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..

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..

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..

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..

발생한 오류도커로 MySQL 데이터베이스와 연결된 Node.js 서버 컨테이너를 밤새 실행해둔 채로 퇴근 후, 다음날 출근해서 보니 아래와 같은 오류가 발생했다.Error: Can't add new command when connection is in closed stateError: This socket has been ended by the other party Error: Can't add new command when connection is in closed state데이터베이스 연결이 이미 닫혔음에도 새로운 쿼리나 명령을 실행하려고 할 때 발생하는 오류이다. 연결이 예기치 않게 닫힌 경우 또는 장시간 연결로 연결이 닫혔을 때 발생할 수 있다. 네트워크 문제, 데이터베이스 서버 설정, 또는 연결..

날짜: 2021년 11월 26일 창의SW축전은 충남대학교 컴퓨터융합학부에서 가장 큰 행사이다. 여러 대회가 동시에 진행되는 데, 그 중에서 가장 중요한 졸업작품경진대회에 참가했다. 우리 학과 4학년은 필수 참여이고, 1년 동안 준비한 졸업 작품을 기업과 교수님 심사위원들께 선보이는 자리이다. 2021 CNU AI/SW Fair와 마찬가지로 이번 축전도 비대면으로 이뤄졌다. 각 팀이 돌아가면서 작품을 발표하고 데모(시연 영상)을 보여준다. 그리고 심사위원과 청중들로부터 질문과 답변을 진행하는 방식으로 진행되었다. 2021 CNU AI/SW Fair와 2021 Engineering Fair에 이어 어제 진행된 2021 CNU 창의SW축전에서 우리 팀이 우수상을 받았다! 야호! 사실 올해부터 중간 평가 대회 ..

대학원 면접을 위해 운영체제를 새로 공부했다. 아래 게시글을 참고하였다. https://covenant.tistory.com/219 [개정판] 어떻게 운영체제를 공부할 것인가? (컴퓨터공학 운영체제 공부방법) 시작하며 제가 전공 신입생 시절 컴퓨터 공학을 어떻게 공부해야할지 검색을 하면 홍보성 학원 강의만 나왔습니다. 개발자가 되기 위해서 컴퓨터 공학의 기초 과목이 중요하다고 하는데 어떻게 covenant.tistory.com 나는 한국기술교육대학교의 김덕수 교수님 강의를 들으며 공부했다. 아래 사이트에 운영체제 과목의 회차별 동영상 강의 링크와 강의 자료가 모두 업로드 되어 있었고, 교수님의 강의 전달력이 좋아 이해하기도 좋았다. https://sites.google.com/view/hpclab/cou..

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..

💪 건강을 챙기자🧩 부지런하자 🌼 2026 상반기 목표 🐱‍💻 ◻ JLPT N3◻ 논문 또는 특허☑ github.io 리뉴얼 😊 기타 목표☑ 겨울 다낭 여행 (1월)☑ 겨울 나고야 여행 (2월) 💪 건강해지자!!🧩 성숙한 사람이 되자!! 🌼 2026 하반기 목표 🐱‍💻 ◻ 특허◻ 코딩테스트 공부: 알고리즘 공부◻ iOS 앱 출시해보기◻ Toeic speaking 영어 성적 갱신◻ github.io 리뉴얼 (계속) 😊 기타 목표☑ 여름 국내 여행 (7월)◻ 스케이트보드 강습 받아보기◻ 몽골 여행 (9월)◻ 상하이 여행 (10월)

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

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..

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..

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..