Family AI 캠프 SKN 13기

3월 24일부로 약 6개월 간의 멈출 수 없는 열차가 출발해버렸다...내가 가장 잘하는 것을 쫓아 화학과를 다니다, 내가 가장 재미있어하고 하고싶어하는 코딩을 따라 여기까지 오게 되었다.AI 수업을 듣고 싶어 어영부영 독학했던 Python이 도움이 되기는 했는지 첫 일

2주차는 너무 길었다....!한창 쉬다가 시작한 1주차와는 다르게 2주차에는 하루하루 피곤해져 가는게 너무너무 체감됐다..그만큼 1주차에 비해 이룬 것이 많다는 뜻2주차를 요약해보자면 클래스부터 예외처리 등등 파이썬의 피날레를 보았으며 새로운 Database를 다루는

첫 단원 '프로그래밍과 데이터 기초'가 끝나고 마무리 시험, 소형 단위 프로젝트가 진행된 한 주 였다. 딱딱한 SQL 문법만 주구장창보다가 와서 그런가...? 아니면 내 손으로 무언갈 만드는 프로젝트를 진행해서 그런가 3주차는 굉장히 활력넘치는 한 주였다.프로젝트 내용

한 달이 지났다.누군가 나를 잡고 캠프가 시작하는 한 달 전으로 돌아갈 수 있으면 돌아갈 것이냐 물으면 나는 단언컨대 절대 돌아가지 않을 것이다.그만큼 지난 한 달간 SKN 부트캠프에서의 성취는 높았고, 후회없을 노력을 했다.한 가지 아쉬웠던 점이라면 오전 9시부터 저

지난 주에 분명 코딩 테스트를 위한 알고리즘에 대해 공부하겠다고 다짐했건만.... 5주차에 들어와 본격적으로 배워본 머신러닝은 감히 한 눈을 팔 대상이 아니었다.불과 제작년과 작년에 걸쳐 머신러닝에 대해 배울 기회가 있었고, 열심히도 공부했었지만 개념을 공부하는 것과

4/28 (월) ~ 5/2 (금) 까지 진행된 6주차에서는 머신러닝의 개별 모델들에 대해 더욱 상세하게 배우는 동시에 다음 챕터인 딥러닝에 대해 맛보는 시간을 가졌다.5/1 목요일부터 그 다음주 5/6 화요일까지 이어지는 연휴에 많은 머신러닝 내용을 다시 정리해 블로그

드디어 고대하던 딥러닝을 배우는 한 주가 시작되었다. 이곳 저곳 흩어진 비정형 데이터를 모아 의미있는 값을 추출해낸다는 딥러닝의 아이디어가 너무도 매력적으로 느껴져 열심히 배워보고 싶었지만,,,, 연휴를 지나며 두통을 동반한 감기에 걸리는 바람에 수업을 제대로 따라가

딥러닝을 마무리하고 여태까지 배운 내용을 꽃 피우는 프로젝트 주간이 지나갔다. > https://github.com/SKNETWORKS-FAMILY-AICAMP/SKN13-2nd-7Team.git 데이터를 분석해서 이탈 유저를 분석하라는 대주제에 우리 팀은 이탈 대

자연어 처리에 대해 배우기 시작하는 첫 주 !머신러닝과 딥러닝을 배울때와 마찬가지로 해당하는 개념을 먼저 배우고 그 개념을 짜놓은 라이브러리를 숙달하는 방식으로 수업이 진행되었다.정형화된 데이터를 사용하던 머신러닝에서 비정형 값을 데이터로 사용하던 딥러닝에 이어 이제는

지난 한 주를 통해 자연어 텍스트를 쪼개 토큰으로 분류하고, 이 토큰들을 통해 커다란 단어 사전을 만드는 법에 대해 배웠다. 이제 우리는 자연어 텍스트를 입력으로 받으면 이를 숫자 배열로 바꿀 수 있게 되었다. 이번 한 주는 이렇게 쪼갠 단어들을 하나의 벡터로 바

자연어에서 문맥의 정보를 처리하기위해 도입한 RNN은 그 구조 자체가 하나의 Layer를 계속해서 순환하여 사용하는 구조적인 문제로 데이터의 병렬 처리가 불가능하며 시간에 따른 장기 기억 손실 문제를 해결할 수 없었다. LSTM이나 그 구조를 개선한 GRU의 경우에도

앞서 Hugging Face의 transformer 기반 모델을 활용하여 여러 task를 해결할 수 있음을 알았다. 그럼 끝인가? 초기 학습과 지속적인 추가 학습, 출력 저장용 데이터베이스가 추가로 필요하며 연결되어야 할 것이며 이 모델을 상용화하기 위한 여러 프레

이전 시간까지 하여 LangChain 을 이용하여 LLM 모델을 사용하는 전반적인 방법에 대해 알아보았다. 이제는 그 LLM 모델을 더 효율적으로 사용할 방법에 대해 배울 차례이다. LLM 모델은 태초부터 챗봇을 위해 나온 모델이 아니라 랜덤한 자연어를 최대한 말이

지난 주차까지 LLM API 를 이용하여 여러 체인을 구성해 원하고자 하는 task 를 해결해보는 과정을 배웠다.이렇게 발전된 거대 LLM 모델은 터무니없는 데이터 양을 학습하였기에 분명 막강한 성능을 지녔지만, 여러 방면에 있어 명백한 한계점을 지닌다.1) 특정 작업

지난 14주 동안 파이썬부터 시작해 여러 라이브러리를 거쳐 최종 LLM 모델 구성에 도달하기까지 많은 길을 걸어왔다. 이제 모델링에서 빠져나와 시야를 확장시켜 볼 단계이다. 프론트엔드 기초를 배우고, Django를 통해 웹 애플리케이션을 구성해 볼 것이며 AWS를

2025.03.24 (월) 을 시작으로 교육 및 단기 프로젝트로 이루어진 4개월과 최종 프로젝트 2개월, 총 6개월 간의 긴 여정이 2025.09.15 (월) 을 기점으로 끝이 났다. 이번 블로그에서는 최종 프로젝트를 진행하면서 배운 점과 느낀 점을 마지막으로 돌이켜보

지난 주 얕게나마 프론트를 구성하는 세 가지 언어에 대해 알아보았다. HTML, CSS, JavaScript 가 그들이다. 이들을 통해 각각의 페이지가 어떻게 구성될 지, 각 페이지에서 사용자의 이벤트를 캐치하여 어떤 행동을 할지에 대해 정할 수 있었다. 이제 이들을