01 · active
RAG 검색·랭킹
문서 파싱과 청킹에서 sparse·dense 검색, Embedding, Reranker, 검색 평가까지 이어지는 검색 계층입니다.
39편 보기 →A field log, since 2026
LLM·RAG 시스템과 머신러닝 실무를 환경의 문제로 다시 씁니다. 산업공학 박사과정에서 만난 PHM·반도체 현장 사례도 1차 자료로 함께 둡니다.
Knowledge pillars
01 · active
문서 파싱과 청킹에서 sparse·dense 검색, Embedding, Reranker, 검색 평가까지 이어지는 검색 계층입니다.
39편 보기 →02 · active
Graph·멀티홉·멀티모달 RAG와 문서 수명주기, LLM Wiki, 지식 거버넌스를 함께 다룹니다.
29편 보기 →03 · active
Agent 상태·도구·메모리·복구·보안과 코딩 에이전트 환경, Python 서비스 구현, 운영 방식을 연결합니다.
37편 보기 →04 · active
LLM 기초와 학습, 추론 신뢰성, GPU kernel·scheduler·capacity planning까지 모델 실행 전 과정을 설명합니다.
41편 보기 →05 · building
반도체·PHM·도메인 검색에서 만난 제약과 실패를 실제 경험, 비식별 사례, 가상 예시로 구분해 기록합니다.
2편 보기 →06 · active
개인 블로그 운영, 제품·PM 회고, 멀티 에이전트 협업처럼 기술을 만드는 과정 자체를 다룹니다.
15편 보기 →Recent entries
52주 신고가에 가까운 주식은 더 오를까요? George·Hwang(2004)의 고가 근접도 계산법과 모멘텀 비교, 한국 시장 후속 연구를 정리합니다. 거래비용·1월 효과·돌파와의 차이, 실제 백테스트에 적용할 때의 한계도 살펴봅니다.
이동평균과 돌파 매매는 효과가 있을까요? Brock 외(1992)의 VMA·FMA·TRB를 쉽게 설명하고, 미국·한국 주식으로 실행한 백테스트 결과와 자산 추이·매매 차트를 함께 정리합니다. 단순 보유와의 차이, 거래비용과 데이터 한계도 살펴봅니다.
통계 모델링부터 AI, LLM Agent, 백엔드까지. 넓은 관심이 깊은 이해로 이어졌는지 스스로 묻는다. GPT와 나눈 대화에서 마음에 남은 평가를 출발점으로, 많은 것을 시작해온 경험을 돌아보고 앞으로 무엇을 완성으로 삼을지 생각한다.
구글 엔지니어와 나도 같은 Agent를 쓰는데, 우리의 차이는 무엇일까. 커리어에 대한 불안에서 시작해 시스템 기본기와 설계·검증의 중요성을 돌아보고, 앞으로 블로그에 남길 회고와 학습, 실제 프로젝트 실험을 예고한다.
아이·엄마·이모·이모부의 실제 Android 기기에 온라인 APK를 설치하고, 가족 연결·완료 승인·대상별 칭찬 요청·백그라운드 푸시를 단계적으로 검증하며 실패 지점을 분리하는 파일럿 체크리스트입니다.
EAS projectId, Android package, Firebase project, google-services.json과 FCM V1 서비스 계정 키의 차이를 구분하고, 비밀키 관리 원칙을 지키며 칭찬스티커 앱의 원격 알림 빌드를 완성합니다.
로컬에서 검증한 칭찬스티커 앱의 migration을 원격 Supabase 프로젝트에 배포하고, 보호자·아이 인증과 RLS, 비공개 이미지, Database Webhook을 안전하게 연결하는 명령과 검증 기준을 정리합니다.
조카와 세 보호자가 함께 쓸 Android 칭찬스티커 앱을 기획하고, 오프라인 체험 APK와 Supabase·푸시가 연결된 온라인 가족 앱의 경계를 실제 구현 결과로 구분해 다음 연결 순서까지 설명합니다.
Tag index
#RAG (61) #LLM (37) #AI에이전트 (35) #RAGAgent (26) #Embeddings (19) #Reranking (18) #Retrieval (16)