반응형 전체 글696 LoRA / QLoRA: 적은 자원으로 거대 모델을 길들이기 AI/ML 엔지니어링 · 생성형 AI LoRA / QLoRA: 적은 자원으로 거대 모델을 길들이기 수십억 파라미터를 전부 학습하지 않고도 모델을 특화시킨다. 파라미터 효율적 파인튜닝의 핵심 기법을 원리부터 풀어봅니다. 전체 파인튜닝은 강력하지만 막대한 자원을 요구합니다. LoRA와 그 진화형 QLoRA는 모델의 극히 일부만 학습시켜 비슷한 효과를 내는 PEFT(파라미터 효율적 파인튜닝)의 대표 기법으로, 개인용 GPU 한 장으로도 거대 모델 튜닝을 가능케 했습니다. LoRA의 핵심 아이디어 LoRA(Low-Rank Adaptation)의 통찰은 "파인튜닝으로 일어나는 가중치 변화는 사실 낮은 차원(low-rank)으로 표현할 수 있다"는 것입니다. 원본 가중치 행.. 2026. 10. 11. 파인튜닝(Fine-tuning): 사전학습 모델을 내 과제에 맞추기 AI/ML 엔지니어링 · 생성형 AI 파인튜닝(Fine-tuning): 사전학습 모델을 내 과제에 맞추기 방대한 지식을 가진 범용 모델을 특정 작업·도메인·말투에 특화시키는 기술. 언제 필요하고 어떻게 하는지 정리합니다. 파인튜닝은 대규모로 사전학습된 모델을 가져와 특정 과제나 도메인에 맞는 추가 데이터로 다시 학습시켜 특화시키는 과정입니다. 처음부터 모델을 만드는 막대한 비용 없이, 이미 똑똑한 모델의 능력을 빌려 내 목적에 맞게 조정하는 실용적 방법입니다. 사전학습 vs 파인튜닝 사전학습은 인터넷 규모의 방대한 데이터로 언어의 일반적 패턴과 지식을 배우는 단계로, 천문학적 비용이 듭니다. 파인튜닝은 그 위에 비교적 적은 양의 목적별 데이터를 얹어 특정 행동을 .. 2026. 10. 11. 프롬프트 엔지니어링: 모델에게 제대로 묻는 기술 AI/ML 엔지니어링 · 생성형 AI 프롬프트 엔지니어링: 모델에게 제대로 묻는 기술 같은 모델도 어떻게 묻느냐에 따라 결과가 천차만별이다. 검증된 프롬프트 설계 원칙과 패턴을 체계적으로 정리합니다. 프롬프트 엔지니어링은 언어 모델에서 원하는 출력을 끌어내기 위해 입력(프롬프트)을 체계적으로 설계하는 기술입니다. 모델을 재학습하지 않고도 입력만 바꿔 성능을 크게 끌어올릴 수 있어, 생성형 AI 활용의 가장 기본이자 비용 효율적인 도구입니다. 좋은 프롬프트의 4요소 명확한 지시: 모호함을 줄이고 무엇을 원하는지 구체적으로 명시. 맥락 제공: 배경 정보, 대상 독자, 제약 조건을 함께 전달. 형식 지정: 출력 형태(목록, 표, JSON, .. 2026. 10. 11. DALL-E: 프롬프트 충실도와 ChatGPT 통합의 이미지 생성 AI/ML 엔지니어링 · 생성형 AI DALL-E: 프롬프트 충실도와 ChatGPT 통합의 이미지 생성 복잡한 지시를 정확히 따르고 ChatGPT 안에서 바로 그림을 그린다. OpenAI 이미지 생성의 계보와 현재 상황을 정리합니다. DALL-E는 OpenAI가 개발한 텍스트-이미지 생성 모델 계열입니다. 이름은 초현실주의 화가 살바도르 달리와 픽사 캐릭터 월-E를 합친 것으로, "예술과 기술의 결합"이라는 정체성을 담고 있습니다. 가장 큰 특징은 길고 복잡한 프롬프트도 정확히 따르는 높은 프롬프트 충실도와 ChatGPT 생태계와의 긴밀한 통합입니다. 중요 — 브랜드 전환: 2026년 기준 OpenAI는 DALL-E 브랜드를 정리하는 방향으로 이동했습니다. .. 2026. 10. 10. Midjourney: 예술적 완성도를 앞세운 이미지 생성 AI/ML 엔지니어링 · 생성형 AI Midjourney: 예술적 완성도를 앞세운 이미지 생성 셋업 없이 프롬프트 한 줄로 작품 같은 이미지를 뽑아낸다. 미학적 품질로 차별화된 Midjourney의 작동 방식과 활용법을 정리합니다. Midjourney는 텍스트 프롬프트로부터 이미지를 생성하는 독립 AI 서비스입니다. 