전체 글215 [AI] 인공지능의 원리 y = Wx + b ※ AI 모델의 시작은 단 한 줄의 수식으로부터AI, 머신러닝, 딥러닝 등 복잡해 보이는 용어들도 사실은 하나의 단순한 수식에서 출발한다. y = Wx + b 이 짧은 식이 모든 인공지능 모델의 공통 뿌리이다.기호의미설명x입력 데이터모델이 받는 데이터 (예 : [나이, 키, 몸무게])W가중치(Weight)모델이 학습하며 조정하는 값 (데이터의 중요도)b편향(Bias)결과를 미세 조정하는 상수항y출력(결과)모델이 예측하거나 분류한 결과값 즉, 입력 데이터 x에 가중치 W를 곱하고, 편향 b를 더해 결과 y를 내보내는 것이 단순한 연산이 바로 모든 AI 모델의 기본 구조이다.※ 하지만 현실의 데이터는 단순하지 않음단순한 y = Wx + b 만으로는 복잡한 이미지, 음성, 문장 같은 비정형 데이터를 설명하기 .. 2025. 11. 7. [AI] 초보자도 이해하기 쉬운 머신러닝 vs 딥러닝 비교 ▶ '스팸' 메일과 '광고' 문구로 이해하는 AI 학습의 차이AI를 처음 공부하다 보면 "머신러닝과 딥러닝의 차이는 뭘까?"라는 궁금증이 생긴다.두 개념 모두 데이터를 학습해 규칙을 찾아내는 기술이지만,가장 큰 차이는 바로 "사람이 어디까지 알려주느냐"에 있다.이 글에서는 '스팸' 메일과 '광고'라는 문구를 예시로 들어, 머신러닝과 딥러닝의 차이를 누구나 이해하기 쉽게 설명해 보려고 한다.※ 머신러닝(ML) : 사람이 직접 골라준 특징으로 데이터를 분류머신러닝은 사람이 모델에게 어떤 특징이 중요한지를 직접 알려주는 방식이다.즉, 사람이 특징을 지정하고, 모델은 그 특징을 이용해 분류한다.예시 :"메일 중에 '광고'라는 단어가 붙은 메일들은 모두 '스팸'이야"사람이 이렇게 규칙을 정해주면, 모델은 그 규칙.. 2025. 11. 7. [AI] Web Service vs AI Service (데이터 흐름으로 비교하기) ※ Web Service 데이터 흐름[사용자] │ (요청:"상품 목록 보여줘") ▼[프론트엔드] │ (API 요청 전송) ▼[백엔드 서버] │ (DB에 데이터 요청) ▼[데이터베이스] │ (요청한 데이터 반환) ▲[백엔드 서버] │ (데이터 가공) ▼[프론트엔드] │ (응답 전송) ▼[사용자에게 결과 표시] DB에 저장된 값을 꺼내서 사용자에게 보여주는 구조※ AI Service 데이터 흐름[사용자] │ (요청:"나에게 맞는 전시를 추천해줘") ▼[프론트엔드] │ (API 요청 전송) ▼[백엔드 서버] │ (AI 모델 서버에 전달) ▼[AI 모델 서버] │ (필요한 데이터 탐색) ▼[데이터 저장소] │.. 2025. 11. 7. [AI] RAG·MCP·A2A (AI 서비스의 핵심 구조) AI 기술이 빠르게 발전하면서 이제는 단순한 "대화형 AI"를 넘어서외부 지식을 활용하고, 시스템과 연동하며, 여러 AI가 협업하는 구조로 진화하고 있다.이 흐름의 중심에는 RAG, MCP, A2A가 있다.이 세 가지를 이해하면, AI가 어떻게 "지식 → 행동 → 협업"의 단계를 거쳐하나의 완성된 서비스를 만들어가는지 명확하게 보일 것이다.※ RAG (Retrieval-Augmented Generation)▶ 개념RAG는 AI가 외부의 지식이나 데이터를 검색하여 답변의 정확도를 높이는 기술이다.기존 LLM(GPT, Claude 등)은 학습 시점 이후의 정보를 알 수 없기 때문에,"최신 정보"나 "도메인 전용 지식"에는 한계가 있다. 그리고 RAG는 이 문제를 해결한다.쉽게 말하면, "AI가 모르는 걸 직.. 2025. 11. 6. [AI] MCP(Model Context Protocol) ※ MCP(Model Context Protocol)란?AI 개발을 훨씬 쉽고 빠르게 만들어주는 표준 연결 규칙 요즘 기업들은 챗봇, 업무 자동화, 검색 시스템 등 다양한 AI 서비스를 만들고 있다.그런데 문제는,AI는 똑똑해도, 회사 시스템에 쉽게 접근하지 못한다는 것이다.예를 들어 회사 고객센터 시스템에 AI 챗봇을 만든다고 가정해 보자AI가 잘 답하려면 아래 데이터를 알아야 한다. · 고객 정보 · 주문 내역 · 배송 상태 · FAQ 문서 · 내부 지식 문서 하지만 이 정보들은 다 회사 내부 시스템에 저장되어 있고, 시스템마다 접근 방식, 보안 방식, 데이터 형태가 모두 다르다.그렇기 때문에 AI를 사용하기 어렵다. ※ AI 개발 (MCP 없을 때)AI에게 시스템 사용법을 하나씩 다 가르쳐야 했다... 2025. 11. 6. [Backend] MSA 환경에서 반드시 고려해야 할 핵심 이슈와 해결 방법 ※ MSA(Microservices Architecture)하나의 큰 애플리케이션을 독립적인 여러 서비스로 분리하여 개발하고 운영하는 소프트웨어 아키텍처 방식각 서비스는 고유한 기능을 담당하며, 독립적인 배포·확장·운영이 가능하도록 설계된다. ※ 왜 MSA를 사용할까?기존의 모놀리식(Monolithic) 방식은 기능이 커지고 복잡해질수록 다음과 같은 문제가 발생한다.· 한 부분의 변경이 전체 서비스에 영향을 줌· 배포가 느리고 위험도가 큼· 성능 확장 시 전체 시스템을 확장해야 함 반면 MSA는 기능 단위로 분리되어 있어,· 필요한 서비스만 독립적으로 확장(Scale-out) 할 수 있고· 서비스별로 다른 기술 스택 선택이 가능하며· 기능 단위로 빠르게 배포 및 장애 대응할 수 있다. 특히, 클라우드 환.. 2025. 10. 31. 이전 1 2 3 4 ··· 36 다음
