AI 기초2026.07.2916 MIN
검증자 모델: 답을 고르는 눈을 따로 기른다
규칙 검증기, 결과 보상 모델(ORM), 과정 보상 모델(PRM), 자기 검증의 특성과 한계를 비교하고, 여러 후보 중 정답을 골라내는 검증 계층을 실무에서 어떻게 구성할지 코드와 함께 정리합니다.
PALDYN LEARN
AI 학습
AI가 어떻게 작동하는지 배웁니다. 모델의 원리부터 그 아래를 떠받치는 수학, 실제로 굴리는 방법까지.
- 277편
- 전체
- 04
- 분야
AI 기초2026.07.2914 MIN
사고 예산 제어: 얼마나 생각하게 할 것인가
사고 예산과 출력 상한의 관계, 난도에 따른 적응형 예산 배분, 예산 소진으로 답변이 잘리는 실패 모드와 그 방어책을 실무 코드와 운영 지표 중심으로 정리합니다.
AI 기초2026.07.2916 MIN
추론 능력은 어떻게 훈련되는가: 검증 가능한 보상과 강화학습
추론 모델이 되돌아가기와 자기 검증을 학습하는 원리를 검증 가능한 보상(RLVR)과 그룹 상대 정책 최적화를 중심으로 설명하고, 보상 해킹과 학습 붕괴를 막는 실무 장치를 정리합니다.
AI 기초2026.07.2914 MIN
추론 모델은 무엇이 다른가: 사고 토큰과 그 청구서
추론 모델이 일반 LLM과 구조적으로 어떻게 다른지, 사고 토큰이 정확도와 비용에 어떤 영향을 주는지, 그리고 어떤 작업에서만 그 대가가 회수되는지 실무 기준으로 정리합니다.
AI 기초2026.07.2915 MIN
테스트 타임 컴퓨트: 추론 시점에 계산을 더 쓴다는 것
병렬 샘플링, 순차 수정, 트리 탐색으로 추론 시점 컴퓨트를 늘리는 방법과 각각의 비용·지연 특성, 그리고 수확 체감이 시작되는 지점을 실전 코드와 함께 정리합니다.
AI 기초2026.07.283 MIN
Transformer를 이해하는 가장 짧은 길: Attention부터 시작하기
Query, Key, Value의 역할을 일상적인 검색 과정에 빗대어 이해하고, Self-Attention의 계산 흐름을 단계별로 살펴봅니다.
AI 기초2026.07.213 MIN
RAG는 검색이 아니다: 근거 있는 답변이 만들어지는 전체 과정
RAG를 단순한 벡터 검색으로 보지 않고, 질문에 맞는 근거를 구성해 답변 품질을 관리하는 시스템으로 설명합니다.
AI 기초2026.07.132 MIN
AI Agent의 핵심은 자율성이 아니라 반복 구조다
Agent라는 이름 뒤에 숨은 반복 구조와 도구 호출, 중단 조건, 실패 복구의 역할을 명확히 구분합니다.
수학2026.07.092 MIN
모델의 90% 확신을 믿어도 될까: 확률과 Calibration
분류 모델의 확률값과 실제 신뢰도의 차이를 이해하고 Calibration curve와 Brier score의 의미를 정리합니다.
모델 운영2026.05.2910 MIN
GPU 메모리 최적화: OOM 없이 더 크게 훈련하는 법
GPU OOM 에러 원인 분석부터 gradient checkpointing, mixed precision, gradient accumulation, 메모리 프로파일링까지 — 제한된 VRAM으로 더 큰 모델을 훈련하는 실전 기법 완전 정복.
모델 운영2026.05.2912 MIN
GPU와 CUDA: 딥러닝 연산의 심장을 이해하다
CPU와 GPU의 구조적 차이, CUDA 프로그래밍 모델, PyTorch에서의 GPU 활용, 메모리 계층 구조를 딥러닝 관점에서 완전 정복한다.
