Developer GM

[KT] AIVLE SCHOOL 23~25일2번째 미니프로젝트는 생성형 AI 였다.먼저 1일차에는 개인적으로 그래프 구성도와 State를 정의해보고각 모듈 함수를 구현해보았고, 팀원들과 통합하였다.그리고 2일차에는 통합한 조별 파일을 가지고각각의 파트를 고도화하는 작업을 했다.마지막 3일차에는 2일차에서 보완할 점을 보완하고산출물을 작성했다. 프로젝트의 목표는 개인화된 질문과 답변에 대한피드백을 해주는 AI 면접관 Agent 시스템 구축이다.LangGraph을 기반으로 Agent 흐름을 설계하고LLM을 기반으로 질문을 생성하며 전략적 응답 흐름을 구성한다.사전 준비 절차는 이력서를 업로드하면 이력서를 요약하고 질문 전략을 수립한다.다음으로 면접 절차는 수립한 질문 전력에 맞게 생성한 질문을 제시하고 사용..

[KT] AIVLE SCHOOL 18일차 기존의 NLP : RNN 기반오랫동안 언어모델을 위한 주요한 접근 방식단점 : 병렬 처리가 어려움, 장기 의존성 문제, 확장성이 제한됨RNN 기반 Seq2Seq 모델기존 RNN LM기존 LM은 다음 단어만 예측, 혹은 분류 문제 풀기RNN 기반 Seq2Seq입력 시퀀스를 출력 시퀀스로 변환 (e.g. 기계번역)인코더(Encoder) : 입력을 벡터로 변환 (문장의 의미를 압축)디코더(Decoder) : 벡터를 기반으로 새로운 시퀀스를 생성문제점병렬 처리 문제기존 RNN(LSTM) 모델들은 데이터를 순차적으로 처리 -> 병렬화가 어려움문장의 앞에서부터 뒤까지 순차적으로 처리하기에 처리 속도가 느림인코더의 마지막 은닉상태(context vector)를 디코더(deco..