Jihun Oh

1. 개인정보의 처리 목적본 앱('[Station Alarm]')은 다음의 목적을 위해 최소한의 개인정보를 처리합니다. 처리하고 있는 개인정보는 목적 이외의 용도로는 이용되지 않으며, 이용 목적이 변경되는 경우에는 별도의 동의를 받는 등 필요한 조치를 이행할 예정입니다.지하철 도착 알림 서비스 제공: 사용자의 현재 위치를 기반으로 한 도착역 알림 서비스 제공.2. 처리하는 개인정보의 항목앱 서비스 제공을 위해 다음의 정보를 수집할 수 있습니다.위치 정보 (필수): 지하철 내에서의 현재 위치를 파악하여 알람을 울리기 위한 목적. (백그라운드 위치 권한 포함)기기 정보: 서비스 이용 과정에서 기기 모델명, OS 버전 등이 생성되어 수집될 수 있습니다.3. 개인정보의 처리 및 보유 기간사용자의 개인정보는 원칙..

GCC / G++ / Clang- GCC는 GNU 프로젝트의 핵심으로 C, C++, Fortran 등 여러 언어를 지원하는 컴파일러 드라이버 .c 확장자를 가진 파일은 C 언어로, .cpp 확장자를 가진 파일은 C++ 언어로 컴파일하지만, C 라이브러리와 링크됨- G++은 GCC에 포함된 C++ 전용 컴파일러 드라이버 어떤 확장자를 가진 파일이든 C++ 언어로 간주하고 컴파일하며, 자동으로 C++ 표준 라이브러리 (libstdc++)와 링크해 줌- Clang (클랭)은 GCC의 대안으로 LLVM 프로젝트에서 개발된 현대적인 C/C++/Objective-C 컴파일러 프론트엔드로, 더 빠른 컴파일 속도, 템플릿 관련 명확한 오류 메시지, 모듈식 구조, 높은 재사용성 등의 특징을 가지고 있음 Ninj..

Agent의 의미에이전트는 도구를 사용해 목표를 달성할 수 있는 자율적인 생성형 AI 응용 프로그램인간처럼 세계의 정보를 관찰, 추론하고, 행동할 수 있으며, 도구를 통해 외부의 시스템과 상호 작용 Agent의 구성 요소모델 (Model) - 중심 추론 엔진, LLM (GPT, Gemini)도구 (Tools) - API, DB 등 외부 정보와 상호작용오케스트레이션 계층 (Ochestration Layer) - 입력-추론-행동의 반복적인 제어 흐름 모델과 Agent의 차이점항목모델에이전트지식학습 데이터에 한정도구를 통해 외부 지식 확장상호작용단일 질의 응답멀티턴 대화와 상태 유지 가능도구 사용불가능도구를 사용하여 실행추론 구조없음체계적 추론 구조 (ReAct, CoT) 추론 프레임워크ReAct: 생각 -..

정적 분석 도구 (Static Analysis Tool) 란?코드를 실행하지 않고 분석하여 문법 오류, 스타일 문제, 버그 가능성, 타입 오류, 코드 품질 저하 등을 미리 발견하는데 사용목적은 오류 예방, 코드 품질 개선, 일관성 유지 주요 python 정적 분석 도구들 추천 사용 조합 (실무 기준) 차이점 요약 최신 트렌드는 ruffruff는 rust로 작성된 매우 빠른 linter이자 formatterflake8, black 등 기존 라이브러리들의 규칙들을 대부분 지원해서 ruff 하나만 있어도 프로젝트 관리하는데 문제가 없음설정# pyproject.toml...[tool.ruff]line-length = 140 # 최대 길이를 140으로 늘려봤습니다. [tool.ruff.lint]select =..

MCP는 무엇인가?MCP는 애플리케이션이 LLM에 컨텍스트를 제공하는 방식을 표준화하는 개방형 프로토콜필요성LLM 모델은 학습 시점을 기준으로 과거의 데이터로만 학습했기 때문에, 변화 가능한 데이터에 대해서는 외부 데이터 소스로부터 실시간 정보를 가져올 필요가 있음 기존의 LLM이 외부 데이터와 상호작용을 하려면 각 서비스에 맞는 커스텀 코드가 필요했고, 이는 반복적인 작업이자 유지 보수를 어렵게 만듦LLM이 단순하게 답변을 제공하는 것을 넘어서 외부 툴과의 연동을 통해서 에이전트 기능으로 확장할 필요MCP는 이 과정을 표준화하여, 한번 연결하면 어디서든 재사용 할 수 있는 도구 생태계를 조성하기 위함주요 역할외부 데이터 소스 연결 - AI 모델이 외부 데이터베이스, 웹, API 등 다양한 외부 데이터 ..

CUDA 스레드 계층구조 스레드, 워프, 블록, 그리드 이렇게 네 개의 계층으로 구성. 스레드 가장 작은 단위. CUDA에서 연산을 수행하거나 CUDA 코어를 사용하는 기본 단위. 작성한 커널 코드는 모든 스레드에 공유되며, 각 스레드가 독립적으로 커널 코드를 수행. 워프 32개의 스레드를 하나로 묶은 것을 의미하며 CUDA의 기본 수행 단위. 기본 수행 단위는 한 워프에 속한 스레드들은 하나의 제어 장치에 의해서 제어된다는 것. SIMT에서 멀티 스레드의 단위. 하나의 명령에 따라 32개 스레드가 동시에 작동. 블록 워프들의 집합 streaming multiprocessor (SM)이 처리하는 단..

요즘 인공지능 모델 추론을 효율화하겠다는 NPU 스타트업들이 많이 생겼다. GPU 대비 전성비(throughput/watt)를 높히거나 TDP(watt), TCO를 낮추고자하는 성능 효율화 목표를 공통적으로 설정하고 달려가고 있다. 전통적으로 임베디드나 모바일 환경에서는 임베디드 보드는 팬이나 히트싱크를 거의 장착하지 않기 때문에 전력이 높아지면 발열 증가로 이어진다. 또한 배터리 제한이 있고 작은 면적안에서 효율적으로 연산해야 하기 때문에 저전력과 전성비가 핵심 조건이다. 그러면 GPU와 경쟁해야하는 데이터센터를 타겟하는 시장에서도 그 조건들로 충분한 것이고 지금 보여주는 성능이 충분히 매력적인것인가? 필자가 한창 대학원 재학중이던 2010년대 초반은 GPU가 본래 잘 하던 컴퓨터 그래픽 처리를 넘어서..