전체 글88

• 

  MCP 튜토리얼 - Advanced MCP Tutorial MCP(Model Context Protocol)를 처음 학습할 때는 사칙연산이나 간단한 CRUD 예제가 적합하다. Tool을 등록하고 입력값을 전달한 뒤 결과를 반환하는 흐름을 빠르게 이해할 수 있기 때문이다. 그러나 실제 업무에 MCP를 적용하려면 단순한 함수 호출 수준을 넘어 데이터베이스, 파일, 외부 API, 권한, 로그, 예외 처리까지 함께 고려해야 한다.삼성전자 임직원을 대상으로 MCP와 AI Agent 개념을 정리하고, 사칙연산 MCP와 Item CRUD MCP 튜토리얼을 제공했다. 다음 단계로는 실제 프로젝트에서 활용할 수 있는 구조를 학습할 수 있도록 고도화된 MCP 예제를 설계할 필요가 있었다.이번 고도화 튜토리얼은 프로젝트 관리 업무를 지원하는 Advanced MCP Assistant.. 🧠 AI 자동화/MCP 2026. 7. 19.

• 

  프롬프트 작성법 - AI 답변 품질을 높이는 방법 챗GPT 프롬프트 작성법이 중요한 이유챗GPT 프롬프트 작성법을 배우다 보면 가장 먼저 드는 생각이 있다. 같은 챗GPT를 사용하는데 왜 어떤 사람은 업무에 바로 쓸 수 있는 결과를 얻고, 어떤 사람은 평범하거나 엉뚱한 답변만 받게 될까. 그 차이는 인공지능의 성능보다 질문을 설계하는 방식에서 갈리는 경우가 많다. 챗GPT를 잘 쓰는 법의 핵심은 어떻게 질문을 하느냐, 결국 프롬프트를 얼마나 명확하게 작성하느냐에 있다. 프롬프트란 무엇인가프롬프트란 챗GPT, Claude, Gemini 같은 생성형 AI에게 입력하는 질문이나 명령문을 말한다. 단순히 “글 써줘”라고 입력하는 것도 프롬프트이고, 역할과 목적, 조건, 출력 형식을 자세히 적는 것도 프롬프트다. 다만 결과의 품질은 두 방식에서 크게 달라진다. .. 🤖 AI 인공지능/AI 엔지니어링 2026. 7. 3.

• 

  AI 엔지니어링 - 하네스 엔지니어링 핵심 개념 정리 하네스 엔지니어링은 AI가 정해진 범위 안에서 안정적으로 일하도록 만드는 시스템 설계 방식이다. 단순히 “이렇게 해 줘”, “이건 하지 마”라고 프롬프트로 지시하는 수준이 아니다. AI가 잘못된 방향으로 작업하거나 규칙을 어겼을 때, 이를 자동으로 감지하고 다시 올바른 방향으로 돌아오게 만드는 장치까지 포함한다.강아지에게 목줄이나 하네스를 채우는 것과 비슷하다. 강아지가 자유롭게 움직이되 위험한 곳으로 뛰어나가지 못하게 하듯, AI도 자율적으로 작업하되 프로젝트 규칙, 코드 품질, 테스트 기준, 커밋 규칙 안에서만 움직이도록 제한하는 것이다. 하네스 엔지니어링이 중요한 이유AI 개발을 하다 보면 처음에는 프롬프트만 잘 쓰면 된다고 생각하기 쉽다. 원하는 기능을 자세히 설명하고, 조건을 구체적으로 적어 주.. 🤖 AI 인공지능/AI 엔지니어링 2026. 6. 27.

• 

  GPT Image 2 - 다양한 이미지 프롬프트를 쉽게 찾는 사이트 AI 이미지 생성 도구를 사용할 때 가장 어려운 부분은 모델을 선택하는 일이 아니라, 원하는 이미지를 정확한 문장으로 설명하는 일이다. 머릿속에는 만들고 싶은 이미지가 분명히 떠오르지만, 실제로 프롬프트를 작성하려고 하면 구도, 스타일, 조명, 배경, 인물 표현, 색감, 비율 등을 어떻게 정리해야 할지 막막해지는 경우가 많다. 이러한 상황에서 참고하기 좋은 사이트가 YouMind의 GPT Image 2 프롬프트 페이지이다. YouMind GPT Image 2 프롬프트 페이지는 이미지 생성에 활용할 수 있는 다양한 프롬프트 예시를 모아두었다. 실제 이미지 생성에 바로 응용할 수 있을 정도로 구체적인 프롬프트를 제공한다. 인물 사진, 캐릭터 시트, 포스터, 인포그래픽, 유튜브 썸네일, 앱·웹 디자인, 만화와.. 🎨 이미지 생성 AI 2026. 6. 27.

