Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
Tags
- AWS EKS
- CloudWatch
- Java
- 티스토리챌린지
- MySQL
- CKA
- CKA 기출문제
- Pinpoint
- 기록으로 실력을 쌓자
- 코틀린 코루틴의 정석
- go
- PETERICA
- 오블완
- kotlin
- tucker의 go 언어 프로그래밍
- golang
- APM
- 공부
- Spring
- 컨텍스트 엔지니어링
- Linux
- 정보처리기사 실기 기출문제
- SRE
- Kubernetes
- AI
- aws
- LLM
- minikube
- kotlin coroutine
- 바이브코딩
Archives
- Today
- Total
목록Rag (1)
피터의 개발이야기
[AI] LLM 학습 노트 공개 - Transformer부터 RAG까지, 그리고 운영 가능한 AI 시스템을 향해
[AI] Peterica의 AI공부와 비젼 정리나는 백엔드 개발자로 시작했고, DevOps와 SRE 성격의 업무를 거치며 서비스 운영을 경험해 왔다.그러다 최근 LLM 기반 시스템을 직접 설계하면서 관점이 바뀌었다.AI는 더 이상 “모델 호출”이 아니라운영 대상 시스템이라는 생각이 들기 시작했다.그래서 개인적으로 LLM 학습 노트를 만들었다.단순 이론 정리가 아니라, 실제 서비스를 만들고 운영한다는 관점에서 정리한 기록이다.ㅁ 왜 LLM 학습 노트를 만들었나처음에는 RAG 구현이 목적이었다.하지만 파고들수록 느꼈다.Retriever 품질은 Embedding과 Chunking에서 결정되고RAG 성능은 VectorDB 튜닝과 Reranking에서 갈리며최종 응답 품질은 결국 Transformer 구조와 Pr..
AI/AI이론 | 공부
2026. 2. 2. 20:58