AI 기초2026.05.286 MIN
AI 개발을 위한 Python 핵심 라이브러리
NumPy, Pandas, Matplotlib, Scikit-learn부터 PyTorch, HuggingFace Transformers, Anthropic SDK까지 — AI 개발자가 반드시 알아야 할 Python 생태계 핵심 라이브러리를 체계적으로 정리합니다.
모델 운영2026.05.267 MIN
데이터 중복 제거: 정확한 매칭부터 시맨틱 디덥까지
정확 매칭·퍼지 매칭·시맨틱 임베딩 기반 중복 제거 기법을 비교하고, RapidFuzz·recordlinkage·SentenceTransformers를 활용한 실무 파이프라인을 코드와 함께 설명합니다.
모델 운영2026.05.268 MIN
데이터 품질 관리: 쓰레기 in, 쓰레기 out을 막는 법
정확성·완전성·일관성·적시성·타당성·유일성 6대 차원으로 데이터 품질을 정의하고, Great Expectations·Pandera·dbt로 파이프라인에서 자동 검증하는 실무 방법을 설명합니다.
모델 운영2026.05.269 MIN
합성 데이터: 실제 데이터 없이 AI 학습 데이터 만들기
Faker·SDV·GAN·Diffusion 모델까지 합성 데이터 생성 방법 전체를 정리하고, 품질 검증·프라이버시 보호·다운스트림 성능 평가까지 실무 관점에서 설명합니다.
AI 기초2026.05.268 MIN
AI 코딩 도구의 시대: GitHub Copilot 완전 해부
GitHub Copilot의 FIM 방식 동작 원리, Inline Completion·Chat·Edits·Agent 4가지 모드, 효과적인 프롬프팅 전략과 보안·라이선스 이슈까지 실무 관점에서 완전히 정리합니다.
AI 기초2026.05.269 MIN
AI 코딩 모범 사례: 생산성과 품질을 동시에 잡는 전략
AI 코딩 도구 5종을 경험한 개발자라면 알아야 할 컨텍스트 최적화·코드 검증·작업 분해·반복 개선·보안 관리 5가지 원칙과 효과적인 프롬프트 패턴을 정리합니다.
AI 기초2026.05.268 MIN
AI로 코드 리뷰하기: 자동화와 사람 리뷰의 균형
Claude·GPT API를 활용한 자동 코드 리뷰 시스템 구축, GitHub Actions 통합, 리뷰봇 프롬프트 설계, 그리고 AI 리뷰와 사람 리뷰의 올바른 역할 분담을 다룹니다.
AI 기초2026.05.268 MIN
Aider: AI 페어 프로그래머와 Git 통합 개발
오픈소스 AI 코딩 CLI Aider의 Git 자동 커밋, Architect 모드, 멀티모델 전략, .aider.conf.yml 설정을 실전 예시와 함께 정리합니다.
AI 기초2026.05.268 MIN
Claude Code: 터미널에서 만나는 AI 소프트웨어 엔지니어
Anthropic의 Claude Code CLI 에이전트를 완전 해부합니다. 설치·CLAUDE.md 작성·에이전트 모드·MCP 통합·서브 에이전트 병렬화까지 실무 활용 전략을 다룹니다.
AI 기초2026.05.267 MIN
Cursor: AI 네이티브 IDE의 새로운 기준
VS Code 포크 기반의 Cursor가 Tab 자동완성·Chat·Composer·Agent 모드로 개발 흐름을 어떻게 바꾸는지, .cursorrules 작성법부터 Agent 실전 활용까지 정리합니다.
AI 기초2026.05.268 MIN
OpenAI Codex와 ChatGPT: AI 코딩의 시작점
2021년 Codex부터 ChatGPT, GPT-4, GPT-4o, o-series까지 OpenAI 코딩 AI의 진화를 추적하고, Code Interpreter·Canvas·Codex CLI의 실전 활용법을 정리합니다.
모델 운영2026.05.257 MIN
데이터 레이블링: AI가 학습할 정답을 만드는 과정
전문가·크라우드소싱·LLM 자동 레이블링 방식을 비교하고, Cohen's Kappa를 이용한 레이블러 간 일치도(IAA) 측정과 품질 관리 파이프라인을 코드와 함께 설명합니다.