소소한 코딩일지
·
공지
안녕하세요! CSE 관련 공부한 내용을 기록하는 공간입니다.부족한 부분은 알려주시면 감사하겠습니다. 깃헙 블로그: https://kimsoyeong.github.io/ https://kimsoyeong.github.io/Soyeong Kim Interest AI/ML/DLWeb/App development What can I do Python, Java/Kotlin, C++Android, iOS appGarmin watch app Check my resume by clicking the memo app.kimsoyeong.github.io Github: github.com/kimsoyeong kimsoyeong - Overview@SiliconValleyInternship-Lambda @PA-roketd..

Popular 💖

[대학원 준비] CV(영문 이력서) 작성법, 양식
·
대학원 도비
CV가 뭘까?CV는 Curriculum Vitae의 줄임말이다.연구직 구직 또는 대학원 입시에서 자신의 연구 또는 프로젝트 경험 등을 담아 제출하는 영문 이력서라고 할 수 있다. 나는 사전 컨택없이 대학원을 준비했다. 따라서 CV도 대학원 원서를 준비하면서 동시에 작성해나갔다.사실 학부 수업 중 IT영어1, 2라는 수업에서 영문이력서 작성법을 배웠는데 그게 큰 도움이 되었던 것 같다.또한, 우리 학교에는 미국의 개발 문화를 접할 수 있는 다양한 방법이 존재하는 데, 나는 대부분에 모두 참여했다.작년 글로벌 SW인재트랙에 지원하면서 영문이력서를 작성했고, 또한 올해 MI-333 해외인턴십에 지원하면서 또다시 영문이력서를 작성했다. 그리고 여름방학때는 기업인턴에 지원하면서 영문은 아니었지만 이력서를 작성했던..
From Local to Global: A Graph RAG Approach to Query-Focused Summarization
·
📓 Papers
RAG (Retrieval-Augmented Generation): Query가 주어졌을 때, 데이터베이스에서 관련된 정보를 검색하여 프롬프트에 contxt를 추가.장점Hallucination 최소화Fine-tuning 대비 저렴한 비용으로 관련 정보 검색 가능한계전체 corpus에 대한 추상적 요약이 어려움Context window 한계로 인한 정보 손실 (”lost in the middle” 현상)Graph RAG (GraphDB + RAG)데이터를 지식 그래프 구조로 변환 → 그래프 검색을 활용한 RAG더보기Knowledge graph 지식 그래프:Knowledges의 구조화된 표현Node: entities or conceptsEdge: relationships between entities Mic..
안드로이드 스튜디오 실행없이 에뮬레이터 실행하기
·
안드로이드
안드로이드 스튜디오에서 AVD manager를 통해 emulator를 실행해봤다면, 다음 경로에 "emulator.exe" 파일이 있을 것이다. C:\Users\{user}\AppData\Local\Android\Sdk\emulator 해당 경로에서 터미널을 통해 안드로이드 스튜디오 실행없이 에뮬레이터만 실행할 수 있다. 아래 명령어를 입력하면, 현재 존재하는 emulator 목록이 출력된다. (skin 목록 아님. 생성했던 emulator들의 목록이 나타난다.) .\emulator.exe -list-avds 목록 중 원하는 에뮬레이터를 다음 명령어로 실행한다. .\emulator.exe -avd "에뮬레이터_이름" 그럼 이렇게 에뮬레이터만 정상적으로 실행되는 것을 확인할 수 있다. 참고 안드로이드 에뮬..
PointRend: Image Segmentation as Rendering
·
📓 Papers
Rendering을 응용한 이미지 세분화 : 컴퓨터 그래픽 분야의 렌더링 기법으로 활용되는 Adaptive Subdivision에 영감을 받아 이를 Instance/ Semantic Segmentation Prediction 시에 적용한 방법 : 반복적인 subdivision strategy을 기반으로 선택한 위치에서 point 기반 segmentation predictions을 수행하는 모듈 신중하게 선택된 point들에 대해서만 prediction 수행 f를 interpolate해서 선택되어진 point에 대해 point-wise feature representation을 추출 small point head subnetwork 사용: point-wise feature로부터 output label 예측..
[코딩테스트 연습] - 두 개 뽑아서 더하기 📆
·
프로그래머스
📆 월간 코드 챌린지 시즌1 문제 설명 정수 배열 numbers가 주어집니다. numbers에서 서로 다른 인덱스에 있는 두 개의 수를 뽑아 더해서 만들 수 있는 모든 수를 배열에 오름차순으로 담아 return 하도록 solution 함수를 완성해주세요. 제한 사항 numbers의 길이는 2 이상 100 이하입니다. numbers의 모든 수는 0 이상 100 이하입니다. 입출력 예 numbers result [2,1,3,4,1] [2,3,4,5,6,7] [5,0,2,7] [2,5,7,9,12] 나의 코드 def solution(numbers): answer = set() length = len(numbers) for i in range(length): for j in range(i+1, length): ..
Nginx - Streamlit 프록시 설정 방법
·
Streamlit과 Nginx 각각에서의 설정을 해줘야 하다. Streamlit아무것도 설정할 필요 없다. 기본값으로 8501번 포트에서 streamlit app이 실행된다.만약 port 등을 설정하고 싶다면, 프로젝트 디렉토리 내 .streamlit/config.toml 에서 설정할 수 있다.# 예시[server]port=8000 Nginx/etc/nginx/nginx.conf 에서 nginx가 지켜볼 port와 이 port로 들어오는 요청을 전달할 주소, 즉, streamlit이 실행되고 있는 주소를 연결해줘야 한다. http.server 설정을 아래와 같이 해준다.proxy_pass에는 streamlit app이 실행되고 있는 주소를 넣어줘야 한다.따로 설정해준 게 없다면, http://localh..

