전체

토크나이저부터 추론 모델까지, 처음부터 끝까지 구현하며 배우는 LLM의 원리 챗GPT 같은 대규모 언어 모델(LLM)이 일상에 깊이 들어온 지금, 그 작동 원리를 직접 구현해 본 사람은 많지 않습니다. 『밑바닥부터 시작하는 딥러닝』 여섯 번째 편은 토크나이저, 모델, 학습이라는 LLM의 핵심 세 단계를 완성된 라이브러리에 기대지 않고 밑바닥부터 구현합니다. CodeBot, StoryBot, WebBot 세 프로젝트를 거치며 BPE 토크나이저,

오늘날 인기 있는 대부분의 비디오 게임의 디자인 구조를 살펴볼 수 있도록 도와준다. 우아한 게임 메커니즘, 설득력 있는 픽션, 플레이어를 완전히 몰입시키는 속도감 등 감성을 자극하는 경험을 제공하는 게임을 제작하기 위한 원칙과 사례를 배울 수 있다. 기획 전문가인 타이난 실베스터는 명확하고 친근한 산문으로, 팀과 협력하는 방법, 창의적인 막다른 길을 피하는 방법 등등 프로젝트를 순조롭게 진행하는 데 필요한 일상적인 프로세스에 대해서도 살펴본다.

챗봇의 시대는 끝났다 이제 일을 끝내는 에이전트다 매일 반복되는 업무와 보고서 작성, 데이터 정리로 야근에 지친 직장인이라면 이제 단순히 대화만 주고받는 챗봇을 넘어 실제 업무 프로세스를 자율적으로 완수하는 AI 에이전트와 협업해야 할 때다. 이 책은 앤트로픽이 제공하는 8대 핵심 플러그인을 완벽하게 설명하며, 복잡한 코딩 지식이 전혀 없어도 다양한 직무에 바로 적용할 수 있는 32가지 실전 예제를 담고 있다. 단편적인 프롬프트 입력 방식을 벗

단일 에이전트 대신 ‘에이전트 팀’을 설계하라 클로드 코드로 구축하는 최초의 하네스 실전 가이드 AI 에이전트를 도구로 쓰는 단계를 넘어, 스스로 일하는 에이전트 팀을 직접 설계하고 운영하는 방법인 하네스 엔지니어링을 체계적으로 정리한 최초의 실전서다. 이 책의 저자이자, 카카오의 AI 리더 황민호(로빈 황)가 공개한 하네스 관련 오픈소스 자료는 깃허브에서 3천 개 이상의 별(star)을 받으며 이미 개발자 커뮤니티의 주목을 받은 바 있다. 하

최고의 AI 전문가 칩 후옌이 엔비디아, 스노클 AI, 스탠퍼드에서 쌓은 현장 경험과 노하우! 모델 활용을 넘어서, 실전으로 통하는 AI 서비스 설계 가이드 “프로덕트 레벨에 맞는 설계란 무엇일까요?” 파운데이션 모델을 활용해 누구나 손쉽게 AI 애플리케이션을 만들 수 있는 시대가 되었습니다. 하지만 실제 프로덕트 레벨의 시스템을 구축하려면 단순한 API 호출이나 프롬프트 작성만으로는 충분하지 않습니다. 아이디어를 사용자가 만족하는 서비스로 완

(본 도서는 AI를 활용하여 작성 되었습니다.) AI와 함께이기 때문에 혼자서도 한 팀처럼 움직일 수 있고, 비로소 홀로 설 수 있다. 이 홀로서기를 위해서는 읽기부터 달라져야 한다. AI와 함께, 진정한 홀로서기를 위한 읽기 공부. 제대로 읽는자만이 살아남는다.

★ 초당 수십만 건의 배달 주문, 그 뒤에서 백엔드는 어떻게 버티고 있을까? ★ 돌아가는 코드에서 버티는 코드로! 우아한형제들의 선택을 들여다본다! ★ 카프카·레디스·엘라스틱서치·분산 락, 현업 개발자의 생생한 경험이 필요한 당신에게! 서비스가 커지면 코드는 그대로인데 문제는 달라집니다. 어제까지 잘 돌던 API가 트래픽이 몰리자 느려지고, 멀쩡하던 배치가 데이터 정합성을 깨뜨립니다. 검색은 점점 느려지고, 외부 연동 하나가 전체 서비스를 멈춰

설계되지 않은 도메인은 에이전트가 집행할 수 없다. 감(感)으로 프롬프트를 짜는 것과, 설계도로 도메인을 명세화하는 것은 전혀 다른 일이다. 1권(원리편)에서 '왜'를 이해했다면, 이 책에서 '어떻게'를 완성한다. 저자가 창시한 ESTC 프레임워크(Entity·State·Transition·Constraint)와 이를 위한 도구인 월드 모델 캔버스(World Model Canvas)로 어떤 비즈니스 도메인이든 에이전트가 읽고 판단하고 실행할 수

PoC는 성공하는데 운영은 왜 계속 실패할까? AI의 능력이 부족해서가 아니다. 에이전트가 발 딛고 움직일 '실행 세계' — 누가, 어디서, 어떤 상태에서, 무엇을 할 수 있는지를 정의하는 구조 — 가 없기 때문이다. 확률로 말하는 지능을 결정이 요구되는 현장에 그냥 밀어 넣으면 반드시 실패한다. 이 책은 그 구조적 원인을 해부하고, 에이전트가 신뢰 가능하게 작동하는 실행 환경을 설계하는 원리를 가르쳐준다. 뉴럴과 심볼릭 두 전통의 계보부터 하

기술 면접에서 막히는 건, 몰라서가 아니라 설명하지 못해서입니다! 합격을 결정하는 것은 얼마나 많이 아느냐가 아니라, 꼬리 질문 앞에서 끊기지 않고 논리를 이어갈 수 있느냐입니다. 예상 질문과 답변을 외우는 방식으로는 그 힘이 생기지 않습니다. 개념이 서로 어떻게 연결되는지 모른 채 쌓은 지식은 예상 밖의 질문 하나에 바로 막힙니다. 이 책은 다섯 명의 개발자가 직접 취업을 준비하며 깃허브에 쌓아온 CS 스터디 노트에서 시작했습니다. 실제로 막

[[ 자바와 스프링으로 만드는 엔터프라이즈 AI 에이전트 시스템! ]] AI 에이전트는 질문에 답하는 챗봇을 넘어 기업 문서를 검색하고, 외부 시스템의 툴을 호출하며, 여러 단계를 거쳐 실제 업무를 수행하는 시스템으로 발전하고 있습니다. 자바와 스프링에 익숙한 개발자도 기존 기술 스택 위에서 엔터프라이즈 AI 에이전트 시스템을 구축할 수 있습니다. 하지만 LLM API를 호출하는 것만으로는 충분하지 않습니다. RAG로 기업 지식을 연결하고, 툴