“너는 세무 전문가야. 내 질문에 답해줘.”이런 역할 지정 프롬프트는 이제 쓸모가 없을까요?그렇지는 않습니다.다만 이 한 문장만으로 AI의 지식이나 정확성이 보장된다고 기대하기는 어렵습니다.2026년 현재의 변화는 역할 지정이 사라진 것이 아니라, 역할보다 과업의 목표와 맥락, 근거 자료, 출력 형식, 검증 방법을 함께 설계하는 쪽으로 무게중심이 이동한 데 있습니다. 1. 프롬프트 엔지니어링의 초기: 지시와 예시프롬프트 엔지니어링은 모델에 원하는 작업을 잘 전달하도록 입력을 설계하는 일입니다.초기에는 “요약해줘”처럼 자연어로 과업을 설명하거나, 원하는 입력과 출력의 예시를 몇 개 보여주는 방식이 주목받았습니다.2020년 GPT-3 연구는 모델에 예시를 주고 과업을 수행하게 하는 퓨샷(few-shot) 학..

“문의가 긴급한지, 어느 팀으로 보내야 하는지 AI가 정해진 형식으로 판단하게 할 수 있을까?” Jev는 이런 질문에서 출발하는 도구입니다. 자유롭게 대화하거나 글을 쓰는 대신, 미리 정한 질문에 답하도록 설계됐습니다.이 글에서는 Jev의 기본 개념부터 공식 Playground에서 첫 판단을 실행하는 방법, 결과를 해석할 때 주의할 점까지 살펴봅니다.Jev 한눈에 보기Jev는 TypeSafe가 공개한 첫 System One 모델입니다.System One은 TypeSafe가 소프트웨어 안에서 구조화된 판단을 내리도록 만든 모델 계열을 부르는 이름입니다. 판정할 내용과 질문을 보내면, Jev는 정해진 종류의 결과와 확률 정보를 돌려줍니다.예를 들어 고객 문의가 긴급한지, 어느 담당 팀에 배정할지 묻는 식입니..

[IBM course #7] Generative AI and LLMs: Architecture and Data Preparation Data LoaderDataLoader는 대규모 텍스트나 이미지 등 다양한 데이터셋을 효율적으로 불러오고(batch), 섞고(shuffle), 전처리하는 데 사용되는 PyTorch의 핵심 도구PyTorch에서는 torch.utils.data.DataLoader 클래스를 사용함. Dataset: 전체 데이터를 담고 있으며, 학습(train), 검증(val), 테스트(test) 세트로 나누어 사용함CustomDataset 클래스: 사용자 정의 데이터셋 클래스 (반드시 __init__, __len__, __getitem__ 메서드 필요)init() : 데이터 불러오기len() :..

[IBM course #7] Generative AI and LLMs: Architecture and Data Preparation 생성형 AI (Generative AI)생성형 AI란?생성형 AI(Generative AI)는 텍스트, 이미지, 오디오, 3D, 음악 등 다양한 콘텐츠를 자동으로 생성할 수 있는 인공지능 기술.기존의 대규모 데이터를 학습하여, 그 안의 패턴과 구조를 이해하고 새로운 데이터를 생성하는 방식으로 작동한다. 대표 모델1. 텍스트 생성 모델GPT (Generative Pre-trained Transformer): 대화, 문서 작성, 요약 등에 사용2. 이미지 생성 모델DALL·E, GAN (Generative Adversarial Network), Diffusion Models: ..

[IBM course #6] AI Capstone Project with Deep Learning 6번째 코스는 AI Capstone Project로, ResNet을 이용하여 정상 이미지 / 이상 이미지를 분류하는 모델을 만드는 프로젝트를 진행한다.단계별로 실습을 진행하면서, 마지막에는 학습 결과를 제출하고 peer review를 받으면 마무리되는 코스이다.실습을 진행하면서 정리해 두면 좋을 것들을 가볍게 메모하는 수준으로 게시글을 남겨두려 한다. 1. Dataset - 슬라이싱 문법현업에서는 파이썬을 잘 사용하지 않아서 이런 게 튀어나올 때마다 당황한다ㅠ 그리고 공부해도 금방 까먹음 휴 from torch.utils.data import Dataset를 상속해서 사용자 정의 데이터셋 만들기 여기에서,s..

