느리지만 꾸준히, 코딩

커머스 고객센터 챗봇을 위한 멀티 에이전트 기반 지식 그래프 시스템 구축개요본 프로젝트는 퓨처워크랩(Future Work Lab)과 협업하여 진행한 산업 연계형 프로젝트입니다. 총 4인의 팀으로 구성되었으며, 저는 팀장 역할과 함께 기술 검토 및 멀티 에이전트 시스템 개발을 담당하였습니다.프로젝트의 핵심 목표는 커머스 고객센터에 특화된 멀티 에이전트 기반 챗봇 시스템을 개발하는 것이었습니다. 이를 위해 최신 LLM(대규모 언어 모델) 생태계 도구인 LangChain, LangGraph, Neo4j 등을 적극적으로 활용하였습니다.프로젝트 기간2025.05.09 ~ 2025.06.05역할 및 책임팀장프로젝트 방향성 수립 및 팀원 간 협업 조율기술 리드멀티 에이전트 구조 및 지식 그래프 설계/검토멀티 에이전트..

이상탐지란 무엇인가?1. 서론: 왜 이상탐지가 중요한가?이상탐지(Anomaly Detection)란 정상적인 패턴에서 벗어난 데이터를 찾아내는 과정입니다.이상 데이터는 종종 문제의 전조이며, 때로는 기회일 수도 있습니다.일상 속 예시신용카드 사기: 평소와 다른 지역에서 큰 금액 결제서버 이상: 갑작스러운 트래픽 급증센서 고장: 이상한 값이 지속적으로 측정됨머신러닝에서의 역할정상 데이터를 학습해 정상 범위를 파악이를 벗어나는 데이터를 이상치로 분류2. 이상탐지의 분류지도학습(Supervised)특징: 이상/정상 라벨 존재기법: 분류 모델 (로지스틱 회귀, 의사결정트리 등)주의: 이상 라벨 확보가 어려움비지도학습(Unsupervised)특징: 라벨 없음기법: 클러스터링, 거리 기반 (k-NN, LOF 등)활..

1. 서론이번 Information Retrieval(이하 IR) 대회는 “질문과 이전 대화 히스토리를 보고 최적의 문서를 찾아 답변을 생성”하는 과제를 해결하는 과정이었습니다. 2025-04-16 부터 2025-04-22 까지 단 1주일​이라는 짧은 기간 동안 빠르게 가설을 세우고, 실험을 반복하며, 점차 성능을 끌어올렸습니다. 최종적으로는 0.8833이라는 만족스러운 점수에 도달했고, 그 과정에서 검색 · 분류 · 재랭킹 전반에 걸친 노하우를 축적했습니다.2. 대회 목표 & 범위구분 내용궁극적 목표다양한 질의 유형(과학 지식 질문 vs 일반 질문)에 대해 정확하고 빠른 문서 검색 파이프라인 구축제한 사항1. 과학 · 지식 질문에만 문서 검색 적용2. 그 외 질문은 문서 검색 X평가지표대회 측에서 제공..

본 포스팅은 부트캠프 과정에서 수행한 LangChain 기반의 문서 검색 및 Q&A 자동화 시스템(RAG, Retrieval-Augmented Generation) 구축 프로젝트에 대한 기록입니다. 프로젝트 배경 및 목적부트캠프 과정에서 제공되는 다양한 정보가 여러 채널에 분산되어 있어 사용자들이 필요한 정보를 신속하게 얻기 어려운 문제가 있었습니다. 복잡한 행정 절차와 교육 정보를 사용자가 쉽게 이해할 수 있도록 지원하기 위해, 사용자 질문에 즉각적이고 정확한 답변을 제공할 수 있는 RAG 기반의 챗봇을 구현하게 되었습니다.프로젝트 기간: 2025.04.02 ~ 2025.04.08비즈니스 문제 정의 및 KPI문제 상황: 정보가 여러 곳에 흩어져 있어 검색의 불편함이 발생목표: 내부 문서 정보를 빠르고 ..

