기록이 기억을 지배한다

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 뉴스정리봇 만들기 과정에서 다룬 Sentiment Analysis와 Named Entity Recognition(NER)은 매일 접하는 뉴스 기사에서 실제로 활용될 수 있는 내용들이라 더 흥미로웠습니다. 감정 분석의 기본 개념을 익히고, 이를 실제 데이터에서 어떻게 적용할 수 있는지 배운 점이 좋았고, 특히 개체명 인식을 통해 뉴스 기사 내 중요한 정보들—사람명, 장소, 날짜 등—을 자동으로 식별하는 과정은 실무에서 매우 유용하게 쓸 수 있을 것 같았습니다. 금융 도메인에서의 개체명 인식에 대해서도 배우면서 이 기술이 실제로 얼마나 중요한지 실감했습니다. 예를 들어, 시점이나 특정 인물이 등장하는 날짜를 정확하게 뽑아내는 것만으로도 금융 ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 이번 강의를 통해 감성분석(Sentiment Analysis)에 대한 개념과 실제 활용 사례를 깊이 있게 배울 수 있었다. 감성분석은 단순한 텍스트 마이닝 기법이 아니라, 특정 텍스트에서 감성적인 요소를 파악하고 이를 정량적으로 분석하는 매우 중요한 기술임을 깨달았다. 특히, 뉴스 기사를 분석하여 감성 점수를 산출하고, 이를 통해 경제 동향을 실시간으로 파악하는 ‘Daily News Sentiment Index’의 개념이 흥미로웠다. 강의에서는 감성분석이 단순히 긍정/부정 감성을 분류하는 것이 아니라, 다양한 분야에서 활용될 수 있음을 강조했다. 예를 들어, 기업이 고객 리뷰를 분석하여 제품이나 서비스의 개선 방향을 찾는 데 활용할 수 있..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 이번 강의에서는 엔티티 링크(Entity Linking, EL) 개념과 위키피케이션(Wikification) 기술을 배웠다. 처음에는 다소 생소한 개념처럼 느껴졌지만, 강의를 들으며 실제 적용 사례와 함께 이해할 수 있었다.📌 핵심 내용 정리엔티티 링크(Entity Linking, EL)텍스트에서 특정 개념(엔티티)을 인식하고 이를 고유한 데이터베이스(예: Wikipedia, Wikidata)와 연결하는 기술.문장에서 등장하는 단어가 단순한 명사가 아니라, 특정 개념(예: 인물, 지명, 조직 등)인지 판별하는 것이 핵심.위키피케이션(Wikification)문서 속 엔티티를 Wikipedia 항목과 연결하는 과정.단순한 검색이 아니라, 문..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 이번 강의에서는 **개체명 인식(NER, Named Entity Recognition)**에 대한 개념과 실제 활용 사례를 다루었다. 처음에는 단순히 텍스트에서 특정한 개체(예: 사람, 장소, 조직, 날짜 등)를 찾아내는 기술 정도로만 생각했지만, 강의를 들으며 이 기술이 금융, 의료, 법률 등 다양한 산업에서 필수적인 역할을 한다는 점을 깨닫게 되었다.🔹 핵심 내용 정리개체명 인식의 정의와 목적NER의 기본 개념을 이해하는 것이 가장 중요했다.단순히 단어를 찾아내는 것이 아니라, 문맥 속에서 의미를 파악하고 분류하는 과정이 핵심이다.개체명 식별(Entity Detection)과 개체명 분류(Entity Classification)이라는..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. AI 기술이 발전하면서 수많은 뉴스가 실시간으로 쏟아지는 시대, 정보를 빠르게 정리하고 분석하는 능력이 점점 중요해지고 있다. 이번 강의 *“뉴스정리봇 만들기(1) – 뉴스 분석 프롬프트 엔지니어링”*은 그러한 흐름 속에서 AI 기반 뉴스 분석 시스템을 설계하는 방법을 배우는 좋은 기회였다.🔍 핵심 내용 정리이번 강의는 단순히 뉴스를 요약하는 기술을 넘어, **개체명 인식(NER)과 엔티티 추출(Entity Linking)**을 활용하여 뉴스를 더 정교하게 분석하는 방법을 다뤘다. 