Growth Diary

OSSCA(오픈소스 컨트리뷰션 아카데미)에서 주최하는 멘토링 프로그램에 2지망으로 신청했던 파이토치 문서 한글화 멘티로 선정되었습니다. 오픈소스 경험이 없던터라 실제 오픈소스 프로젝트에 기여해볼 수 있는 좋은 기회라고 판단해서 적극적으로 참여하기로 했습니다. 이 글에서는 1~2주차 과제를 수행하며 배운 점과 실제 기여 과정을 정리합니다.1. OSSCA 파이토치 한글화 멘토링이란?OSSCA는 국내 개발자들이 오픈소스 프로젝트에 직접 기여할 수 있도록 멘토와 멘티를 매칭해주는 프로그램입니다. 파이토치 한글화 트랙은 PyTorch 공식 튜토리얼(pytorch/tutorials)을 한국어로 번역하는 PyTorchKorea/tutorials-kr 프로젝트에 기여합니다.6주간 멘토의 리뷰를 받으며 번역 품질을 높이..

평소 Claude Code를 터미널에서 실행해 소스 코드 관련 Q&A 용도로만 가볍게 사용해왔습니다. 그러다 최근 Claude Code가 생각보다 훨씬 다양한 기능을 제공한다는 사실을 알게 되었고, 이를 계기로 관련 기능들을 정리하고 직접 활용해보는 시간을 가졌습니다.1. Claude Code 기본 명령어 정리본격적인 설정에 앞서 Claude Code의 핵심 명령어를 정리했습니다.1.1. 터미널 실행 명령어명령어기능claudeClaude Code 실행claude --dangerously-skip-permissionsAuto Mode로 실행 (권한 확인 생략) 1.2. Claude Code 내부 CLI 명령어명령어기능/ideIDE 연동 (Diff viewer, 라인 선택)/model사용할 모델 선택@파일 ..

최근 AI 기술의 폭발적인 성장과 함께 하드웨어 인프라에 대한 관심이 뜨겁습니다. NVIDIA가 시장을 독점하는 이유와 아키텍처별 진화 과정, 그리고 규제 속에서 등장한 '800 시리즈'의 기술적 디테일을 완벽 정리해 드립니다.1. AMD vs NVIDIA: 왜 모두가 NVIDIA를 선택할까?하드웨어 스펙 시트상으로는 AMD도 강력한 경쟁자이지만, AI 실무 현장에서 NVIDIA가 압도적인 이유는 단순한 칩 성능 그 이상에 있습니다.CUDA 생태계 (The Software Moat): 2006년부터 구축된 CUDA는 모든 AI 프레임워크와 완벽히 호환되며, 전 세계 개발자들이 가장 선호하는 표준입니다.연산 효율의 차이: NVIDIA는 일찍부터 AI 전용 Tensor Core를 도입하여 행렬 연산 속도를 ..

데이터를 파싱하고 정제하는 과정에서 정규표현식을 통해 원하는 내용의 값들만 추출하고, 변경하는 작업을 할 수 있습니다. 파이썬의 re 모듈을 활용한 정규표현식의 개념과 사용 예제에 대해 간략하게 살펴보겠습니다. 1. 정규표현식의 기초 : 패턴을 만드는 규칙정규표현식은 특정 규칙을 가진 문자열의 집합을 표현하는 데 사용됩니다. 몇 가지 기본 특수 문자(패턴)만 알면 금방 익숙해질 수 있습니다. . (마침표): 줄바꿈 문자(\n)를 제외한 모든 문자와 매치됩니다.\d: 숫자를 의미합니다. [0-9]와 같습니다.\s: 공백 문자(스페이스, 탭, 줄바꿈 등)를 의미합니다.\w: 알파벳, 숫자, 언더스코어(_)를 포함하는 문자입니다. [a-zA-Z0-9_]와 같습니다.* (애스터리스크): 바로 앞의 문자가 0번 ..

데이터 전처리과정에서 DataFrame을 많이 다루게 돼서 이참에 기본적이고 핵심적인 함수들을 한번 정리하고 가보도록 하겠습니다. 예제 데이터 준비하기import pandas as pdimport numpy as np# 예제용 샘플 데이터프레임df = pd.DataFrame({ '제품명': ['A-1', 'B-1', 'A-1', 'C-1', 'B-2', 'D-1'], '카테고리': ['가전', '가구', '가전', '가전', '가구', '주방'], '가격': [100, 150, 100, 120, 180, np.nan], '태그': [['신상', '인기'], '할인', ['신상', '인기'], '추천', '할인', np.nan]}, index=['p1', 'p2', 'p3', 'p4'..

