aeightchill

[AI TOP 100] 예선 후기

본선에 진출하지는 못했지만, 기억이 증발하기 전에 AI TOP 100 예선 후기를 남겨봤습니다. 5시간 동안 배고픔도 잊은 채 너무나도 재밌었던 해커톤이었기에 또 이런 해커톤이 열리길 기원하는 마음으로다가.. (다른 참가자 분들은 어떻게 진행하셨는지 궁금하네요. 주변엔 해커톤 참여한 사람이 없어서 so sad..) https://ahyun39.github.io/Engineer/AI/Agent/Hackathon/ai_top_100_preAI TOP 100 예선 후기예선전에 참여하면서 AI와 함께 작업한 내용과 작업하면서 겪은 시행착오를 정리해봤습니다. 가상의 마을에서 쇼핑몰 고객을 응대하는 AI 에이전트를 카카오톡 채널 챗봇으로 만들어서 제출하ahyun39.github.io

탭 정산 기능 총액을 나누지 말고,먹은 만큼 나누자 결제할 때 생기는 품목 데이터로 "누가 무엇을 먹었는지"를 정산에 그대로 옮기는 기능인 탭 정산을 제안합니다. 결제자는 계산하지 않아도 되고, 송금하는 사람은 가격을 확인하지 않아도 됩니다. 다른 수단으로 결제했어도 받은 전자영수증 이미지로 같은 방식으로 정산하고, 송금은 페이로 합니다. ○○양꼬치 테이블 3 / 오늘 19:42 / 페이 결제 양등심꼬치 2다 같이46,000 양갈비 1원필 영현26,000 마늘꼬치 1다 같이3,000 토마토계란볶음 1다 같이18,000 볶음밥 1동원7,000 칭따오 맥주 2원필 영현14,000 칭따오 논알콜릭 1동원4,000 합계118,..

왜 트리가 필요할까? 일반적인 이진 탐색 트리에서 데이터가 많아질 때의 문제: 50 / \ 30 70 / \ / \ 10 40 60 80예를 들어 1억 개의 데이터를 단순히 한 줄로 저장하고 찾는다면 → 원하는 데이터를 찾기 위해 많은 데이터를 읽어야 한다.아래 숫자에서 5000을 찾고자 할 때 10부터 순차적으로 읽어온다.10 → 20 → 30 → 40 → ... → 100000000 데이터베이스에서는 디스크 I/O가 중요 (CPU에서 연산하는 것보다 디스크에서 필요한 데이터를 가져오는 비용이 훨씬 크기 때문)DB에서는 한 번의 디스크 접근으로 최대한 많은 데이터를 읽고, 트리의 높이를 낮추는 ..

1️. 트리의 기본 개념2️. 트리의 특징3️. 트리의 종류3.1. 이진 트리 (Binary Tree)3.2. 이진 탐색 트리 (Binary Search Tree, BST)3.3. 균형 트리 (Balanced Tree)3.4. 힙 (Heap)4️. 트리 순회 (Traversal)4.1. 전위 순회 (Preorder)4.2. 중위 순회 (Inorder)4.3. 후위 순회 (Postorder)4.4. 레벨 순회 (Level Order) 트리(Tree) : 계층적(hierarchical) 구조로 데이터를 표현하는 자료구조 (부모–자식 관계로 연결된 노드들의 집합)예시. 파일 시스템이나 조직도처럼 위에서 아래로 가지가 뻗는 구조1. 트리의 기본 개념트리는 노드(Node)와 간선(Edge)으로 구성노드(Node)..

질문 5 ~ 7은 생활법령정보의 금융 관련 100문100답 데이터로 나와있는 질문이기 때문에, 이 데이터로 RAG 시스템의 답변 품질을 평가해 봤다. 시스템은 생활법령정보의 데이터 중 금융 카테고리 콘텐츠를 스크래핑하고 청킹한 뒤, 사용자가 질문하면 관련 문서를 검색(Retrieval)한 내용을 근거로 LLM이 답변을 생성(Generation)하는 구조다. "답변이 그럴듯하게 나온다"는 것과 "실제로 정확하고 충분한 답변이다"는 다른 문제이기 때문에 답변 품질에 대한 평가가 필요하다고 생각했다. 100문100답에는 질문과 함께 공식 답변(원본 답변)도 같이 나오기 때문에 RAG 시스템이 생성한 답변을 원본 답변과 비교 평가해 볼 수 있었다.평가 기준4가지 항목으로 나눠서 평가를 진행했다.평가 항목설명정확..