특히, **엔티티 중심의 감성 분석(Aspect-based Sentiment Analysis)**을 통해 뉴스 속 특정 주체(인물, 기업, 국가 등)에 대한 ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 이번 강의를 들으면서 실질적으로 뉴스 데이터를 다루는 방법과 AI를 활용해 정보를 정리하는 과정에 대해 깊이 이해할 수 있었습니다. 특히 단순한 코드 예제나 이론 중심의 강의가 아니라, 실제 프로젝트를 하나씩 완성해 나가는 방식이라 배운 내용이 확실히 체화되는 느낌이었습니다.🔹 실습 위주의 강의 방식강의 초반에는 개체명 인식(NER)과 엔티티 링크(Entity Linking) 개념을 설명하고, 이후 실제 뉴스 데이터를 분석하며 실습을 진행했습니다. 강사님이 친절하게 개념을 설명해 주시지만, 단순히 따라 치는 방식이 아니라 각 단계에서 왜 이런 처리가 필요한지 이해할 수 있도록 유도하는 방식이 인상적이었습니다.프롬프트 엔지니어링을 활용해 ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 이번 강의에서는 RAG(Retrieval-Augmented Generation) 평가 방법론을 깊이 있게 다루며, 특히 RAG 로직의 성능 평가에 집중할 수 있었다. 기존에 LLM의 성능을 중심으로 평가하는 방식과 달리, RAG 자체의 성능을 정밀하게 측정하는 방법을 배울 수 있어 실무 적용에 대한 감각을 키울 수 있었다.강의에서 가장 인상적이었던 부분은 RAG 평가가 단순한 정확도 측정에 그치는 것이 아니라, 다양한 지표를 활용하여 보다 입체적으로 진행된다는 점이었다. 특히 코사인 유사도(Cosine Similarity) 를 활용한 평가 방법이 흥미로웠다. 질문과 문맥(Context) 간의 유사도를 수치화하여 얼마나 적절한 정보를 검색해..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 이번 강의에서는 RAG(Retrieval-Augmented Generation) 방법론과 OpenAI Embeddings API를 활용한 텍스트 검색 및 유사도 비교 방법을 학습할 수 있었다. 단순한 단어 기반 검색의 한계를 극복하고 문맥을 반영한 검색이 가능하도록 하는 임베딩(Embeddings)의 개념이 핵심적으로 다루어졌다.특히, 단어를 고유한 벡터 값으로 변환하여 의미적으로 가까운 단어들이 비슷한 벡터 값을 갖도록 하는 과정이 매우 흥미로웠다. 기존의 키워드 기반 검색 방식에서는 동의어나 문맥을 고려하지 못하는 한계가 있었지만, 임베딩을 활용하면 더 정교한 검색 결과를 얻을 수 있다는 점이 인상적이었다. 강의에서는 "사과"와 "배"..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 이번 강의를 통해 RAG(Retrieval-Augmented Generation)에 대한 개념을 제대로 정리할 수 있었다. 단순히 개념을 설명하는 강의가 아니라, 직접 구현하면서 원리를 이해하도록 구성된 점이 특히 좋았다. 외부 라이브러리에 의존하지 않고 핵심 요소들을 하나씩 구현해보는 과정에서, "RAG가 정확히 어떤 원리로 동작하는가?"에 대한 감이 확실히 잡혔다.🔹 RAG 개념을 체득하는 과정강의 초반에는 Retrieval과 Embedding 개념을 다루면서, OpenAI Embeddings API를 활용하는 방법을 익혔다. 개념적으로는 이해하고 있던 부분이지만, 직접 구현해보면서 벡터 임베딩이 실제로 어떻게 활용되는지를 몸으로 익..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.  이 강의는 단순히 리뷰 요약을 넘어, AI 기반 텍스트 분석을 실무에서 어떻게 활용할 수 있는지 깊이 있게 다루는 점이 인상적이었습니다. 특히 OpenAI API와 LangChain을 활용하여 프롬프트를 최적화하고, 자동화된 요약 시스템을 구축하는 과정이 실습 위주로 진행되어 실무 적용 가능성이 높았습니다.기초 개념 설명부터 실제 코드 구현까지 체계적으로 진행되었으며, 프롬프트 엔지니어링과 모델 선택의 중요성을 강조한 점이 유익했습니다. 단순히 모델을 호출하는 것이 아니라, 출력 포맷을 지정하고, JSON 응답을 자동으로 파싱하는 방법까지 다뤄 실무에서 바로 응용할 수 있는 노하우를 얻을 수 있었습니다.또한, LangChain을 활용해 ..