3.STUDY 39
- AI 서비스 구현 실습 회고: 개념을 설계 기준으로 바꾸기
- LLM 서비스 아키텍처 실습 정리: Pipeline, Storage, Evaluation
- Agent Workflow 실습 정리: Tool Calling, Reflection, Multi-Agent
- LLM 서비스 평가 실습 정리: ROUGE, BERTScore, G-Eval
- RAG 평가 방법 정리: Top-K, G-Eval, Groundedness
- 금융 RAG 근거 설계 정리: 리포트, 뉴스, 표 데이터
- RAG 구현 패턴 실습 정리: Chunking, Retrieval, Reranker
- PDF/OCR 문서 처리 실습 정리: Layout, Table, Parser
- 3.STUDY 학습 글 지도
- 모델 변경과 프롬프트 변화
- Hermes Agent vs OpenClaw
- Agent Engineering
- 온톨로지 & 지식 그래프 가이드 2: GraphRAG, 도구, 시작법
- 온톨로지 & 지식 그래프 가이드 1: 개념, 스펙트럼, 트리플
- Knowledge Graph 개인 학습 로드맵
- AI-Ready Data 가이드
- AX 시대를 위한 DX
- AI 코딩의 Cognitive Debt
- Tiny LLM from Scratch
- AI Assistant Engineering
- Agentic AI 패턴 가이드 3: 선택 기준, 비용, 토폴로지
- Agentic AI 패턴 가이드 2: 8가지 패턴
- Agentic AI 패턴 가이드 1: Workflow vs Agent
- Agentic Workflow 개인 학습 로드맵
- AI Native 팀 운영 가이드
- AI Engineering 개인 학습 로드맵
- Production RAG Engineering 3: Evaluation, Operations, Checklist
- Production RAG Engineering 2: Chunking, Embedding, Retrieval, Reranking
- Production RAG Engineering 1: 아키텍처와 설계 지점
- RAG 완전 가이드 3: 평가, 도입 로드맵, 논문 타임라인
- RAG 완전 가이드 2: Naive, Advanced, Modular, Agentic RAG
- RAG 완전 가이드 1: 필요성과 기본 구조
- RAG 개인 학습 로드맵
- AI Agent 완벽 가이드 3: Memory, RAG, Guardrails, Cost
- AI Agent 완벽 가이드 2: Agent 성숙도 7단계
- AI Agent 완벽 가이드 1: 정의와 Workflow 구분
- AI Agent 개인 학습 로드맵
- 바이브코딩 & Claude Code 교육 자료
- NumPy Cheat Sheet