[IBM course #5] Deep Learning with PyTorch Convolution 연산 기본 개념Convolution은 이미지에 작은 필터(=커널)를 움직이면서 겹쳐 곱한 뒤 합산하는 연산으로, 특징(feature)을 추출하는 데 사용된다.Kernel: 고정된 크기의 필터, 예: 3x3작동 방식: 이미지의 각 부분과 커널을 dot product(내적) → 결과값(activation map) 생성 커널 크기(K), 이미지 크기(M), 스트라이드(S), 패딩(P) 일 때,$\text{Output Size} = \frac{M - K + 2P}{S} + 1$→ PyTorch에서 다음과 같이 설정 가능nn.Conv2d(in_channels=1, out_channels=1, kernel_size=3..

[IBM course #5] Deep Learning with PyTorch 신경망 (Neural Net)기본 신경망 구조 : 1개의 은닉층(2 뉴런)을 가진 신경망 구조입력 → Linear → Sigmoid → Linear → Sigmoid → Threshold (이진 분류용) 활성화 함수: Sigmoid 사용 (출력값: 0~1)PyTorch 구현 방법: nn.Module 또는 nn.Sequential 활용모든 연산은 행렬 곱 기반으로 처리Forward 패스에서 입력 벡터의 shape 변화 추적 가능 이진 분류 학습손실 함수: nn.BCELoss() (Binary Cross Entropy Loss)최적화 함수: Adam 사용입력: 2D 벡터출력: 0 또는 1 (Sigmoid 통과 후 threshold..

[IBM course #5] Deep Learning with PyTorch SoftmaxSoftmax 함수는 여러 개의 클래스 중 하나를 선택해야 하는 분류 문제에서 자주 사용되는 함수각 클래스에 대해 계산된 값을 확률처럼 변환해주며, 이 확률은 모든 클래스에 대해 0~1 사이의 값으로 나타나며, 총합은 1이되게 된다. 1D 예시클래스 3개(파랑/빨강/초록)로 구분각 클래스마다 선형 함수(z0, z1, z2)를 적용한 후 argmax로 예측 - argmax 함수: 가장 큰 값을 갖는 인덱스를 반환예를 들어, z = [1.2, 3.5, 0.8]의 argmax(z)는 1 (가장 큰 값 3.5의 인덱스) 2D 예시 + MNISTMNIST 이미지 (28x28)는 784차원의 벡터로 변환됨각 클래스(0~9)는 ..

[IBM course #4] Introduction to Neural Networks and PyTorch Linear Regression Prediction독립 변수 x, 종속 변수 y 사이의 관계를 선형 함수로 모델링.모델: y = w*x + b (w: weight, b: bias)예측값은 ŷ로 표기. 직접 텐서로 모델 정의requires_grad=True로 파라미터 정의forward() 함수에서 직접 선형 계산 수행2행 1열 텐서 입력 → 각 행마다 선형 함수 적용하여 출력 텐서 생성 가능w = torch.tensor(2.0, requires_grad = True)b = torch.tensor(-1.0, requires_grad = True)def forward(x): yhat = w * x ..

[IBM course #4] Introduction to Neural Networks and PyTorch Simple DatasetDataset 클래스torch.utils.data.Dataset은 PyTorch에서 데이터셋을 커스터마이징할 수 있도록 제공하는 추상 클래스(Abstract Class)주로 __init__, __len__, __getitem__ 메서드를 구현해서 나만의 데이터셋을 만들 수 있음__init__ : 초기화 메서드. 파일 경로, 라벨, 전처리 등을 저장하고 준비__len__ : 데이터셋의 총 길이 반환. len(dataset) 호출 시 몇 개의 샘플이 있는지 알려줌__getitem__ : 주어진 index에 해당하는 데이터 샘플 하나를 반환. dataset[i] 호출 시 i번째 ..