Recent 🌟

GitHub Copilot SDK
·
🤖 AI 인공지능
1. 개념GitHub에서 출시한 GitHub Copilot SDK는 Copilot CLI의 핵심 루프(계획 수립, 도구 호출, 파일 편집, 명령 실행)를 개발자의 애플리케이션에 직접 통합할 수 있게 해주는 도구입니다.핵심 가치: 에이전트의 뇌(LLM)뿐만 아니라 손발(Executor) 역할을 하는 인프라(계획 루프, 도구 실행기, 컨텍스트 관리, 오류 처리)를 직접 구현할 필요없이 즉시 활용 가능합니다.통신 구조: SDK는 JSON-RPC를 통해 Copilot CLI 서버와 통신하며 라이프사이클을 자동 관리합니다.[Architecture Flow]나의 Application → SDK Client → (JSON-RPC) → Copilot CLI (Server Mode)지원 환경: Python, Node.j..
2026 상반기 목표
·
🚩 목표 & 회고
💪 건강을 챙기자🧩 부지런하자 🌼 2026 상반기 목표 🐱‍💻 ◻ Toeic speaking Advanced 취득◻ JLPT N3◻ 논문 또는 특허 😊 기타 목표☑ 겨울 나고야 여행◻ 여름 오키나와 여행
반갑습니다
·
💻 Study
시험범위 시험 범위 | NotionMade with Notion, the all-in-one connected workspace with publishing capabilities.www.notion.so 과목 정리 AI 과목 정리 | Notion목차www.notion.so
티스토리 LaTeX 적용하는 아주 쉬운 방법
·
카테고리 없음
업데이트된 hELLO 스킨을 새로 적용하면서, 기존의 LaTex 설정이 사라졌다.매번 찾아보기 귀찮으므로 LaTeX 적용방법을 정리해보겠다. 티스토리 블로그에 LaTeX(수식)을 작성할 수 있도록 Javasciprt로 작성된 KaTeX를 적용한다.KaTeX는 MathJax보다 빠른 렌더링을 제공하여 웹 페이지 로딩 시 거의 바로 수식을 출력할 수 있다. 티스토리 스킨 편집스킨 편집에서 다음 코드를 `` 바로 위에 복사 붙여넣기 한다. 그 아래에 두번째 코드를 복사 붙여넣기 한다.   KaTex 공식문서에서 브라우저에서의 사용법을 참고할 수 있다. KaTeX – The fastest math typesetting library for the webSimple API, no dependencies – yet..
Attention is All You Need: Transformer와 LLM의 발전 양상
·
📓 Papers
Transformer 모델: 기존 인코더-디코더 모델을 발전시킨 모델로, RNN 기반 인코더-디코더 모델보다 학습이 빠르고 성능이 좋다.병렬화RNN 기반 인코더-디코더: 입력으로 들어오는 텍스트의 단어들을 순차적으로 계산하여 인코딩.Transformer: 행렬곱으로 한 번에 병렬 처리. Positional encoding(RNN 사용 X) 순차 입력을 받지 않음 → 위치/순서 정보를 제공해줘야 한다.Positional encoding: 인코더 및 디코더의 입력 값마다 상대적인 위치 정보를 더하는 기술.Transformer는 단순 비트 인코딩이 아니라 Sin, Cos 함수를 사용한 positional encoding을 사용한다.장점Sin, Cos 함수) Positional encoding 값이 항상 -1에..
From Local to Global: A Graph RAG Approach to Query-Focused Summarization
·
📓 Papers
RAG (Retrieval-Augmented Generation): Query가 주어졌을 때, 데이터베이스에서 관련된 정보를 검색하여 프롬프트에 contxt를 추가.장점Hallucination 최소화Fine-tuning 대비 저렴한 비용으로 관련 정보 검색 가능한계전체 corpus에 대한 추상적 요약이 어려움Context window 한계로 인한 정보 손실 (”lost in the middle” 현상)Graph RAG (GraphDB + RAG)데이터를 지식 그래프 구조로 변환 → 그래프 검색을 활용한 RAG더보기Knowledge graph 지식 그래프:Knowledges의 구조화된 표현Node: entities or conceptsEdge: relationships between entities Mic..