mirabo01 님의 블로그

머신러닝을 처음 공부하다 보면 꽤 빨리 만나게 되는 단어가 있습니다.바로 분류와 회귀입니다.둘 다 지도학습에 들어간다고 하는데, 막상 처음 들으면 “둘 다 예측하는 거 아닌가?” “도대체 뭐가 다른 거지?” 하고 헷갈리기 쉽습니다.사실 이 개념은 처음에만 낯설 뿐, 한 번만 기준을 제대로 잡아두면 꽤 오래 갑니다.가장 쉽게 말하면 이렇습니다.결과가 종류면 분류, 결과가 숫자면 회귀입니다.이 한 줄만 먼저 잡고 들어가면 지도학습 구조를 이해하는 속도가 훨씬 빨라집니다.#분류와회귀차이 #지도학습 #머신러닝기초 #분류 #회귀 #AI입문 #데이터분석먼저 지도학습이 무엇인지부터 짚고 가자분류와 회귀는 둘 다 지도학습에 속합니다.지도학습은 쉽게 말해 정답이 붙어 있는 데이터로 학습하는 방식입니다.예를 들어 이런 식..

머신러닝을 처음 공부할 때 가장 먼저 헷갈리는 구분이 있습니다.바로 지도학습과 비지도학습입니다.여기에 분류, 회귀, 군집화 같은 용어까지 한꺼번에 나오기 시작하면 “도대체 뭐가 뭐지?” 싶어지는 경우가 많습니다.그런데 이 개념은 한 번만 제대로 잡아두면 꽤 오래 갑니다. 핵심은 아주 단순합니다.정답이 있으면 지도학습, 정답이 없으면 비지도학습이라고 먼저 생각하면 됩니다.그리고 그 안에서 분류와 회귀는 지도학습 쪽, 군집화는 비지도학습 쪽 대표 예시라고 보면 훨씬 정리가 쉬워집니다.#지도학습 #비지도학습 #분류 #회귀 #군집화 #머신러닝기초 #AI입문먼저 지도학습이란 무엇일까지도학습은 정답이 붙어 있는 데이터로 학습하는 방식입니다.예를 들어 이런 데이터가 있다고 해봅시다.예시 데이터이메일 내용 → 스팸 여..

요즘 AI 이야기를 하다 보면 가장 자주 나오는 표현 중 하나가 바로 생성형 AI입니다.그런데 막상 이 말을 들으면 “기존 AI랑 뭐가 다른 거지?” “머신러닝이랑은 어떻게 다른 거지?” 하고 헷갈리는 경우가 많습니다.결론부터 말하면 생성형 AI는 머신러닝의 한 갈래입니다. 머신러닝이 데이터에서 패턴을 배워 예측이나 분류를 하는 기술이라면, 생성형 AI는 그중에서도 새로운 콘텐츠를 만들어내는 데 강한 형태라고 보면 이해가 쉽습니다. 쉽게 말하면 머신러닝은 “이 사진이 고양이인지 강아지인지 맞히는 쪽”에 가깝고, 생성형 AI는 “고양이 그림을 새로 만들어내는 쪽”에 더 가깝습니다. #생성형AI #머신러닝 #AI기초 #생성형AI뜻 #머신러닝비교 #AI입문 #LLM생성형 AI란 무엇인가생성형 AI는 말 그대..

문서 스캔본, 영수증 사진, 책 이미지, 간판 사진 같은 걸 보다 보면“이 안의 글자를 텍스트로 바로 뽑아낼 수 없을까?”하는 생각이 들 때가 있습니다.이때 자주 나오는 기술이 바로 OCR입니다.가장 짧게 말하면 OCR은 이미지 속 글자를 기계가 읽을 수 있는 텍스트로 바꾸는 기술입니다. AWS는 OCR을 “텍스트 이미지(text image)를 machine-readable text format으로 변환하는 과정”이라고 설명합니다. 쉽게 말하면 사람이 눈으로 읽을 수는 있지만 컴퓨터가 바로 편집하거나 검색할 수 없는 이미지 속 글자를, 복사 가능한 문자 데이터로 바꿔주는 과정이라고 이해하면 됩니다. OCR이란 무엇일까OCR은 Optical Character Recognition의 줄임말입니다. 한국어로..

AI 에이전트를 공부하다 보면 자주 나오는 단어가 있습니다.바로 memory와 workflow입니다.둘 다 자주 보이는데, 막상 처음 접하면 “메모리는 기억이고 워크플로는 순서 아닌가?” 정도로만 이해하고 넘어가기 쉽습니다. 그런데 실제로 에이전트를 설계할 때는 이 둘의 연결 구조를 이해해야 전체 그림이 보입니다.간단하게 말하면 workflow는 에이전트가 일을 처리하는 흐름이고, memory는 그 흐름 안에서 계속 참고하는 기억 장치에 가깝습니다.즉 workflow가 “어떤 순서로 움직일까”를 정한다면, memory는 “그 과정에서 무엇을 기억하고 다음 단계로 넘길까”를 담당합니다.그래서 이 둘은 따로 떨어진 개념이 아니라, 실제 AI 에이전트 구조에서는 거의 항상 같이 움직입니다.#AI에이전트 #에이..

