전체 이야기
강릉, 하늘의 허락을 받지 못한 남자의 도시
강릉 이름 유래를 하슬라·명주·임영에서 살펴봅니다. 김주원의 이야기, 고려 강릉도와 강릉부, 강릉시까지의 이름 변천과 옛 이름을 만나는 여행지를 소개합니다.
수원, 죽은 세자를 위해 자리를 내어준 “물의 근원”
수원 이름 유래는 매홀·수성·수주를 거쳐 오늘의 수원으로 이어집니다. 옛 수원의 위치와 물 지명의 흔적, 정조의 도시 이전과 화성까지 살펴봅니다.
전주 이름 유래, 온전한 땅 “온다라”를 아시나요?
온전한 마을 전주. 완산에서 전주로, 후백제의 도읍과 조선 왕실의 본향을 지나 오늘의 전주와 완주까지 이어진 지명 이야기를 따라갑니다.
Local LLM 정복하기 – Positional Encoding (4)
Transformer는 자연어를 처리하여 우리가 묻는 질문에 대해 추론하여 답변을 생성한다. 단어의 의미를 이해했더라도 문장속에서 우리가 무엇을 원하는지 어떻게 알아차릴까? 학습을 진행할 때, 그리고 머신은 기본적으로 입력으로 들어오는 문장에서 단어의 순서를 모른다. 쉽게 비유하면, 좋은 아침입니다.라는 문장은 사람은 다음과 같이 받아들인다....
Local LLM 정복하기 – Embedding (3)
Vector를 통해 의미와 관계를 숫자로 표현할 수 있는 공간을 만들고, 학습을 통해 그 공간의 구조를 만들어가는 것을 알았다. 그런데 컴퓨터는 문자를 이해하지 못한다. 애초에 0과 1, 정확히는 전기를 바탕으로 On/Off만 알 수 있다. 우리는 자연어(사람이 사용하는 언어)를 컴퓨터가 이해하도록 변환해야...
인천 이름 유래, 왕실 외가의 고을 “어진 내”
미추홀에서 매소홀·소성·경원·인주를 거쳐 1413년 ‘인천’이 탄생하기까지, 도시 이름에 담긴 역사와 제물포 개항 이후의 변화를 따라갑니다.
Local LLM 정복하기 – Vector (2)
LLM을 공부하다 보니 모르는 단어가 많다. 특히 현재의 LLM은 Transformer 구조로 되어 있다는데 나는 이 Transformer도 말만 들어봤지 뭔지 모른다. Transformer부터 공부하려고 했더니 Attention이 나오고, Attention을 공부하려 했더니 Embedding이 나온다. Embedding하면 또 Vector가 나온다. LLM은 Large Language Model이다. 즉, "큰...
춘천 이름 유래, 봄내가 된 소머리
봄과 물을 품은 이름 ‘춘천’은 고려와 조선, 서로 다른 시대를 지나 완성됐습니다. 맥국·우수주·삭주·춘주에서 오늘의 춘천까지 이어진 이름의 시간을 따라가 봅니다.
Local LLM 정복하기 – 토큰이 부족해 (1)
요즘 시대에 AI를 쓰지 않는 것은 굉장히 비효율적이다. 특히 AI를 쓰면 커피 시간을 굉장히 비약적으로 늘릴 수 있다. Claude Code, Chat GPT 등을 사용할 때 가장 많이 마주 하는 것은 사용량 초과 메시지다..ㅠㅠ 그리고 이는 나를 굉장히 괴롭게 한다.
Zero Trust — AI의 시대, 우리는 무엇을 신뢰해야 하는가 (3)
3편 - Agentic Zero Trust — AI에게 권한을 어떻게 줄 것인가 그렇다면 AI Agent는 어떨까? AI Agent에게 Infrastructure를 관리할 수 있는 권한을 주기 시작하면 기존의 Human Authorization 모델만으로는 부족한 문제가 나타난다. Agent는 사람과 다르게 행동하기 때문이다.
여수 이름 유래, 벚꽃이 휘날리는 아름다운 바다
지명으로 다시 보는 대한민국 ⑤ | 바다의 고을 해읍에서 ‘아름다운 물’ 여수로. 원촌현과 여수현, 순천부 관할, 여수·여천을 지나 하나의 여수시가 되기까지 이름에 쌓인 시간을 따라갑니다.
Zero Trust — AI의 시대, 우리는 무엇을 신뢰해야 하는가 (2)
2편. Human Zero Trust — 사람에게 권한을 어떻게 줄 것인가? Zero Trust에서는 사용자를 인증하는 것만으로는 부족하다. 사용자가 누구인지 알고 있어도 다음을 판단해야 한다. - 어떤 Resource에 접근할 수 있는가? - 어떤 Action을 수행할 수 있는가? - 언제 접근할 수 있는가?...
