화)[39일차] 자연어 처리 개요 이번 주부터 LLM 단원이 시작되면서 자연어 처리(NLP)의 기본 개념을 학습했다. 예전에는 사람이 사용하는 언어를 컴퓨터가 이해할 수 있도록 규칙을 하나하나 정의하는 방식이 중심이었지만, 딥러닝 기술이 발전하면서 현재의 LLM으로 이어졌다는 흐름을 이해할 수 있었다.자연어 처리 과정에서는 텍스트 데이터를 분석하기 전에 데이터 정제, 토큰화, 불용어 제거, 어간 추출과 같은 전처리 작업이 중요하다는 점을 배웠다. 특히 한국어는 형태소 분석이 중요하기 때문에 Okt, Komoran, Mecab과 같은 형태소 분석기가 사용된다는 것도 알게 되었다.이후에는 텍스트 마이닝을 통해 전처리된 텍스트에서 의미 있는 정보를 추출하는 과정을 학습했다. ..

📅 데일리 학습• 5월 18일 (월)[34일차] MediaPipe 이번에는 MediaPipe를 직접 다뤄볼 수 있는 시간을 가졌다. 그동안은 다른 사람이 만든 결과물만 보면서 신기하다고 생각했는데, 직접 실습해보니 얼굴 인식, 손 추적, 자세 추정 같은 기능들이 어떤 방식으로 동작하는지 조금은 감을 잡을 수 있었다.안경 씌우기, 그림 그리기, 가상 피아노, 포즈 검출 등 다양한 예제를 따라 해보면서 생각보다 활용 범위가 넓다는 점이 인상적이었다. 단순히 기능을 사용하는 것을 넘어 나중에는 이런 기술들을 활용해서 재미있는 프로젝트를 만들어보고 싶다는 생각도 들었다.• 5월 19일 (화)[35일차] YOLO11 파인튜닝 Object Detection이 어떻게 동작하는지 항상 궁금했는데 이번에 YOLO11 ..

📅 데일리 학습• 5월 11일 (월)[29일차] 딥러닝 (회귀, 이진분류, 다중분류) 이번 주는 딥러닝 모델의 기본적인 문제 유형을 이해하는 것부터 시작했다. 회귀, 이진분류, 다중분류를 학습하면서 모두 비슷한 학습 과정을 거치지만 문제의 성격에 따라 모델 구조와 손실 함수가 달라진다는 점을 배웠다. 처음에는 코드가 거의 비슷해 보여서 차이를 잘 느끼지 못했는데, 회귀는 연속적인 숫자를 예측하기 때문에 MSELoss를 사용하고, 이진분류는 두 가지 결과 중 하나를 선택하기 때문에 Sigmoid와 BCELoss를 사용하며, 다중분류는 여러 클래스 중 하나를 예측하기 위해 CrossEntropyLoss를 사용한다는 점을 이해하게 되었다. 아직 PyTorch의 텐서 변환 과정이나 모델 구현 코드는 익숙하지 ..

📅 데일리 학습• 5월 06일 (수)[26일차] 머신러닝 실습 연휴가 지나고 다시 공부 흐름을 잡으려니까 생각보다 훨씬 힘들었다. 특히 하루 종일 실습 위주로 진행되다 보니, 이전에 복습했던 부분은 그래도 손이 어느 정도 따라갔는데 복습하지 못했던 내용은 바로 막히는 느낌이 강했다.이번 실습에서는 단순히 “코드를 따라 친다”보다도 흐름을 이해하고 있는지가 훨씬 중요하다는 걸 느꼈다. 같은 모델을 다뤄도 전처리 과정이나 데이터 흐름이 익숙하지 않으면 바로 헤매게 됐다. 결국 머신러닝은 개념을 한 번 듣는 걸로 끝나는 게 아니라 반복해서 직접 다뤄보는 과정이 정말 중요하다는 걸 체감했다.특히 수업 속도가 점점 빨라지다 보니 복습이 밀리면 다음 내용을 이해하기 더 어려워진다는 것도 느꼈다. 이제는 “나중에 ..