2025년 피지컬AI와 휴머노이드를 본격적으로 학습하면서 AI교육에 정부, 기업, 개인이 모두 학습하고 있는 시점에서 학습한 것을 정리하는 공간
ai, physical, humanoid, study, learning
데이터 마이그레이션 시스템은 단순히 데이터를 옮기는 것을 넘어, 데이터의 무결성을 검증하고 사용자의 작업 편의성을 극대화해야 한다. 최근 진행된 마이그레이션 기능의 대대적인 리팩토링 과정을 통해, Excel 파싱 심화 과정과 언어 자동 감지, 그리고 버전별 독립 매핑 시스템 구축에 대한 기술적 성과를 정리하였다. 1. 데이터 마이그레이션 리팩토링의 핵심 전략과 변화 기존의 단일 파일 처리 방식을 넘어, 다중 … 더 읽기
UI 디자인의 완성도는 미세한 색상 값과 일관된 사용자 경험(UX)에서 결정된다. 최근 진행된 화이트 테마 정제 작업과 코드 품질 개선 과정을 통해, 시스템의 안정성을 높이고 사용자 피드백을 반영하는 실무적인 전략을 정리하였다. 1. 사용자 중심의 화이트 테마 정제와 시각적 일관성 확보 기존 화이트 테마는 블루 테마의 색상 체계를 그대로 차용하여 시각적 구분이 모호하다는 피드백이 있었음. 이를 해결하기 … 더 읽기
바이브코딩하면서 superbase를 많이 쓰게 되었다.하지만, superbase에 한정되서 작업 진행했기 때문에 AI가 한정된 자원으로 나의 요구사항을 처리하기에는 힘들어했다. 때마침 개발자인 친구가 SQLite를 추천해줘서 SQLite도 대응하면서 AI가 훨씬 풍부한 자원으로 내 요구사항을 처리 해줬다. 그러면서 친구가 미국의회 도서관에서도 SQLite를 사용하고 있다며 링크를 보내주었다.[LINK] 사실, 요구사항을 처리하는 것에 급급해 SQLite가 얼마나 좋은 도구인지 몰랐기에 이번에 한번 학습하면서 정리하고자 … 더 읽기
요즘 트랜드는 또, MD파일을 HTML로 변경해서 보는 사람들이 늘어나고 있다고 한다. [LINK] 이 현상이 자리 잡으면, 깃허브에도 mD 파일이 아닌 HTML 파일로 볼 수 있게 제공하지 않을까? 라는 이야기를 했더니 개발자 친구는 NOPE!이라고 단호하게 이야기 했다. 우리가 매일 사용하는 생성형 AI(클로드, 챗GPT 등)는 놀라운 속도로 방대한 정보를 쏟아냅니다. “이번 프로젝트 기획서 써줘”, “프로그램 개발 계획 … 더 읽기
“단절된 데이터를 시스템의 핵심 자산으로 전환하다.” 번역 관리 시스템의 성능이 아무리 뛰어나도, 기존에 엑셀이나 CSV로 흩어져 있던 방대한 데이터를 가져오는 과정이 번거롭다면 그 활용도는 떨어질 수밖에 없다. 수동으로 데이터를 입력하는 시대는 지났으며, 이제는 복잡한 구조의 외부 파일을 얼마나 지능적으로 흡수하느냐가 시스템의 경쟁력이 된다. 프로젝트 8일 차, 기존 3단계였던 데이터 유입 경로를 더욱 정교한 4단계 마이그레이션 … 더 읽기
친구가 고민을 털어놨다.회사의 사정상 시스템이 변경 되면서, SVG 파일을 일러로 열어서 옵션 값을 바꾸는 단순 노가다 작업을 해야한다고 했다. 나는 주저하지 않고, 내가 만들어보겠다고 하면서 50분도 안걸려서 바이브 코딩으로 기획, 개발, 검수까지 다 끝냈다. 디자이너라면 누구나 한 번쯤은 단순 반복 작업의 늪에 빠져 허우적거린 경험이 있을 것이다. 수십 개, 때로는 수백 개의 SVG 파일을 일일이 … 더 읽기
1. DPO 알고리즘 그 이후, Process Supervision의 시대 RLHF의 기반이 되는 PPO 알고리즘부터 최신 트렌드인 DPO(Direct Preference Optimization) 알고리즘, 그리고 이를 활용한 비개발자의 바이브 코딩 도구와 대규모 서비스 구축 전략까지 섭렵했다. 특히 1편에서 다루었던 DPO 알고리즘은 AI 모델 학습의 효율성을 비약적으로 높여, 우리가 쓰는 도구들이 더 빠르게 인간의 의도를 파악하도록 만들었다. 그렇다면 AI 기술은 여기서 … 더 읽기
1. 스파게티 코드와 AI 망각, 대형 프로젝트의 적 우리는 RLHF/DPO 알고리즘을 통해 인간의 의도를 잘 파악하게 된 AI를 활용하여, 비개발자가 Cursor나 n8n 같은 도구로 ‘바이브 코딩’을 하는 방법에 대해 알아보았다. 하지만 랜딩 페이지 한 장이나 간단한 자동화 봇을 만드는 것과, 실제 사용자가 가입하고 결제하는 ‘대규모 서비스’를 만드는 것은 차원이 다른 이야기이다. 비개발자가 바이브 코딩으로 규모 … 더 읽기
1. DPO 알고리즘으로 똑똑해진 AI, ‘바이브’를 알아듣다 AI가 어떻게 인간의 선호도를 학습하여 정렬(Alignment)되는지, 그 기술적 근간인 RLHF의 PPO와 DPO 알고리즘에 대해 알아보았다. 특히 최신 트렌드인 DPO 알고리즘 덕분에 AI는 더욱 빠르고 효율적으로, 그리고 정확하게 인간의 의도를 파악하게 되었다. 이제 우리는 이 ‘말귀 알아먹는 똑똑한 AI’를 활용하여 실제로 무언가를 만들어내는 단계, 바로 ‘바이브 코딩(Vibe Coding)’의 세계로 … 더 읽기
우리가 챗GPT나 클로드 같은 생성형 AI와 마치 사람과 대화하듯 편안하게 이야기하고, 심지어 코드를 짜달라고 요청할 수 있게 된 것은 그리 오래된 일이 아니다. 초기 언어 모델은 그저 다음에 올 단어를 통계적으로 예측하는 거대한 기계에 불과했다. 그런 기계가 어떻게 인간의 의도(Intent)를 파악하고, 유용한 답변을 하며, 무례한 질문을 거부할 수 있게 되었을까? 그 핵심 비밀은 바로 RLHF(Reinforcement … 더 읽기