1. Window Function 이란?행(Row)은 그대로 유지하면서 집계 결과를 계산하는 함수GROUP BY: 여러 행을 한 행으로 합침Window Function: 여러 행을 합치지 않고 그대로 유지(table) Employee > employeedeptsalaryAIT5000BIT6000CIT7000DHR4000EHR4500 2. GROUP BY 비교GROUP BYSELECT dept, AVG(salary)FROM EmployeeGROUP BY dept; deptavg_salaryHR4250IT6000 5개의 행이 2개의 행으로 감소Window FunctionSELECT employee, dept, salary, AVG(salary) OVER(PARTITION BY..

요새 Claude를 자주 사용하다 보니 스프레드 시트 작업을 할 때도 창을 옮겨 다니지 않고, 클로드에서 스프레드 시트 작업을 함께 하면 편리할 것 같다는 생각이 들었다. 작년에 인턴을 하며 외부 교육으로 Google Apps Script를 처음 접했고, GAS를 웹 앱으로 배포하면 API 인증 없이 MCP를 사용해서 HTTP 엔드포인트처럼 쓸 수 있다는 것을 알게 되었다. 이거 잘하면 더 다양하게 자동화해볼 수 있을 것 같은데 라는 생각이 들면서 당장 구현해 봤다. (실무에서는 이미 활발하게 쓰고 있겠지..?) 구현해보고 싶은 서비스라고 하기엔 엄청 빈약한 것들이지만 만드는 과정이 너무 재밌다.. 전체 구조Claude Desktop ↓ (MCP)Node.js MCP 서버 ↓ (HTTP P..

질문 5 ~ 7은 원본 데이터의 출처인 생활법령정보 사이트에 100문 100답으로 나와있는 질문이다. 답변도 함께 나와있어서 LLM 답변을 평가할 수 있겠다고 생각했다.(간략하게 평가 내용을 작성했고, 다음 내용에서 좀 더 구체적인 평가와 평가를 기반으로 한 개선 작업을 하게 될 것 같다.) 다른 질문에 대한 답변 방식은 더 고민해봐야 할 것 같다.LLM 답변 질문답변참고1예금자보호제도는 무엇이고, 보호 한도는 얼마인가요?예금자보호제도는 금융회사가 영업정지나 파산 등으로 예금 등을 지급할 수 없는 경우 예금보험공사가 해당 금융회사를 대신하여 예금 등을 지급하는 제도입니다(「예금자보호법」 제1조). 이 제도는 예금자의 권익을 보호하기 위해 마련되었으며, 보호대상 금융회사가 취급하는 예금등에 대해서만 적용됩..

벡터 임베딩 → 검색 → Streamlit 구현 및 테스트지난 포스팅(크롤링 → EDA → 청킹)에 이어, chunks.json을 벡터로 임베딩하고 검색 시스템을 구축한 뒤, Upstage API를 연결해 실제 RAG(Retrieval-Augmented Generation) 앱을 만들고 테스트한 과정을 기록했다. 1. 전체 파이프라인크롤링 → EDA → 청킹(chunks.json) ↓벡터 임베딩 (embeddings.npy) → 이 내용부터 시작 ↓FAISS 벡터 인덱스 (faiss_index.bin) ↓Streamlit 검색 UI + LLM 답변 생성 2. 벡터 임베딩2.1 모델 선택한국어 검색에 쓰이는 jhgan/ko-sroberta-multitask (sentence-transformer..

금융 법령정보 크롤링 → EDA → 청킹(Chunking)금융 관련 검색 시스템(RAG)을 만들기 위해 생활법령정보 사이트에서 금융 관련 콘텐츠를 수집하고, 임베딩 전 단계인 청킹(Chunking)까지 진행한 과정을 기록했다.1. 프로젝트 개요목표: 생활법령정보(easylaw.go.kr)의 금융 관련 콘텐츠를 검색할 수 있는 Streamlit 기반 검색 페이지 구축전체 파이프라인웹 크롤링으로 원본 데이터 수집EDA를 통한 데이터 구조/품질 파악검색(임베딩)에 적합한 형태로 청킹(Chunking)(이후 진행 예정) 벡터 임베딩 및 검색 시스템 구현2. 데이터 크롤링 2.1 대상 페이지 구조 파악생활법령정보 사이트의 url은 csmSeq(콘텐츠 시퀀스), ccfNo, cciNo, cnpClsNo 등의 파라미..