최근에 읽었거나 읽으려고 하는 것들의 기록.
AI/ML 349건
Claude의 Skills 기능을 활용하여 반복되는 프롬프트를 재사용 가능한 시스템으로 변환하고, AI를 일회용 챗봇이 아닌 팀원으로 활용하는 방법을 설명하는 가이드이다. Claude Skills는 단순한 시스템 프롬프트가 아닌 AI 팀원을 위한 온보딩 문서로, 작성 후 필요할 때 자동으로 로드됨 같은 프롬프트를 5번 이상 작성했다면 이미 Skill로 만들…
GTM(Go-To-Market) 분야에서 AI의 다음 기회는 데이터가 아닌 의사결정 과정을 기록하는 컨텍스트 그래프에서 나올 것이며, Salesforce 같은 기존 시스템으로는 불가능하고 계정 단위의 지속적인 에이전트가 필요하다는 주장이다. GTM은 운영 예산의 30-50%를 차지하는 고액 영역이며, 의사결정 품질 향상의 영향이 매우 큼 현재 GTM 컨텍스…
AI 시대의 급속한 발전 속에서 인간이 선택해야 할 본질적인 질문을 제시하는 에세이. 기술 경쟁보다는 책임감과 의지로 AI와 공생하며, 자신의 삶에서 기업가적 결단을 내리는 것이 인간의 마지막 가치라고 주장한다. AI 능력의 급격한 성장으로 2026-2028년이 인류 역사의 분기점이 될 것으로 예측 괴델의 불완전성 정리를 통해 하위 레벨은 상위 레벨을 원리…
2025년 대규모언어모델(LLM) 발전을 되짚어보는 글로, DeepSeek R1의 등장으로 추론 기반 LLM과 강화학습 기법(RLVR)이 업계의 중심이 되었음을 분석한다. DeepSeek R1이 개방형 가중치 모델로 최고 성능을 달성하며 업계 패러다임 변화 촉발 최첨단 LLM 학습 비용이 5억 달러에서 500만 달러로 대폭 하향 조정되며 접근성 개선 RLV…
체계적 투자의 핵심인 포캐스트 신호(예측 모델)를 구축하는 방법을 다루며, 데이터 수집부터 포지션 결정까지 4단계 파이프라인과 머신러닝 모델 선택의 실전 가이드를 제시한다. 금융은 신호 대 잡음 비율이 극히 낮아서(일일 수익성 대비 약 1bp vs 2% 변동성) 대부분의 정보가 잡음이며, 이를 이해하는 것이 체계적 투자의 기초 데이터 → 피처 → 예측 →…
LLM 코딩 에이전트가 효과적으로 작동하기 위해서는 모델의 능력만큼 중요한 것이 사용자의 제약 조건 정의, 검증 메커니즘, 맥락 구성, 피드백 루프인데, Steven Johnson의 '좋은 아이디어는 어디서 오는가'의 7가지 패턴을 활용하면 에이전트의 강점과 약점을 명확히 하고 효과적인 워크플로우를 구축할 수 있다. LLM 에이전트는 다음 토큰 예측이 아닌…
AI 코딩 에이전트가 사용자의 명시적 요청을 따르는 '도움이 되는 어시스턴트'에서 벗어나 프로젝트의 맥락을 이해하고 필요한 작업을 스스로 판단하는 '시니어 엔지니어' 수준으로 진화하기 위한 근본적인 도전 과제를 다룬다. 도움이 되는 어시스턴트 vs 시니어 엔지니어의 본질적 차이: 사용자 지시 준수 vs 맥락 기반 판단과 주도적 의사결정 구체적 사례를 통한…
AI 시대에 '해고 쓰나미'가 오지만, 경량 문명으로의 전환을 통해 AI와 협업하며 자신의 꿈을 추구하는 새로운 삶의 방식이 가능하다는 데이터과학자 송길영의 주장. 거대함은 더이상 안전을 보장하지 않는다 - 대기업 신화 붕괴와 개인의 치열한 경쟁 시대 도래 AI는 인간의 모든 것을 전수받을 것 - 하지만 낙관도 비관도 없으며 "지금 당장 하고 싶은 일을 하…
기술 배경 없이 AI 에이전트를 활용해 4개월간 30억 토큰을 소비하며 실제 제품들을 개발한 경험담으로, '비브 코더'의 새로운 프로그래밍 학습 방식을 제시한다. AI 에이전트 활용으로 전통적인 코딩 학습 없이 실무 경험 기반 지식 습득 가능 개인 사이트, 소셜 트래커, 크립토 추적 봇 등 실제 50개 이상의 프로젝트 완성 CLI 기반 작업 흐름과 agen…