대회 개요대회명Dialogue Summarization | 일상 대화 요약대회일정2025.03.12 ~ 2025.03.24팀One Team 6th대회 소개주어진 데이터를 활용하여 일상 대화에 대한 요약을 효과적으로 생성하는 모델을 개발제공되는 데이터셋은 오직 "대화문과 요약문"https://github.com/cylnlp/dialogsum평가지표Rouge-1모델 요약본과 참조 요약본 간에 겹치는 unigram의 수를 비교Rouge-2모델 요약본과 참조 요약본 간에 겹치는 bigram의 수를 비교Rouge-LLCS 기법을 이용해 최장 길이로 매칭되는 문자열을 측정합니다. n-gram에서 n을 고정하지 않고, 단어의 등장 순서가 동일한 빈도수를 모두 세기 때문에 보다 유연한 성능 비교ROUGE-F1ROUGE..

업스테이지 Computer Vision대회 개요대회명문서 타입 분류를 위한 이미지 분류 대회대회 일정 (Timeline)프로젝트 전체 기간: 2월 14일 (금) ~ 2월 25일 (화)팀:팀명: 오합지존 Idle대회 소개Computer Vision에서 가장 중요한 태스크 중 하나인 이미지 분류 문제.문서 타입 분류를 위한 이미지 분류 대회.금융, 의료, 보험, 물류 등 다양한 산업에서 활용됨.대량의 문서 이미지를 식별하고 자동화 가능.데이터 개요총 17종의 문서 클래스입력 (Input): 3,140장의 이미지출력 (Output): 각 이미지의 문서 클래스 예측 (CSV 파일 제출)기술적 기대 효과딥러닝 기반 이미지 분류 모델 구축Backbone 모델 활용 및 성능 최적화현업에서 사용하는 실 데이터 기반 학..

dim이란?Tensor에서 dim을 지정하는 이유는 데이터를 특정 차원(축, dimension) 기준으로 연산하기 위해서입니다.머신러닝과 딥러닝에서는 다차원 데이터(Tensor)를 다룰 때 차원을 기준으로 합(sum), 평균(mean), 최대값(max) 등의 연산을 수행해야 합니다.  코드 예시# 3x3 Tensor 생성tensor = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 전체 합계print(torch.sum(tensor)) # 45# 열을 기준으로 합계 (dim=0) → 세로 방향 합print(torch.sum(tensor, dim=0)) # tensor([12, 15..

여러 층으로 구성된 뉴럴 네트워크(Neural Network)의 구조를 이해하기 쉽게 정리해봄📌 뉴럴 네트워크를 학생들이 여러 줄로 서 있는 구조로 이해하기👉 상황 4명의 학생(A, B, C, D)이 한 줄로만 서 있는 것이 아니라 여러 층(줄)으로 서 있음. 즉, 한 줄이 아니라 입력층(첫 번째 줄), 은닉층(중간 줄), 출력층(마지막 줄)으로 구성됨. 각 학생(뉴런)은 자신이 받은 정보를 가공해서 다음 층으로 전달함.⏳ Step 1: 순전파 (Forward Propagation)학생들이 여러 줄(층)로 서 있음💡 예제:문제 = "5 + 3 = ?"을 풀어라 입력층 (Input Layer)은닉층 (Hidden Layer)출력층 (Output Layer)A1: "5를 입력"B1: "이걸 2배..

1️⃣ 머신러닝 & 최적화 기법🔹 퍼셉트론 (Perceptron)가장 단순한 인공 신경망 모델로 이진 분류에 사용활성화 함수: 스텝 함수가중치와 편향을 조정하여 최적의 결정 경계를 찾음🔹 가중치 초기화Xavier 초기화: tanh, sigmoid 활성화 함수에 적합, 분산 유지He 초기화: ReLU 계열에 적합, 기울기 소실 방지🔹 경사 하강법 (Gradient Descent)손실 함수의 기울기를 이용해 모델 최적화확률적 경사 하강법 (SGD): 일부 샘플(batch)만 사용하여 연산량 절약모멘텀 (Momentum): 이전 기울기를 반영해 더 빠르고 안정적인 학습NAG (Nesterov Accelerated Gradient): 기울기를 미리 예측하여 정밀한 업데이트 수행Adam: Momentum과 ..