분류 전체보기107 클로드 코드 활용법, 파워 유저가 되어보자. 엔트로픽의 성장이 매섭다.클로드 코드가 빠르게 개선되더니 이제 표준 바이브 코딩 도구 정도가 되는거 같다.그래서 내가 두고두고 보려고 클로드 코드 활용법에 대한 포스팅을 적는다. 이 내용은 실밸개발자 님의 유튜브 영상을 참고하여 작성했습니다. 1. 입문기본적인 클로드 코드의 사용법 1.1. CALUDE.md프로젝트의 모든 컨텍스트를 담고 있는 핵심 파일이다.주요 포함 내용은 5가지 정도로 범용 내용만 최적화하여 포함한다.1. 절대 규칙: 프로덕션 DB 쿼리 금지, 환경 변수 커밋 금지2. 아키텍처: 프로젝트의 전체적인 트리 구조3. 기술 스택 및 명령어: 사용 언어, 프레임워크, 빌드 및 테스트 명령어4. 도메인 컨텍스트: 도메인 관련된 지식 주입5. 코딩 컨벤션: 명명 규칙(PascalCase, ca.. 2026. 4. 6. [논문 리뷰] RLM 요약, 코드, 구현 논문을 상세히 번역하고 한단어씩 해석해주는 포스팅은 많다.나는 논문을 누구나 알아듣도록 쉽고 간결하게 전달하고자 한다. RLMRecursive Language Models ZHANG, Alex L.; KRASKA, Tim; KHATTAB, Omar. Recursive language models. arXiv preprint arXiv:2512.24601, 2025. 논문 원문 링크 저자의 의도무제한 길이의 프롬프트를 처리할 수 있도록 해보자.[inference-time scaling 관점 개선]RLM은 프롬프트를 외부 환경처럼 취급하고 프로그램적으로 접근할 수 있게 한다.(여기서 프롬프트는 유저의 질문, RAG 결과, 스니펫, 청크 등 모든 것을 포함)LLM이 탐색하고 분해하며 재귀적으로 호출하여 프.. 2026. 3. 31. [취준] 알고리즘, 자료구조, CS 면접 대비 질문 리스트 (for 데이터 사이언티스트) 데이터 사이언티스트.정말로 정보를 찾기가 힘든 직종이다.취업하는 과정이 험난하고 막막하다.나는 다음 세대가 더 편하게 취업을 했으면 하는 생각에 취업 준비 기록을 남긴다. 딥러닝 면접 대비를 위한 질문 리스트이다.(다른걸 더 많이 물어본다. 알고리즘, 자료구조, CS 질문은 거의 안함.)깃허브에 통합 버전이 있는데 안들어갈거 같아서 여기다 추가로 적는다. 원본은 여기.여러 사이트와 깃허브를 참고했다.그분들께 무한한 감사를 드립니다.그런 의미에서 나의 리스트도 공공재로 쓰면 된다. 다만 면접 대비에서도 언급했던 것처럼 꼭 반드시 자신의 언어로 답변을 다시 준비하도록 하자.면접 대비 글은 여기. [취준] 5번째, 데이터 사이언티스트 면접 준비데이터 사이언티스트.정말로 정보를 찾기가 힘든 직종이다.취업하는 과.. 2025. 12. 19. 낯선 AI 분야 논문 찾는 방법, (???: 이 분야 좀 내일까지 알아봐) 처음 대학원에 가거나 연구 직무를 맡으면 답답한 점이 있다.뭘 어디서부터 어떻게 찾고 뭘 어떻게 공부해야하지? 진짜 눈앞이 막막하다.선배들에게 물어보면 그 뭐 그냥 대충 논문 찾아서 읽으면 된다고 한다.그... 그러면.... 논문을 어떻게 찾는데요...? ㅎㅁㅎ? 이 글에서는 논문 탐색 로드맵을 알려주고자 한다.물론 이 방법에는 정답이 없다.내가 제시하는 방법이 마스터 알고리즘이 아닐 수 있다.하지만 나같은 경우에는 이렇게 찾는게 가장 빨랐다.그리고 답답해하는 연구자들에게 이 방법을 공유한다. 3가지만 기억하면 된다.벤치마크와 데이터셋 -> SOTA 모델 -> Citation (참 쉽죠?) (보고 있나 과거의 나?) 1. 벤치마크와 데이터셋가장 먼저 해야할 일은 데이터셋을 찾는 것이다.모든 AI 모델은 .. 2025. 12. 19. [논문 리뷰] NGCF 요약, 코드, 구현 논문을 상세히 번역하고 한단어씩 해석해주는 포스팅은 많다.나는 논문을 누구나 알아듣도록 쉽고 간결하게 전달하고자 한다. NGCFNeural Graph Collaborative FilteringWANG, Xiang, et al. Neural graph collaborative filtering. In: Proceedings of the 42nd international ACM SIGIR conference on Research and development in Information Retrieval. 2019. p. 165-174. 논문 원문 링크 저자의 의도1. 관계 기반 임베딩 vs 속성 기반 임베딩유저 임베딩과 아이템 임베딩을 학습하는 것은 현대 추천 시스템의 핵심이다.MF 기반 알고리즘부터 딥러닝 .. 2025. 12. 