LangGraph는 LangChain 팀이 개발한 그래프 기반의 AI 에이전트 오케스트레이션 프레임워크입니다. 기존 LangChain이 LLM과 다양한 도구를 연결하는 체인(chain) 기반이라면, LangGraph는 보다 구조적이고 상태를 관리할 수 있는 그래프 기반 시스템으로 복잡한 에이전트의 논리를 설계할 수 있도록 합니다. 📌 LangGraph 상세 설명 1. LangGraph란? LangGraph는 에이전트 기반 워크플로우를 그래프 데이터 구조로 표현하고 실행할 수 있는 AI 에이전트 프레임워크입니다. … Read more
1. LangChain 개요 LangChain은 LLM (Large Language Model) 기반 애플리케이션을 더욱 강력하고 유연하게 만들기 위한 프레임워크입니다. OpenAI, Hugging Face 등의 다양한 LLM을 쉽게 연결하고, 체인(Chain) 형태로 구성하여 복잡한 기능을 수행할 수 있도록 돕습니다. LangChain은 단순한 프롬프트 관리 도구를 넘어서, 외부 데이터와의 연동, 메모리 유지, 데이터베이스 연결, API 호출 등 다양한 기능을 제공합니다. 2. LangChain의 주요 … Read more
OpenAI는 최근 개발자들이 AI 에이전트를 보다 쉽게 구축할 수 있도록 지원하는 새로운 도구인 Responses API를 발표했습니다. 이 API는 기존의 Chat Completions API와 Assistants API의 장점을 결합하여, 웹 검색, 파일 탐색, 컴퓨터 사용 등 다양한 작업을 수행할 수 있는 에이전트를 개발할 수 있도록 설계되었습니다. Responses API란? Responses API는 OpenAI의 기존 Chat Completions API와 Assistants API의 기능을 … Read more
K-Fold Cross Validation(K-겹 교차 검증)은 머신러닝 모델의 성능을 평가하는데 사용되는 중요한 기법입니다. 일반적인 데이터셋을 훈련 데이터와 테스트 데이터로 단순 분할하는 방식보다 더 신뢰성 높은 성능 평가를 제공합니다. 1. K-Fold Cross Validation 개념 K-Fold Cross Validation은 다음과 같은 단계로 진행됩니다. 2. K-Fold Cross Validation의 장점 3. K 값(K-Fold의 개수) 선택 기준 4. K-Fold Cross Validation의 유형 … Read more
1. PCA란? PCA(Principal Component Analysis)는 데이터의 차원을 축소하면서도 데이터의 분산을 최대한 보존하는 기법입니다. 즉, 고차원 데이터를 저차원으로 변환하여 주요 정보만 유지하면서 계산 비용을 줄이고, 데이터의 시각화를 돕는 데 사용됩니다. 2. PCA의 원리 PCA는 고차원 데이터를 저차원의 공간으로 투영하면서 중요한 정보(분산이 큰 방향)를 유지합니다. 이를 위해 다음 단계를 수행합니다. 3. PCA 알고리즘 단계 1) 데이터 정규화 … Read more
1. 개요 로지스틱 회귀(Logistic Regression)는 종속 변수가 범주형(categorical)일 때 사용하는 지도 학습(Supervised Learning) 알고리즘입니다. 특히 이진 분류(Binary Classification) 문제에서 널리 사용됩니다. 예를 들면, 고객이 상품을 구매할지(1) 안 할지(0), 이메일이 스팸(1)인지 아닌지(0) 등을 예측할 때 사용됩니다. 2. 선형 회귀와의 차이점 3. 시그모이드 함수(Sigmoid Function) 로지스틱 회귀의 핵심은 시그모이드 함수(로지스틱 함수)를 사용하는 것입니다. 시그모이드 함수는 다음과 같이 … Read more
비교 항목 릿지 회귀 (Ridge Regression) 라쏘 회귀 (Lasso Regression) 정규화 방식 L2 정규화 (제곱합 ∑βj2\sum \beta_j^2∑βj2) L1 정규화 (절댓값 합 (\sum 과적합 방지 가능 (모든 계수를 작게 만듦) 가능 (일부 계수를 0으로 만들어 변수 선택) 변수 선택 ❌ 없음 (모든 변수를 유지) ✅ 있음 (일부 계수를 0으로 만듦) 계수 축소 방식 모든 계수를 작게 … Read more
릿지(Ridge)는 머신러닝과 통계에서 사용되는 릿지 회귀(Ridge Regression) 또는 릿지 정규화(Ridge Regularization) 를 의미합니다. 이는 선형 회귀(Linear Regression)의 일종으로, 과적합(Overfitting)을 방지하기 위해 가중치(Weight)에 패널티를 추가하는 방법입니다. 1. 릿지 회귀(Ridge Regression)란? 2. 릿지 회귀의 수식 릿지 회귀는 기존 선형 회귀에 L2 패널티를 추가한 형태입니다 3. 릿지 회귀의 특징 ✅ 다중 공선성 해결 ✅ 변수 선택이 아닌 가중치 … Read more
Scikit-learn은 파이썬에서 머신러닝을 위한 대표적인 라이브러리로, 다양한 머신러닝 알고리즘을 간편하게 활용할 수 있도록 지원합니다. 1. 특징 2. 주요 기능 ① 지도 학습 (Supervised Learning) ② 비지도 학습 (Unsupervised Learning) ③ 데이터 전처리 (Preprocessing) ④ 모델 평가 및 선택 (Model Selection & Evaluation) 3. 예제 코드 1) 데이터 로드 및 분할 from sklearn.model_selection import train_test_splitfrom sklearn.datasets … Read more
🔹 RNN(순환 신경망, Recurrent Neural Network)이란? RNN은 시퀀스 데이터(시간에 따라 변하는 데이터)를 처리하는 인공 신경망입니다.✅ 기존의 신경망과 달리, 이전 단계의 정보를 기억하여 연속적인 데이터(문장, 음성, 주가 등)에 강함✅ 자연어 처리(NLP), 음성 인식, 시계열 데이터 분석(주식 예측) 등에 활용 🔹 RNN의 핵심 개념 기존의 **일반적인 신경망(Fully Connected Network, CNN)**은 독립적인 입력을 처리합니다.하지만 RNN은 “순환 구조”를 가지며, … Read more