• 

  엔지니어링 - 프롬프트 엔진니어링부터 비즈니스 엔지니어링까지 인공지능을 업무에 활용하다 보면 엔지니어링을 잘 알아야 한다. 어떤 질문을 던져야 원하는 답변을 얻을 수 있는지, 어떤 지시문을 써야 결과물이 더 정확해지는지가 가장 먼저 눈에 보이기 때문이다. 엔지니어링의 흐름을 보면 “AI에게 질문을 잘하는 단계”에서 “AI 시스템을 설계하고 운영하는 단계”로 성장하는 과정이다. 1. 프롬프트 엔지니어링프롬프트 엔지니어링은 AI에게 무엇을 어떻게 요청할지 설계하는 단계다.이 단계는 AI에게 원하는 결과를 얻기 위해 질문과 지시문을 잘 작성하는 기술이다. 예를 들어 “블로그 글 써줘”라고 말하는 대신, “AI 초보자를 대상으로, 1500자 분량으로, 문어체로, 도입·본문·정리 구조로 작성해줘”라고 요청하는 방식이다. 이 단계에서 명확한 요구사항을 작성하는 능력을 먼저.. 🤖 AI 인공지능/AI 엔지니어링 2026. 6. 20.

• 

  BMI 비만도 예측 - TensorFlow로 키와 몸무게 분류하기 1. 데이터 준비먼저, BMI 데이터를 생성하거나 불러온다. BMI는 키와 몸무게를 바탕으로 계산되며, 비만도를 라벨로 사용한다. 여기서는 임의의 키와 몸무게 데이터를 생성하고, 이를 바탕으로 BMI를 계산하여 라벨(저체중, 정상, 과체중, 비만)을 지정한다. 데이터는 학습용과 테스트용으로 나누고, StandardScaler를 사용해 스케일링한다.import numpy as npimport pandas as pdimport tensorflow as tffrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScaler# BMI 계산 함수def calculate_bmi(height, weight.. ✨ 딥러닝·머신러닝 2026. 6. 16.

• 

  선형 회귀 예제 - TensorFlow 회귀 모델 만들기 선형 회귀분석은 주어진 데이터 포인트에 대해 가장 잘 맞는 직선을 찾는 방법이다. 이 직선은 독립 변수(입력 변수)와 종속 변수(출력 변수) 사이의 선형 관계를 설명한다. 텐서플로(TensorFlow)를 사용하여 선형 회귀 분석을 구현하는 간단한 예제를 작성해 보자. 가상의 데이터를 생성하여 선형 회귀 모델을 학습하고, 학습된 모델을 사용해 새로운 데이터에 대한 예측을 수행한다.​1. 라이브러리 임포트먼저 필요한 라이브러리를 임포트한다.import numpy as npimport tensorflow as tf 2. 데이터 생성선형 회귀 모델을 학습시키기 위해 간단한 가상의 데이터를 생성한다.# 가상의 데이터 생성np.random.seed(42)X = np.random.rand(100, 1) # 100개.. ✨ 딥러닝·머신러닝 2026. 6. 16.

• 

  TensorFlow - 텐서플로를 사용하여 MNIST 예제를 실행 텐서플로 사이트에 있는 튜토리얼 예제를 실행해 본다. 이 코드는 텐서플로 라이브러리를 사용하여 손글씨 숫자 이미지를 인식하는 간단한 인공 신경망 모델을 만들고 훈련하는 과정을 수행한다. MNIST 데이터셋을 사용하며, MNIST는 0부터 9까지의 숫자로 작성된 손글씨 이미지로 구성된 데이터셋이다. TensorFlow와 Keras를 사용하여 MNIST 데이터셋을 로드하고, 그 데이터를 신경망 모델에 입력할 수 있도록 정규화한다. 이 정규화된 데이터를 사용하여 딥러닝 모델을 훈련하고 평가할 수 있다. MNIST는 딥러닝 학습자들이 자주 사용하는 기본적인 데이터셋 중 하나로, 이 데이터셋을 통해 손글씨 숫자 인식 모델을 구축하는 연습을 할 수 있다. # 1. 텐서플로 라이브러리 임포트import tensorf.. ✨ 딥러닝·머신러닝 2026. 6. 16.