1. 서버에서 열려있는 포트 확인 방법1) netstate가장 일반적인 사용 방법 # 모든 열린 포트 확인netstat -tuln# 특정 포트 확인 (예: 8000번)netstat -tuln | grep :8000# 프로세스 정보까지 함께 보기netstat -tulnp 2) ss최신 방법으로 netstat보다 빠른 방법 # 모든 열린 포트 확인ss -tuln# 특정 포트 확인ss -tuln | grep :8000# 프로세스 정보 포함ss -tulnp 2. 결과 해석 1) 0.0.0.0:포트번호서버가 가진 모든 IP 주소로 접근 가능서버 자체(localhost), 서버의 사내 IP, 인터넷에서(공인IP가 있고 방화벽이 허용한다면) 접근 가능 2) 127.0.0.1:포트번호오직 해당 서버 자체에서만 접근 ..

에이전트형 코딩 도구의 양대산맥인 커서와 윈드서프중 어떤걸 사용할지 고민하다가 더 최근에 떠오른 윈드서프를 써보자는 생각이 들어 찾아보던도중 클로드 코드라는 에이전트형 코딩 도구를 접하게 되었습니다. 어쩌다 뜨게 된 것일까 궁금해 찾아보니 윈드서프에서 플랫폼 운영을 위해 클로드 모델에 크게 의존하고 있었는데, 앤트로픽에서 일방적으로 모델 접근 제한을 통보하면서 자연스럽게 이슈가 된 것으로 파악했습니다. 이러한 결정은 경쟁사인 오픈AI의 윈드서프 인수도 한몫 하지 않았을까하는 개인적인 생각입니다. 마침 클로드 프로를 구독하고 있었기에 클로드 코드를 사용해보기로 하였습니다. 기본적으로 npm을 사용하기 때문에 없으신분들은 별도로 설치후 진행해주시면 되겠습니다. npm install -g @anthropic-..

LangGraph를 활용한 RAG 시스템의 챗봇을 과제로 진행하던 도중, 팀장님의 조언으로 동일한 질문에 대해 캐싱을 사용해 비용과 시간을 효율적으로 사용하라는 말씀을 들었습니다. 이에 따라 캐싱을 사용해 보다 더 효율적인 RAG 시스템을 구축하고자 하였습니다. 1. 문제상황아래는 사용자의 같은 질문에 대해 소요된 시간과 토큰에 대한 이미지입니다. 보시다시피 같은 질문임에도 똑같은 노드 순환을 반복하며 시간과 토큰이 소모되는 모습입니다. 2. InMemoryCache (/w Langchain)langchain에서 캐싱을 위한 라이브러리를 제공해주어서 사용해보았습니다.from langchain.globals import set_llm_cachefrom langchain_community.cache im..

LangGraph의 기본적인 개념에 대해 복습하는 시간을 가져보도록 하겠습니다. 1. LangGraph란?LangGraph는 LLM 기반 워크플로우에 순환 연산 기능을 추가하여 복잡한 AI 애플리케이션의 흐름을 효과적으로 제어할 수 있는 프레임워크입니다. 노드(Node), 엣지(Edge), 상태(State)라는 세 가지 핵심 요소를 통해 RAG 파이프라인과 같은 복잡한 시스템을 유연하게 구성할 수 있습니다. - Node, Edge, State 를 통해 LLM을 활용한 워크플로우에 순환 연산 기능을 추가하여 손쉽게 흐름을 제어- RAG 파이프라인의 세부 단계별 흐름 제어가 가능- Conditional Edge를 통한 조건부 흐름 제어 가능- Human-in-th-loop를 통해 필요시 중간에 개입하여 다음..

언어 모델의 성능이 지속적으로 발전함에 따라, 이를 더 효과적으로 활용하기 위한 프롬프트 엔지니어링 기법도 진화하고 있습니다. 기본적인 프롬프트 기법을 넘어, 최근에는 AI의 추론 능력을 극대화하고 더 정확한 답변을 얻기 위한 심화 기법들이 연구되고 있습니다. 이 글에서는 최신 프롬프트 엔지니어링 심화 기법들을 살펴보고, 이를 활용하는 방법에 대해 알아보겠습니다. 1. Automatic Prompt Engineer (APE): 자동화된 프롬프트 최적화1) 개념자동 프롬프트 엔지니어(APE)는 최적의 프롬프트를 자동으로 생성하는 프레임워크인간의 개입 없이 여러 단계의 평가 과정을 통해 최적의 명령어를 생성하고 선택언어 모델 자체를 활용하여 더 나은 프롬프트를 발견하는 메타-프롬프팅 접근법2) 작동 과정: ..