가장 큰 특징은 별도의 후보정 없이도 고급 사진이나 일러스트에 가까운 미학적 완성도를 보여준다는 점입니다. 기술적 제어보다 "보기 좋은 결과"를 빠르게 원하는 사용자에게 강력한 도구입니다. 버전 현황: 2026년 6월 기준 V7이 안정 기본 모델이며, 2026년 3월 출시된 V8 알파(네이티브 2K 해상도, 약 5배 빨라진 생성 속도)와 그 개선.. 2026. 10. 10. Stable Diffusion: 오픈소스 이미지 생성의 자유 AI/ML 엔지니어링 · 생성형 AI Stable Diffusion: 오픈소스 이미지 생성의 자유 로컬에서 돌리고, 마음대로 미세조정하고, 픽셀 단위로 제어한다. 잠재 확산 모델의 원리와 오픈 생태계의 힘을 정리합니다. Stable Diffusion은 Stability AI가 공개한 오픈소스 이미지 생성 모델입니다. 클라우드에 갇힌 다른 도구들과 달리 가중치가 공개되어 있어 자신의 GPU에서 직접 실행하고, 원하는 대로 미세조정하며, ControlNet 같은 확장으로 세밀하게 제어할 수 있다는 점이 가장 큰 매력입니다. 확산 모델의 원리 Stable Diffusion은 확산(diffusion) 원리로 작동합니다. 학습 시에는 이미지에 점진적으로 노이즈를 더해 완전.. 2026. 10. 10. Gemini API: 멀티모달과 거대 컨텍스트의 구글 모델 AI/ML 엔지니어링 · 생성형 AI Gemini API: 멀티모달과 거대 컨텍스트의 구글 모델 텍스트·이미지·오디오·영상을 한 모델에서 다루고, 업계 최대급 컨텍스트 윈도우를 제공하는 구글 Gemini. API 구조와 강점을 정리합니다. Gemini API는 구글의 Gemini 모델군을 애플리케이션에 통합하는 인터페이스입니다. 처음부터 멀티모달로 설계되어 텍스트뿐 아니라 이미지·오디오·영상·PDF를 하나의 요청에서 자연스럽게 처리하며, 업계 최대급의 긴 컨텍스트 윈도우를 제공하는 것이 가장 큰 차별점입니다. 모델 라인업은 빠르게 바뀝니다. 2026년 6월 기준 플래그십은 Gemini 3.1 Pro(최대 2M 토큰 컨텍스트), 빠르고 효율적인 Gemini F.. 2026. 10. 9. Claude API: Anthropic 모델을 코드로 다루기 AI/ML 엔지니어링 · 생성형 AI Claude API: Anthropic 모델을 코드로 다루기 긴 컨텍스트와 안정적인 도구 사용으로 강점을 가진 Anthropic의 Claude. Messages API의 구조와 실전 호출, 최신 모델 라인업을 정리합니다. Claude API는 Anthropic의 Claude 모델을 애플리케이션에 통합하는 인터페이스입니다. 긴 문서 처리, 안정적인 지시 준수, 신뢰성 있는 도구 사용에 강점이 있어 문서 분석·에이전트·코딩 보조 같은 작업에 널리 쓰입니다. 모델 라인업은 빠르게 바뀝니다. 2026년 6월 기준 Anthropic의 라인업은 세 티어로 구성됩니다 — 최고 성능의 Claude Opus 4.8(claude-opus-.. 2026. 10. 8. ChatGPT API: OpenAI 모델을 코드로 다루기 AI/ML 엔지니어링 · 생성형 AI ChatGPT API: OpenAI 모델을 코드로 다루기 대화형 인터페이스를 넘어, GPT 모델을 애플리케이션에 직접 통합하는 방법. 핵심 개념과 실전 호출 패턴, 최신 모델 라인업을 정리합니다. ChatGPT API(정확히는 OpenAI API의 Chat Completions/Responses 인터페이스)는 GPT 계열 모델을 자신의 서비스에 통합할 수 있게 해주는 진입점입니다. 웹의 ChatGPT가 사람이 직접 쓰는 제품이라면, API는 개발자가 코드로 모델을 호출해 챗봇·요약기·분류기 같은 기능을 만드는 통로입니다. 모델 라인업은 빠르게 바뀝니다. 2026년 6월 기준 OpenAI의 플래그십은 GPT-5.5이며, 비.. 2026. 10. 7. 