본문 바로가기
반응형

전체 글150

AI 프로젝트 첫걸음, Python 가상환경 제대로 쓰기 LLM 공부 시리즈에서 프롬프트부터 에이전트, 멀티모달까지 LLM의 개념과 사용법을 살펴봤습니다. 이번 AI 개발자 로드맵 시리즈에서는 한 걸음 더 들어가 AI 앱을 직접 만들고, 배포하고, 운영하는 데 필요한 내용을 단계별로 정리합니다.첫 단계는 개발 기본기입니다. AI 개발에서 가장 많이 쓰는 언어는 Python이고, Python 프로젝트를 시작할 때 가장 먼저 익혀야 할 것이 가상환경과 패키지 관리입니다. 이번 글에서는 가상환경이 왜 필요한지, Windows에서 만들고 쓰는 방법, 패키지를 기록하고 다시 설치하는 방법을 정리해 보겠습니다. 1. 가상환경이 필요한 이유Python 패키지는 기본적으로 PC 전체에 하나의 공간으로 설치됩니다. 프로젝트가 하나일 때는 문제가 없지만, 여러 프로젝트를 다루다.. 2026. 10. 30.
깔끔한 회 한 상, 부천 상동 회뜨는중에서 보낸 화요일 저녁 부천 상동역 근처에 있는 횟집 '회뜨는중 부천상동점'에 다녀왔어요. 화요일 저녁 7시 45분쯤 들러서 제철 농어회와 해삼으로 시작해 버터조개술찜, 매콤오돌뼈와 주먹밥, 서더리 매운탕, 안키모, 소금김밥까지 차례로 먹었어요. 먹은 순서대로 정리해 봤어요.자리에 앉으면 기본 상차림이 먼저 깔려요. 깻잎과 고추, 마늘, 쌈장, 번데기, 백김치, 양배추 샐러드가 나왔는데, 그중 양배추 샐러드는 새콤한 소스가 잘 어우러져서 회 나오기 전부터 자꾸 손이 갔어요. 주문은 테이블에 있는 태블릿으로 하는 방식이라 메뉴를 천천히 둘러보며 고를 수 있었어요.제철 농어회와 꼬독꼬독 해삼메인으로는 제철 메뉴인 농어회를 큰 사이즈로 주문했어요. 얼음 위에 깻잎을 깔고 얇게 뜬 농어회를 꽃잎처럼 겹겹이 펼쳐 담았고, 레몬 두 조각.. 2026. 10. 23.
시흥 은계지구 양꼬치 맛집 태경부, 숯불 양꼬치와 깐풍가지까지 시흥 은계지구에 있는 양꼬치집 '태경부양꼬치&훠궈'에 다녀왔어요. 화요일 저녁 7시 반쯤 들러서 양꼬치를 구워 먹고, 토마토 계란볶음, 오이무침, 깐풍가지, 건두부무침까지 하나씩 주문해 먹었어요. 서비스로 숙주볶음도 내어 주셨어요. 꼬치부터 마지막 요리까지 먹은 순서대로 정리해 봤어요.자리에 앉으니 땅콩, 짜사이, 단무지가 칸칸이 담긴 기본 반찬과 붉은 양꼬치 가루가 먼저 놓였어요. 접시마다 가게 이름인 '泰景府(태경부)'가 새겨져 있었어요.숯불에 직접 굽는 양꼬치양꼬치는 검은 접시에 가지런히 담겨 나왔어요. 고기 사이사이 지방이 적당히 붙어 있어서 굽기 전부터 기대가 됐어요.테이블 가운데 숯불 화로에 빨갛게 달아오른 숯이 들어오고, 그 위에 꼬치를 올려 직접 구워 먹는 방식이에요. 노릇하게 익은 꼬치를.. 2026. 10. 23.
[LLM] LLM 공부 7편: 임베딩의 개념과 활용 RAG 글에서 "문서를 임베딩해서 벡터 데이터베이스에 저장한다"는 설명이 나왔습니다. 그런데 임베딩이 정확히 무엇이길래, 단어가 하나도 겹치지 않는 질문과 문서를 찾아서 연결해 줄 수 있는 걸까요?LLM 공부 시리즈 2단계의 첫 글로, 검색과 추천, RAG의 기반이 되는 임베딩(embedding)의 개념과 활용을 정리해 보겠습니다. 1. 임베딩이란?임베딩은 글(단어, 문장, 문서)의 의미를 숫자 목록(벡터)으로 바꾼 것입니다. 예를 들어 "강아지가 공원에서 뛰어논다"라는 문장을 임베딩 모델에 넣으면 [0.12, -0.48, 0.33, ... ]처럼 수백~수천 개의 숫자로 이루어진 벡터가 나옵니다.이 숫자들 하나하나가 사람이 이해할 수 있는 뜻을 가진 것은 아닙니다. 중요한 성질은 의미가 비슷한 글은 비슷.. 2026. 10. 23.
[LLM] LLM 공부 6편: 생성 옵션 temperature와 top_p 이해하기 LLM에게 똑같은 질문을 두 번 하면 답이 조금씩 다르게 나옵니다. 고장이 난 것이 아니라 일부러 그렇게 설계된 것입니다. 그리고 API를 쓰면 이 '다양함'의 정도를 temperature, top_p 같은 옵션으로 직접 조절할 수 있습니다.이번 글에서는 LLM이 다음 단어를 고르는 방식과, 답변의 성격을 바꾸는 주요 생성 옵션을 언제 어떻게 조절하면 좋은지 정리해 보겠습니다. 1. LLM은 다음 토큰을 어떻게 고르나요?LLM은 다음에 올 토큰 하나를 바로 정하는 것이 아니라, 가능한 모든 토큰에 대해 확률을 계산합니다. 예를 들어 "오늘 점심은 김치" 다음에 올 토큰의 확률이 다음과 같다고 가정해 보겠습니다.후보 토큰확률 (예시)찌개55%볶음밥25%전12%말이국수6%기타 수많은 토큰2%항상 가장 높은 .. 2026. 10. 23.
[LLM] LLM 공부 5편: 컨텍스트 윈도우와 API 비용 LLM을 업무나 서비스에 붙이려고 하면 가장 먼저 부딪히는 질문이 두 가지입니다. "이 긴 문서를 한 번에 넣을 수 있을까?"와 "한 달에 비용이 얼마나 나올까?"입니다. 두 질문 모두 지난 글에서 다룬 토큰과 연결되어 있습니다.이번 글에서는 한 번에 처리할 수 있는 길이를 뜻하는 컨텍스트 윈도우와, 토큰 기반으로 계산되는 API 비용을 실제 계산 예시와 함께 정리해 보겠습니다. 1. 컨텍스트 윈도우란?컨텍스트 윈도우(context window)는 모델이 한 번의 요청에서 볼 수 있는 토큰의 최대량입니다. 사람으로 치면 '한 번에 펼쳐 놓고 볼 수 있는 책상 크기'와 비슷합니다. 여기에는 다음이 모두 포함됩니다.시스템 프롬프트지금까지 주고받은 대화 기록 전체첨부한 문서나 검색 결과모델이 새로 만들어 낼 .. 2026. 10. 23.
반응형

티스토리툴바