데이터와 AI는 모두에게 동등한 기회를 제공하는가?

본문 바로가기

누구나 이해할 수 있는 인공지능 수학

데이터 분석 리포트 작성방법

처세술 대신 데이터 분석

인공지능 (AI) 개발 프로젝트

Agentic AI 와 Physical AI 연구개발

Physical AI 휴머노이드 로봇에 주어진 과제와 미래 어제 한국로봇산업진흥원에서 주관한 우리나라 제1회 Humanoid TechCon(휴머노이드 테크콘)에 다녀왔습니다. 보스턴 다이나믹스, 엔비디아, 서울대학교 등에서 연사분들이 와주셨고, 로봇산업 종사자분과 잠재수요처에서 많은 분들이 참석해 주셨습니다. 각 연사분들이 주신 인사이트를 로봇 현업 관점에서 정리한 내용을 공유해 봅니다. 1. Building Trustworthy Humanoids for Real Operation“불확실성은 안전과 신뢰성의 첫 번째 적이다.” 휴머노이드 로봇이 산업 현장에 실제로 투입되기 위해 가장 먼저 해결해야 할 문제는 기술 완성도가 아니라 신뢰성이다. 연사 Boston Dynamics의 Federico는 로봇의 성능이 아무리 높더라도 예측 불가능한 행동이 존재한다면 산업 ..
2. 부동산 2025 벌집 순환 모형을 활용한 주택시장 대응방안 모델 벌집 순환 모형을 활용한 주택시장 대응방안 모델Housing Market Response Model Using the Honeycomb Cycle Project Overview본 자료의 내용은 저작권 및 지식재산권 보호 대상이며, 사전 허가 없이 무단 복제·배포·전재·변형하거나 상업적으로 이용하는 행위를 엄격히 금합니다.교신저자 : jkm2000korea@naver.com 1. 연구목적(Objective)본 연구의 목적은 디지털 트윈(Digital Twin) 기술을 활용하여 주택시장의 동태적 변화를 실시간으로 감지하고, 정책 실험을 수행할 수 있는 벌집순환모형(Honeycomb Cycle Model) 기반의 대응 프레임워크를 구축하는 데 있다. 기존의 부동산 시장 예측은 단일 변수(가격, 금리 등)에 ..
1. 용어의 정의 온톨로지란 무엇인가? Ontology Development 101: A Guide to Creating Your First Ontology 리뷰 Ontology Development 101: A Guide to Creating Your First OntologyNatalya F. Noy and Deborah L. McGuinness Stanford University, Stanford, CA, 94305noy@smi.stanford.edu and dlm@ksl.stanford.edu인간과 컴퓨터의 자유로운 소통은 오랜 과제였다. 사람의 언어를 컴퓨터가 이해하도록 만들기 위해, 수많은 프로그래밍 언어가 개발되었고, 인간의 언어인 자연어를 컴퓨터로 처리하려는 시도들이 이어졌다. 이 과제는ChatGPT를 비롯한 LLM의 등장으로 결정적 전환점을 맞았다. LLM 기반의 AI 에이전트는 자연어를 이해하고 상호작용을 하면서, 스스로 판단하는 것 '처럼’ 보..
6. 자연어처리(NLP) [Python] YouTube Transcript API로 자막 가져오기 youtube-transcript-api는 유튜브 동영상의 자막(보면 자동 생성된 자막 포함)을 손쉽게 꺼내 쓸 수 있게 해주는 파이썬 라이브러리입니다. Selenium 같은 복잡한 도구도 필요 없어, 브라우저를 띄우지 않고 바로 자막을 가져올 수 있습니다. 공식 문서는 다음 링크를 참고해주시기 바랍니다. (PyPI)설치는 딱 한 줄pip install youtube-transcript-api별도 설정 없이 바로 쓸 수 있어서 매우 간편해요.(PyPI)API 활용from youtube_transcript_api import YouTubeTranscriptApitranscript = YouTubeTranscriptApi().fetch("비디오ID")transcript는 시간(start, duration)과..
6. 자연어처리(NLP) LangChain, 어렵지 않아요 – 쉽게 배우는 LCEL과 메시지 히스토리 1. LangChain이 뭔가요?LangChain은 AI 모델(예: ChatGPT)에 여러 기능을 붙여서 “일 잘하는 챗봇”이나 “문서 검색기” 같은 걸 쉽게 만들 수 있는 도구예요. 이때 가장 중요한 게 작업 흐름(Chain)입니다. “프롬프트 → 모델 → 결과 처리”처럼 단계를 연결해서 하나의 파이프라인으로 만드는 거죠. 2. LCEL – 파이프처럼 연결하기LCEL(LangChain Expression Language)은 이 과정을 | 파이프 기호로 연결해서 간단하게 쓰게 해주는 표현식 언어예요.예를 들어:chain = prompt | model | parser 이렇게 쓰면 프롬프트 → 모델 → 결과 파서 순서로 차례대로 실행됩니다.invoke() → 한 번 실행batch() → 여러 번 한꺼번에 실..

티스토리툴바