18. [논문 리뷰] DeepFM 요약, 코드, 구현 논문을 상세히 번역하고 한단어씩 해석해주는 포스팅은 많다.나는 논문을 누구나 알아듣도록 쉽고 간결하게 전달하고자 한다. DeepFM DeepFM: a factorization-machine based neural network for CTR predictionGUO, Huifeng, et al. DeepFM: a factorization-machine based neural network for CTR prediction. arXiv preprint arXiv:1703.04247, 2017. 논문 원문 링크 저자의 의도기존의 방법론은 low-order 혹은 high-order 상호작용에 강한 편향이 존재한다. low-order와 high-order 상호작용을 모두 효과적으로 모델링할 수 있는 방법론을 제.. 2025. 12. 18. 내 목소리를 학습한 음성 AI 모델 TTS 만들기, 깃허브, 코드, XTTS v2, supertonic, VibeVoice 내 목소리를 학습한 음성 AI 모델인 TTS를 만들어봤다.요즘 TTS는 한국 모델들의 성능이 매우 좋다. (펄럭.)그런데? 영어만. 한국어는? 비공개~ ^0^~그래서 그냥 내가 한번 학습 코드를 만들어 봤다. XTTS v2는 꽤 오래된 모델이고 학습하는 코드가 널렸다.한국어를 학습시키는 깃허브가 없어서 짜집기해서 만들어 봤다. 성격이 급하신 분들을 위해 먼저 코드부터 공유.깃허브 링크는 여기. GitHub - HiMyNameIsDavidKim/xtts_training_ko: XTTS v2 training (fine-tuning) on Korean, XTTS v2 한국어 학습 (파인튜닝)XTTS v2 training (fine-tuning) on Korean, XTTS v2 한국어 학습 (파인튜닝) - H.. 2025. 12. 18. 이미지 설명 생성 AI 모델 만들기, 깃허브, 코드, CLIP, sLLM, MLP 이미지에 대한 설명을 생성하는 AI 모델을 만들어봤다. (그런데 이제, 경량화를 곁들인.)'엥? 그거 원래 CLIP으로 할 수 있는 거잖아~~~~' 라는 생각이 들 수 있다.하지만 CLIP은 분류 모델이지 생성 모델이 아니다. 성격이 급하신 분들을 위해 먼저 코드부터 공유.깃허브 링크는 여기. GitHub - HiMyNameIsDavidKim/image_captioning: image captioning with CLIP and LLMimage captioning with CLIP and LLM. Contribute to HiMyNameIsDavidKim/image_captioning development by creating an account on GitHub.github.com한글 설명은 여기. i.. 2025. 12. 17. [논문 리뷰] CLIP 요약, 코드, 구현 논문을 상세히 번역하고 한단어씩 해석해주는 포스팅은 많다.나는 논문을 누구나 알아듣도록 쉽고 간결하게 전달하고자 한다. CLIPLearning transferable visual models from natural language supervision RADFORD, Alec, et al. Learning transferable visual models from natural language supervision. In: International conference on machine learning. PmLR, 2021. p. 8748-8763. 논문 원문 링크 저자의 의도고정된 카테고리를 '분류'로 학습하는 것은 일반화가 어렵다.'분류' 대신 '이미지를 서술하는 raw 텍스트에서 직접 학습'하는 것.. 2025. 12. 15. [논문 리뷰] GCN 요약, 코드, 구현 논문을 상세히 번역하고 한단어씩 해석해주는 포스팅은 많다.나는 논문을 누구나 알아듣도록 쉽고 간결하게 전달하고자 한다. GCNSemi-supervised classification with graph convolutional networksKIPF, Thomas N.; WELLING, Max. Semi-supervised classification with graph convolutional networks. arXiv preprint arXiv:1609.02907, 2016. 논문 원문 링크 저자의 의도그래프 구조 데이터에 대한 semi-supervised learning 방법을 제안한다. 기존 spectral graph method의 속도 문제를 localized convolution으로 개선한다. .. 2025. 8. 3. 이전 1 2 3 4 ··· 11 다음