얼굴 인식(Face Recognition): 검출에서 신원 확인까지 AI/ML 엔지니어링 · 컴퓨터 비전 얼굴 인식(Face Recognition): 검출에서 신원 확인까지 얼굴을 찾고, 특징을 벡터로 바꾸고, 거리로 동일인을 판단한다. 임베딩 기반 얼굴 인식의 원리와 책임 있는 활용을 함께 다룹니다. 얼굴 인식은 이미지 속 얼굴이 "누구인가"를 판별하는 기술입니다. 흔히 한 단어로 묶이지만 실제로는 여러 단계로 나뉘며, 각 단계가 서로 다른 비전 기술을 동원합니다. 얼굴 인식의 4단계 ① 얼굴 검출(Detection): 이미지에서 얼굴의 위치를 찾습니다. ② 정렬(Alignment): 눈·코·입 같은 랜드마크를 기준으로 얼굴을 표준 위치·각도로 보정합니다. ③ 임베딩(Embedding): 얼굴을 고정.. 2026. 10. 6. OpenCV: 컴퓨터 비전의 만능 공구함 AI/ML 엔지니어링 · 컴퓨터 비전 OpenCV: 컴퓨터 비전의 만능 공구함 딥러닝 이전부터 지금까지, 모든 비전 프로젝트의 토대가 되는 라이브러리. 핵심 기능과 실전 활용 패턴을 짚어봅니다. OpenCV(Open Source Computer Vision Library)는 2000년대 초부터 이어져 온 비전 분야의 표준 라이브러리입니다. C++로 작성되었지만 파이썬 바인딩이 잘 갖춰져 있어, 이미지 입출력부터 전처리·기하 변환·특징 검출·영상 처리까지 비전 작업의 거의 모든 기초를 담당합니다. 딥러닝 모델의 입력 전처리와 출력 후처리 양쪽에서 사실상 필수 도구입니다. 이미지는 NumPy 배열이다 OpenCV에서 이미지는 NumPy 배열로 표현됩니다. 컬러 이미지.. 2026. 10. 5. OCR: 이미지 속 글자를 텍스트로 되살리기 AI/ML 엔지니어링 · 컴퓨터 비전 OCR: 이미지 속 글자를 텍스트로 되살리기 광학 문자 인식의 두 단계 — 글자를 찾고(detection), 읽는다(recognition). 전통 기법부터 딥러닝 기반 엔드투엔드 파이프라인까지 정리합니다. OCR(Optical Character Recognition)은 이미지나 스캔 문서, 사진 속 글자를 기계가 읽을 수 있는 텍스트로 변환하는 기술입니다. 종이 문서의 디지털화부터 번역 앱의 실시간 텍스트 인식, 자동차 번호판 판독까지 폭넓게 쓰입니다. OCR의 두 단계 현대 OCR 파이프라인은 두 단계로 구성됩니다. 텍스트 검출(Text Detection): 이미지에서 글자가 있는 영역의 위치(박스 또는 다각.. 2026. 10. 5. 포즈 추정(Pose Estimation): 몸의 움직임을 읽는 기술 AI/ML 엔지니어링 · 컴퓨터 비전 포즈 추정(Pose Estimation): 몸의 움직임을 읽는 기술 관절의 좌표를 찾아 사람의 자세와 동작을 구조화한다. 키포인트 검출의 원리부터 톱다운·보텀업 접근, 그리고 실무 라이브러리까지. 포즈 추정은 이미지나 영상 속 사람(또는 객체)의 주요 관절 위치, 즉 키포인트(keypoint)를 찾아내는 과제입니다. 어깨·팔꿈치·손목·무릎 같은 점들을 검출하고 이들을 연결해 골격(skeleton)을 구성함으로써, 픽셀 더미였던 사람을 동작을 분석할 수 있는 구조적 데이터로 바꿉니다. 무엇을 출력하는가 대표 데이터셋 COCO 기준으로 사람당 17개의 키포인트(코, 양 눈·귀, 양 어깨·팔꿈치·손목·엉덩이·무릎·발목)를 예측합니다.. 2026. 10. 4. 이미지 분할(Segmentation): 픽셀 단위로 세상을 이해하기 AI/ML 엔지니어링 · 컴퓨터 비전 이미지 분할(Segmentation): 픽셀 단위로 세상을 이해하기 바운딩 박스를 넘어, 모든 픽셀에 의미를 부여하는 가장 정밀한 비전 과제. 시맨틱·인스턴스·판옵틱 분할의 차이와 대표 모델을 정리합니다. 분류가 "이 사진은 무엇인가"를, 탐지가 "객체가 어디 있는가"를 답한다면, 분할은 "각 픽셀이 무엇에 속하는가"를 답합니다. 