기록이 기억을 지배한다

요즘 ChatGPT가 업무 자동화와 생산성 향상에 정말 많이 쓰이잖아요. 저도 단순히 “질문에 답하는 챗봇” 정도로만 생각했는데, 패스트캠퍼스 국비지원교육 과정을 통해 실제로 얼마나 다양한 방식으로 활용할 수 있는지 배우면서 시야가 완전히 넓어졌습니다.특히 이 강의는 [내일배움카드]를 통해 무료로 들을 수 있어서 부담 없이 시작할 수 있었습니다.🧩 1주차 – ChatGPT 기본 사용법 익히기첫 주에는 ChatGPT의 기본 기능을 직접 체험하면서 전반적인 구조를 익혔습니다.텍스트 기반 대화뿐 아니라 음성 입력, 이미지 생성, 그리고 GPT-4 모델의 고급 기능까지 다뤘습니다.‘딥러닝이 이런 식으로 언어를 학습하는구나’라는 부분이 흥미로웠고, 단순 검색엔진과 달리 맥락 기반 응답이 가능하다는 점이 인상적이..

Remix의 서버사이드와 클라이언트사이드 처리 방식에 대해 설명해드리겠습니다:서버사이드 렌더링 (SSR)Remix는 기본적으로 모든 페이지를 서버에서 먼저 렌더링합니다.loader 함수는 서버에서만 실행되며, 데이터 페칭을 처리합니다.서버에서 렌더링된 HTML이 클라이언트로 전송되어 초기 페이지 로드가 빠릅니다.서버사이드에서는 process.env와 같은 Node.js 환경 변수에 접근할 수 있습니다.클라이언트사이드 하이드레이션서버에서 렌더링된 HTML이 클라이언트에 도착하면, JavaScript가 실행되어 페이지를 "하이드레이션"합니다.useLoaderData와 같은 훅을 통해 서버에서 가져온 데이터를 클라이언트에서 사용할 수 있습니다.클라이언트사이드에서는 window 객체와 같은 브라우저 API에 접..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 패캠 환급 챌린지 후기: 생성형 AI 강의를 통해 배운 것과 앞으로의 방향1. 환급 챌린지에 참여한 이유패스트캠퍼스의 강의는 이전에도 여러 번 구매한 적이 있지만, 완강한 강의보다 중간에 흐지부지된 강의가 더 많았다. 바쁜 일정과 여러 가지 이유로 학습을 지속하지 못했지만, 이번에는 반드시 끝까지 완강하고 실질적인 성과를 내야겠다는 다짐을 하게 되었다. 그중 가장 강력한 동기부여는 바로 ‘환급’이라는 금전적 보상이었다.환급 챌린지는 단순히 돈을 돌려받는 것 이상으로, 강의를 끝까지 듣고 배운 것을 실질적으로 적용하게 만드는 강한 동기를 제공했다. 이번 기회를 통해 ‘내가 AI를 잘 활용할 수 있을까?’라는 질문을 던지고, 그 해답을 찾기 ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.  최근 Google Calendar API를 연동하면서 얻은 경험과 인사이트를 정리해본다. 단순히 일정 관리 기능을 구현하는 것이 아니라, API 호출을 통한 Function Call의 개념을 깊이 이해하는 것이 이번 학습의 핵심이었다.Google Calendar API 연동 과정에서 배운 점1. OAuth 인증과 API Key의 차이처음엔 API Key만 발급하면 끝날 줄 알았는데, 특정 사용자 계정의 일정을 생성/수정하려면 OAuth 인증이 필수적이었다.이 과정에서 OAuth 동의 화면을 설정하고, credentials.json을 생성한 후, 최초 1회 인증을 진행해야 한다는 점이 중요했다.특히, "Google에서 확인하지 않은 앱" ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 처음엔 단순한 AI 챗봇을 만드는 과정일 거라고 생각했다. 하지만 강의를 들으면 들을수록 단순 대화형 AI가 아니라, 실제 업무에서 활용할 수 있는 AI 에이전트를 만드는 과정이라는 점이 확실해졌다. 단순한 API 호출이 아니라 Function Call을 활용해 실제 업무 액션을 수행하는 AI를 구축하는 것이 목표였다는 점이 흥미로웠다.🔹 Function Call을 활용한 실질적인 자동화기존에 LLM을 활용할 때, 모델이 외부 데이터를 인식하지 못하거나, 대화만 가능하다는 한계가 있었다. 하지만 Function Call을 활용하면서, 업무 자동화가 가능한 AI를 만들 수 있다는 점이 가장 큰 차별점이었다. 예를 들어 Google Cale..