초집중.

Sign in Subscribe

[AI Agent] AI Agent Preview (6주차)

[AI Agent] AI Agent Preview (6주차)

LLM이 런타임에 다음 행동을 스스로 결정하는 AI Agent의 개념부터 설계까지 알아봅시다. AI Agent를 설계하는 것과 Workflow와의 차이, 4대 구성요소를 통해 Agent 구축의 기초를 다집니다.

[AI Agent] LLM Evaluation Review (5주차)

[AI Agent] LLM Evaluation Review (5주차)

생성형 AI 시대, 데모 제작은 빨라졌지만 검증 체계 구축이 더 중요해졌습니다. Golden Dataset, LLM-as-a-Judge, RAGAS를 활용한 체계적 평가 방법으로 RAG 시스템의 검색과 생성을 분리 평가하고, 평균이 아닌 실패 패턴 분석으로 운영 가능한 구조를 설계하세요.

[AI Agent] LLM Evaluation Preview (5주차)

[AI Agent] LLM Evaluation Preview (5주차)

LLM/RAG 시스템의 품질을 숫자로 증명하는 평가 체계를 소개합니다. Golden Dataset, Calibration Dataset, LLM-as-a-Judge, RAGAS 메트릭을 통해 감에 의존하는 평가에서 데이터 기반 의사결정으로 전환하는 방법을 다룹니다.

[AI Agent] Advanced RAG 리뷰(4주차)

[AI Agent] Advanced RAG 리뷰(4주차)

Naive RAG의 한계를 Query, Retrieval, Generation 3단계로 나누어 보완하는 Advanced RAG 기법들을 실무 관점에서 정리합니다. Hybrid Search와 Re-ranking 등 우선 적용할 기법부터 GraphRAG, Agentic RAG 같은 최신 아키텍처까지 전체 지형을 다룹니다.

[AI Agent] Advanced RAG Preview(4주차)

[AI Agent] Advanced RAG Preview(4주차)

Advanced RAG는 Hybrid Search로 의미와 키워드를 동시에 검색하고, Re-ranking과 메타데이터 필터링으로 정확성을 높입니다. 벡터 검색과 BM25를 결합하여 RAG의 검색 정밀도와 재현율 문제를 해결합니다.

[AI Agent] RAG 리뷰(3주차)

[AI Agent] RAG 리뷰(3주차)

RAG 파이프라인 구축 시 Golden Dataset으로 품질을 객관적으로 측정하고, PDF 로더, 청킹 전략, 임베딩 모델을 단계별로 최적화하여 신뢰성 높은 AI 시스템을 만드는 방법을 소개합니다.

[AI Agent] RAG Preview(3주차)

[AI Agent] RAG Preview(3주차)

토큰 제한과 할루시네이션 문제를 해결하는 RAG(검색-증강-생성)의 개념과 구조를 소개합니다. 청킹, 임베딩, 벡터 저장소를 통한 의미론적 검색과 LangChain, LlamaIndex 등 주요 프레임워크를 다룹니다.

[AI Agent] Prompt Engineering 리뷰(2주차)

프롬프트 엔지니어링

[AI Agent] Prompt Engineering 리뷰(2주차)

Zero-shot, Few-shot, Chain-of-Thought, Self-Consistency 등 프롬프트 엔지니어링 기법을 순차적으로 적용하여 LLM 정답률을 개선하는 방법과, Reasoning 모델의 등장으로 달라진 프롬프트 설계 패러다임을 다룹니다.

[AI Agent] LLM 기초 정리

[AI Agent] LLM 기초 정리

LLM의 작동 원리와 모델 선택 기준을 이해하고, 구조화된 출력과 프롬프트 분리를 통해 안정적인 AI 시스템을 구축하는 방법을 다룹니다.

[AI Agent] AI Agent OT 정리

[AI Agent] AI Agent OT 정리

AI Agent 과정의 간단한 개요입니다. AI Agent의 과정과 AI Agent의 간단한 구성, 사례. 그리고 달성하고자 하는 목표와 필요한 리소스까지 간단하게 정리했습니다.

[Security] 악성코드 샘플 분석 2차 (동적 분석)

악성코드 분석

[Security] 악성코드 샘플 분석 2차 (동적 분석)

정적 분석 후 동적 분석으로 악성코드의 자기삭제 메커니즘, 레지스트리 변조, C2 통신 시도를 추적했습니다. WireShark, Process Monitor, ANY.RUN을 활용한 상세 분석 결과를 제시합니다.

[LLM] VLM으로 표를 정확히 추출하기

[LLM] VLM으로 표를 정확히 추출하기

Bedrock의 Qwen3-VL 모델로 PDF 테이블을 추출할 때 rowspan/colspan 병합 셀 처리 오류를 프롬프트 개선으로 해결하는 방법을 소개합니다.