이미지의 모든 픽셀에 클래스 레이블을 부여하는 가장 조밀한 예측 과제입니다. 세 가지 분할 유형 유형구분 기준예시 시맨틱 분할같은 클래스는 하나로 묶음모든 사람을 '사람' 영역으로 인스턴스 분할같은 클래스도 개체별 구분사람1, 사.. 2026. 10. 4. R-CNN에서 Faster R-CNN까지: 2-stage 탐지기의 계보 AI/ML 엔지니어링 · 컴퓨터 비전 R-CNN에서 Faster R-CNN까지: 2-stage 탐지기의 계보 "영역을 먼저 제안하고, 그 다음 분류한다." 정확도를 앞세운 2-stage 객체 탐지의 발전 과정을 단계별로 따라갑니다. YOLO가 속도를 대표한다면, R-CNN 계열은 정확도를 대표합니다. 이 계열의 발전사는 "어떻게 영역 제안과 분류를 더 빠르고 정교하게 결합할 것인가"라는 한 가지 질문에 대한 연속된 답이었습니다. R-CNN (2014): 첫걸음 원조 R-CNN의 절차는 직관적입니다. 먼저 Selective Search라는 비신경망 알고리즘으로 객체 후보 영역 약 2,000개를 뽑고, 각 영역을 잘라내 CNN에 통과시켜 특징을 추출한 뒤 SVM으로 .. 2026. 10. 3. YOLO: 한 번의 추론으로 모든 객체를 찾는다 AI/ML 엔지니어링 · 컴퓨터 비전 YOLO: 한 번의 추론으로 모든 객체를 찾는다 "You Only Look Once" — 이미지를 단 한 번만 보고 객체의 위치와 종류를 동시에 예측하는 실시간 객체 탐지의 대명사. 그 설계 철학과 진화를 풀어봅니다. 객체 탐지(object detection)는 이미지 안의 모든 객체에 대해 "무엇인지(분류)"와 "어디에 있는지(바운딩 박스)"를 동시에 답하는 과제입니다. YOLO는 이 문제를 단일 회귀 문제로 재정의하며 실시간 탐지의 시대를 열었습니다. 1-stage vs 2-stage 탐지기는 크게 두 계열로 나뉩니다. R-CNN 계열의 2-stage 탐지기는 먼저 객체가 있을 법한 영역(region proposal)을 추.. 2026. 10. 3. 이미지 분류(Image Classification): 컴퓨터 비전의 출발점 AI/ML 엔지니어링 · 컴퓨터 비전 이미지 분류(Image Classification): 컴퓨터 비전의 출발점 한 장의 이미지를 보고 "이것은 무엇인가"를 답하는 가장 기본적인 비전 과제. 그 원리와 핵심 아키텍처, 그리고 실무 학습 전략까지 정리합니다. 이미지 분류는 입력 이미지 전체를 하나의 클래스 레이블로 매핑하는 작업입니다. "이 사진은 고양이인가 개인가"처럼 단일 정답을 출력하며, 객체 탐지·분할 등 더 복잡한 비전 과제의 토대가 됩니다. 딥러닝이 컴퓨터 비전을 지배하게 된 출발점도 바로 이 분류 문제였습니다. 왜 CNN인가 일반 완전연결 신경망은 이미지의 픽셀을 1차원으로 펼쳐 처리하기 때문에 공간 구조가 무너지고 파라미터가 폭발합니다. 합성곱 신경망.. 2026. 10. 3. 감성 분석(Sentiment Analysis): 텍스트에 담긴 감정을 읽다 NLP · Task 감성 분석(Sentiment Analysis): 텍스트에 담긴 감정을 읽다 리뷰가 칭찬인가 불만인가. 대량의 의견 데이터에서 사람의 태도를 자동으로 가늠하는 의견 마이닝의 핵심.감성 분석은 텍스트에 드러난 글쓴이의 감정·태도·의견의 극성(긍정/부정/중립)을 판별하는 과제다. 상품 리뷰, 소셜 미디어 게시물, 고객 상담 기록처럼 쏟아지는 의견 데이터를 사람이 일일이 읽을 수 없으므로, 이를 자동으로 요약하는 의견 마이닝의 출발점이 된다.분석의 세분화 수준 수준대상예시 질문 문서 단위글 전체이 리뷰는 전반적으로 긍정인가? 문장 단위개별 문장이 문장은 어떤 극성인가? 속성 단위특정 측면'배터리'에 대한 감정은?특히 속성 기반 감성 분석(ABSA)은 "화면은 좋은데 배터리가 아쉽다.. 2026. 10. 2. 이전 1 2 3 4 ··· 39 다음 반응형