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. *"뉴스 정리봇 만들기 (2): 요약 & 이벤트 추출 프로젝트"*는 꽤 실용적인 강의였다. 단순한 이론 설명이 아니라 뉴스 및 공시 데이터를 직접 다뤄보면서 AI 모델을 활용하는 과정을 배울 수 있었기 때문이다.🔹 이론보다 실습 중심의 구성강의는 전반적으로 실습 위주로 진행된다.✔ 뉴스 카테고리 분류 → AI가 뉴스 기사를 어떤 유형인지 자동으로 분류✔ 기업 공시 분석 → 공시 데이터에서 중요한 정보 추출✔ 뉴스 및 공시 요약 → 장황한 내용을 핵심만 요약✔ 주요 이벤트 추출 → 매출 변동, 인수합병 같은 중요한 정보 포착✔ PoC 제품화 → 분석 결과를 실제 서비스처럼 시각화위 과정들을 따라가다 보면 뉴스 데이터를 다루는 AI 모델을 ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 뉴스 정리와 기업 공시 분석을 자동화하는 방법을 배우는 흥미로운 과정이었다. 단순히 뉴스를 요약하는 것이 아니라, 중요한 이벤트를 추출하고 이를 활용해 의미 있는 인사이트를 도출하는 방식이 인상적이었다.🔍 배운 점이벤트 추출의 실전 적용단순히 기사 요약이 아니라, 뉴스 속에서 매출 변화, 신제품 출시, M&A 같은 중요한 이벤트를 자동으로 찾아내는 과정이 핵심이었다.특히 기업 관련 이벤트를 추출하는 연구(SENTiVENT)를 활용해 정형화된 데이터를 만들어 내는 것이 신선했다.프롬프트 엔지니어링 활용기존에 모델을 직접 학습시키는 방식이 아니라, 프롬프트만으로 뉴스 분류, 요약, 이벤트 추출을 해결하는 접근이 새로웠다.초기에 원하는 결과를..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 이번 강의는 뉴스 데이터에서 중요한 정보를 효과적으로 추출하고 요약하는 방법을 배울 수 있는 실습 중심의 강의였다. 특히 프롬프트 엔지니어링을 활용해 별도 모델 학습 없이도 이벤트를 추출하는 과정이 인상적이었다.처음에는 뉴스 데이터를 어떻게 정형화할 수 있을지 막연했지만, 카테고리 분류부터 시작해 기업 공시 분석, 요약, 이벤트 추출을 단계별로 진행하면서 점점 감을 잡을 수 있었다. 특히 SENTiVENT와 같은 연구 논문에서 제안된 접근법을 적용하는 과정이 흥미로웠다. 단순한 개념 설명이 아니라, 최신 연구를 기반으로 실제로 구현하는 방식이어서 실무에서도 바로 활용할 수 있을 것 같았다.실시간 뉴스를 기반으로 이벤트를 탐지하고 요약하는 ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 강의 내용은 뉴스 데이터를 정리하는 AI 봇을 구축하기 위한 개체명 인식(NER) 기술에 대해 설명하는 것이었습니다. 강의를 통해 NER의 핵심 개념과, 텍스트에서 중요한 개체(사람, 장소, 날짜 등)를 찾아내고 분류하는 방법을 배울 수 있었습니다. NER은 두 가지 주요 과정인 개체명 식별과 개체명 분류를 포함하며, 이를 통해 뉴스 기사를 분석하고 정리하는 데 중요한 역할을 할 수 있다는 점이 강조되었습니다. 강의에서는 특히 뉴스 데이터에서 NER을 활용하는 사례, 예를 들어 특정 기업 관련 뉴스 분류나 정치인 언급 분석 방법을 소개하며, 금융 도메인에서는 기업명이나 경제 지표 추출 기술을 다뤘습니다. 이 정보를 통해 투자 분석이나 리포..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 이번 강의는 뉴스 정리 봇 개발을 위한 실시간 파이프라인 구축과 프로젝트 아키텍처 설계에 대해 심도 있게 다뤘습니다. 전체적인 흐름과 구성 요소들이 명확하게 설명되어 있어, 실무 적용 가능성이 높은 유익한 시간이었습니다.1. 실시간 파이프라인 구축데이터 수집부터 처리까지의 흐름:강의에서는 뉴스 데이터를 실시간으로 수집하고 이를 빠르게 처리하는 파이프라인의 구성 요소들을 하나씩 짚어가며 설명했습니다. 각 모듈(데이터 수집, 전처리, 저장, 분석 등)의 역할과 상호작용이 구체적으로 다뤄져, 실제 현업에서 적용 가능한 설계 방식을 배우게 되었습니다.최신 기술 스택의 활용:실시간 처리를 위한 최신 도구와 프레임워크들이 어떻게 통합되어 사용되는지,..