• 

  사이킷런 - 지도학습으로 붓꽃의 품종을 판별 ​1. 개요사이킷런에서 제공하는 붓꽃(Iris) 데이터셋을 사용하여 지도학습 유형의 분류 모델을 적용해 붓꽃의 품종을 판별하는 예제를 작성해 보자. 본 문서에서는 의사결정 트리(Decision Tree) 분류기를 사용하여 붓꽃의 품종을 예측한다. ​​2. 붓꽃 데이터세트붓꽃(Iris) 데이터셋은 머신러닝의 'Hello World'와도 같다. 붓꽃 데이터세트는 단순성 때문에 자주 사용된다. 이 데이터 세트는 scikit-learn에 포함되어 있다.​붓꽃 데이터세트에는 3가지 다른 종의 붓꽃 150개에 대한 측정값이 포함되어 있다.아이리스 베르시컬러(Iris Versicolor)아이리스 세토사(Iris Setosa)아이리스 버지니카(Iris Virginica) [출처] https://eminebozkus.m.. ✨ 딥러닝·머신러닝 2026. 6. 16.

• 

  사이킷런 - 분류 알고리즘으로 붓꽃(iris)의 품종을 판별 ​1. 개요사이킷런에서 제공하는 붓꽃(Iris) 데이터셋을 사용하여 지도학습 유형의 분류 모델을 적용해 붓꽃의 품종을 판별하는 예제를 작성해본다.​​2. 데이터셋 준비필요한 라이브러리를 import 하고 sklearn 패키지에 내장돼 있는 붓꽃 데이터셋을 load_iris() 함수로 불러온다.import numpy as npimport pandas as pdfrom sklearn import datasetsiris = datasets.load_iris()print(iris.keys())dict_keys(['data', 'target', 'frame', 'target_names', 'DESCR', 'feature_names', 'filename', 'data_module']) 데이터셋의 설명은 'DESCR.. ✨ 딥러닝·머신러닝 2026. 6. 15.

• 

  케라스(Keras) - 최소한의 코드로 딥러닝을 구현한다 ​1. Keras 개요Keras는 딥러닝 모델을 쉽게 구축하고 훈련할 수 있는 파이썬 기반의 오픈 소스 신경망 라이브러리다. Keras는 사용자 친화적인 인터페이스와 모듈성을 제공하여 신경망 모델을 빠르게 프로토타이핑하고 실험할 수 있도록 도와준다. Keras는 TensorFlow 2.0부터는 TensorFlow의 공식 API로 통합되어 개발되었다. TensorFlow 2.0에서는 tf.keras라는 이름으로 Keras를 사용할 수 있다. TensorFlow 상에서 tf.keras를 통해 Keras의 기능을 활용할 수 있다.​2. 딥러닝 프로세스 1) 데이터 준비sckit-learn 라이브러리에서 제공하는 iris 데이터셋을 로딩한다.# 데이터 준비import numpy as npfrom sklearn .. ✨ 딥러닝·머신러닝 2026. 6. 15.

• 

  TensorFlow - 도커 컨테이너에서 텐서플로를 실행 1. 텐서플로 개요텐서플로(TensorFlow)는 구글에서 개발한 오픈소스 머신러닝 프레임워크이다. 딥러닝 모델을 구현하고 학습시키기 위한 다양한 도구와 라이브러리를 제공하여 머신러닝 개발자들이 높은 수준의 모델을 쉽게 구축할 수 있게 도와준다.텐서플로는 그래프 형태로 동작하는데 그래프는 노드(node)와 에지(edge)로 이루어져 있으며, 노드는 수학 연산을 수행하고 에지는 노드 간의 데이터 흐름을 나타낸다. 이러한 그래프 기반의 방식은 병렬 처리에 최적화되어 있어 대규모 데이터 셋을 빠르게 처리할 수 있다.​​2. 텐서플로 특징텐서플로의 특징은 다음과 같다.​1) 유연성텐서플로는 머신러닝 모델의 구현을 위한 다양한 도구와 라이브러리를 제공하며, 다양한 플랫폼에서 동작할 수 있도록 구성되어 있습니다.​.. ✨ 딥러닝·머신러닝 2026. 6. 15.