AI 관련 글을 보다 보면 요즘 자주 보이는 단어가 있습니다.바로 MCP입니다.처음 보면 이름이 조금 낯설 수 있지만, 실제 의미는 생각보다 단순합니다. MCP는 AI가 외부 도구, 데이터, 워크플로와 연결되는 방식을 표준화한 규격이라고 보면 됩니다.쉽게 말하면 예전에는 AI 앱 하나하나가 슬랙 연결, 구글 드라이브 연결, 데이터베이스 연결, 파일 시스템 연결을 각각 따로 구현해야 했습니다.그래서 같은 기능을 여러 번 다시 만들게 되고, 도구가 늘어날수록 연결 구조도 점점 복잡해졌습니다. MCP는 이런 문제를 줄이기 위해 나온 표준입니다.한 번 정해진 방식으로 연결하면 AI 애플리케이션은 같은 규칙으로 여러 외부 시스템과 대화할 수 있습니다. 그래서 MCP는 종종 AI를 위한 공통 연결 규격처럼 설명됩니..

LLM을 직접 배포해보려다 보면 꽤 빨리 만나게 되는 이름이 있습니다.바로 vLLM입니다.Hugging Face 모델을 띄우고 API 형태로 연결하거나, GPU 자원을 좀 더 효율적으로 써서 추론 성능을 높이고 싶을 때 많이 언급되는 도구입니다.그런데 막상 처음 접하면 헷갈리는 부분이 있습니다. vLLM이 하나의 “모델”처럼 보이기도 하고, 어떤 사람은 서버처럼 쓰고, 어떤 사람은 파이썬 코드 안에서 바로 불러서 쓰고, 또 어떤 사람은 Docker나 Kubernetes로 배포합니다.그래서 이번 글에서는 vLLM의 종류를 “사용 형태” 기준으로 나눠서, 실제로 어떤 방식이 있고 어떻게 시작하면 되는지 처음 보는 사람도 이해할 수 있게 정리해보겠습니다.#vLLM #vLLM사용법 #vLLM종류 #LLM서빙 #..

AI 관련 글을 보다 보면 요즘 자주 보이는 단어가 있습니다.바로 sLLM과 vLLM입니다.이름이 비슷해서 같은 종류의 기술처럼 보이지만, 실제로는 역할이 다릅니다. sLLM은 어떤 모델을 쓸 것인가에 가까운 개념이고, vLLM은 그 모델을 어떻게 빠르고 효율적으로 돌릴 것인가에 가까운 기술입니다.쉽게 말하면 하나는 모델 쪽 이야기이고, 다른 하나는 추론 엔진과 서빙 쪽 이야기입니다.그래서 최근에는 “큰 모델이냐 작은 모델이냐”만 보는 게 아니라, 작은 모델을 실제 서비스에 어떻게 올릴지까지 함께 고민하는 흐름이 강해졌습니다. 이 지점에서 sLLM과 vLLM이 자주 같이 언급됩니다.#sLLM #vLLM #LLM추론엔진 #소형언어모델 #AI서빙 #LLM배포 #생성형AIsLLM이란 무엇일까sLLM은 보통 S..

코딩테스트를 준비하려고 마음먹으면 가장 먼저 드는 생각이 있습니다.“그래서 어디서 연습해야 하지?”백준이 좋다는 말도 많고, 프로그래머스가 실전에 가깝다는 이야기도 많고, 해외 쪽으로 가면 LeetCode나 HackerRank도 계속 보입니다. 문제는 사이트가 너무 많다 보니, 막상 시작하려고 하면 오히려 더 헷갈린다는 점입니다.특히 2026년에도 코딩테스트는 여전히 개발자 취업 준비에서 중요한 관문으로 여겨지고 있어서, 단순히 문제를 많이 푸는 것보다 어디서, 어떤 순서로, 어떤 목적에 맞게 연습할지가 더 중요해졌습니다.그래서 이번 글에서는 코딩테스트를 처음 준비하는 사람도 이해할 수 있도록 2026년 기준으로 많이 쓰이는 연습 사이트와, 실제로 효율적인 코딩테스트 연습 방법을 한 번에 정리해보겠습니다..

코딩테스트를 준비하려고 하면 가장 먼저 막히는 게 있습니다.“대체 뭘 어떻게 연습해야 하지?”처음에는 문제를 많이 풀면 되는 줄 알고 백준이나 프로그래머스에 들어가 보지만, 막상 들어가면 난이도도 많고 유형도 많고 사이트도 여러 개라서 어디서부터 손대야 할지 애매해집니다.누군가는 파이썬으로 시작하라고 하고, 누군가는 자바스크립트도 충분하다고 하고, 또 누군가는 무조건 기출부터 보라고 말합니다.이쯤 되면 코딩테스트 연습은 문제를 푸는 것보다 공부 순서를 정하는 것부터 어렵게 느껴집니다.그래서 이번 글에서는 코딩테스트를 처음 시작하는 사람 기준으로, 무작정 어려운 문제를 푸는 방식이 아니라 실제로 오래 가는 연습 루트를 정리해보려고 합니다.#코딩테스트연습 #코딩테스트공부법 #알고리즘공부 #개발자취업왜 코딩테..