본문 바로가기

전체 글381

[Oracle] 온라인 쇼핑몰 DB: JOIN/INDEX 실습 https://claremont.tistory.com/entry/%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%B2%A0%EC%9D%B4%EC%8A%A4-SQL-JOIN-INDEX-%EA%B0%9C%EB%85%90 [데이터베이스] SQL JOIN + INDEX 개념평소에 SKALA 팀원분들과 얘기를 할 때 컴공식 유머를 발휘하는데, 여기서 JOIN문이 자주 쓰인다..ㅎ JOIN : 두 개 이상의 테이블을 연결하여 데이터를 조회데이터베이스는 일반적으로 정규화를 통claremont.tistory.com위의 글에서 JOIN 문법과 INDEX 개념을 잘 숙지하고 오자! https://claremont.tistory.com/entry/%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%B2%A0%EC.. 2025. 4. 16.
[Oracle] 기업 탄소 배출 데이터를 활용한 데이터 분석(Data Warehouse → Data Mining 흐름) 한전, 포스코, 현차, SK, GS, 삼성 등의 탄소배출 데이터 파일 *dummy 데이터입니다 https://claremont.tistory.com/entry/%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%B2%A0%EC%9D%B4%EC%8A%A4-DBMS-%E2%86%92-Data-Warehouse-%E2%86%92-Data-Mining-%ED%9D%90%EB%A6%84-%EC%9D%B4%ED%95%B4 [데이터베이스] DBMS → Data Warehouse → Data Mining 흐름 이해개괄식으로 먼저 알려주자면, 다음과 같은 파이프라인 구조를 지닌다[DBMS] → [Data Warehouse] → [Data Mining] (저장) (분석용 정리) .. 2025. 4. 15.
[데이터베이스] DBMS → Data Warehouse → Data Mining 흐름 이해 개괄식으로 먼저 알려주자면, 다음과 같은 파이프라인 구조를 지닌다[DBMS] → [Data Warehouse] → [Data Mining] (저장) (분석용 정리) (패턴/예측) DBMS는 현재의 데이터를 실시간으로 저장하고 관리한다Data Warehouse는 다양한 원천의 데이터를 모아 분석할 수 있게 정리한다Data Mining은 Data Warehouse의 데이터를 기반으로 유의미한 정보를 추출한다 1. DBMS – 데이터를 저장하고 관리하는 시스템https://claremont.tistory.com/entry/%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%B2%A0%EC%9D%B4%EC%8A%A4-ep0-%ED%8C%8C%EC%9D%BC%EC%8B%9C%EC%8A%A4.. 2025. 4. 15.
[Oracle] 맥북(m3칩↑)에서 오라클 SQL Developer 사용법(w/도커) 오라클은 기본적으로 Windows, Linux 환경만 지원하기 때문에 MacOS에서 오라클을 사용하기 위해서는 도커가 필수다뭐 가상머신이나 클라우드를 사용하는 대안이 있지만, 역시 도커가 가장 편리하고 좋다 그래서 내가 오늘 작성할 것은?내 맥북에 오라클과 SQL Developer를 설치하고 연결에 성공한 과정을 담아보려 한다※ 맥북 M3칩 기준입니다, M1, M2칩은 방법이 다를 수 있습니다!... 1. 도커 설치앞서 말했듯이, 도커가 당연히 필수이다도커 설치법은 워낙 정보가 많으니 패스하겠다! 2. 오라클 DB 설치공홈에서 다운받으면 된다마찬가지로 정보가 워낙 많으니 패스하겠다! 3. Oracle DB 컨테이너 실행Oracle의 공식 이미지는 Docker Hub에서 직접 docker pull이 .. 2025. 4. 15.
[생성형 AI] Jay Alammar, NLP in Korean 블로그 글 정리(트랜스포머 모델) https://claremont.tistory.com/entry/%EC%83%9D%EC%84%B1%ED%98%95-AI-Transformer-%EA%B5%AC%EC%A1%B0 [생성형 AI] Transformer 구조https://claremont.tistory.com/entry/LLM-LLM-%EB%B0%B0%EA%B2%BD-%EB%B0%8F-%EA%B5%AC%EC%A1%B0-%EC%9D%B4%ED%95%B4 [생성형 AI] 자연어 처리(NLP, Natural Language Processing) 개념ㅁ자연어 처리(NLP, Natural Language Processing): 컴퓨터가claremont.tistory.com기초 개념을 먼저 공부하고 오자! https://jalammar.github.i.. 2025. 4. 14.
MSA와 클라우드, AI 서비스에 대한 실용적 혜안 최근 MSA와 클라우드에 대한 여러 관점을 접해보았지만, 특히 임성열 교수님의 글에서 큰 인사이트를 얻을 수 있었다. 단순한 기술 찬양이 아닌, 실무적 맥락과 비용적 관점, 적용 범위에 대한 냉철한 분석이 담겨 있었기 때문이다. 그간 막연하게 ‘MSA가 미래다’, ‘클라우드는 정답이다’라고 생각했던 나의 시야가 조금은 정돈되는 계기가 되었다. 아래는 교수님의 원문 내용이며, 이 글을 통해 필자가 정리한 생각을 함께 공유하고자 한다. (참고로 임성렬 교수님은 세계 3대 인명사전 마르퀴즈 후즈후에 등재되신 실무 전문가이시다..📚) 안녕하세요, 임성열입니다."MSA와 클라우드, AI 서비스에 대한 혜안"에 대해서 의견드립니다.[ 질문 ]MSA(Micro software architecture)가 등장하고 수.. 2025. 4. 10.
[생성형 AI] Claude API와 MCP 연동 방법(+실무 팁) https://claremont.tistory.com/entry/%EC%83%9D%EC%84%B1%ED%98%95-AI-%EC%9A%94%EC%A6%98-%ED%95%AB%ED%95%9C-Anthropic-%ED%81%B4%EB%A1%9C%EB%93%9C%EC%9D%98-MCPfeat-Smithery-%EC%82%AC%EC%9D%B4%ED%8A%B8 [생성형 AI] 요즘 핫한 Anthropic 클로드의 MCP(feat. Smithery 사이트)요즘 AI 업계의 뜨거운 감자! MCP(Model Context Protocol)에 대해 소개해보려 한다개인적으로 진짜 혁신적인 툴이라 생각한다.. Anthropic이 개발한 Claude는 대규모 언어모델 중에서도 특히 "긴 문맥 처리"claremont.tistor.. 2025. 4. 7.
[생성형 AI] 요즘 핫한 Anthropic 클로드의 MCP(feat. Smithery 사이트) 요즘 AI 업계의 뜨거운 감자! MCP(Model Context Protocol)에 대해 소개해보려 한다개인적으로 진짜 혁신적인 툴이라 생각한다.. Anthropic이 개발한 Claude는 대규모 언어모델 중에서도 특히 "긴 문맥 처리"에 특화된 모델이다. Claude 3 계열은 최대 200K에서 최대 1M 토큰에 달하는 컨텍스트 윈도우를 처리할 수 있으며, 이는 기존 GPT 기반 모델 대비 월등히 높은 수준이다. 이러한 확장된 컨텍스트를 효율적으로 관리하기 위해 도입된 것이 바로 MCP(Model Context Protocol)이다. 그냥 쉽게 말하면 부가적인 AI 기능을 추가하는 데에 사용되는 “통신 규격” 말 그대로 프로토콜이다!따라서 우리는 이 MCP 규격을 이용해서 다양하고 획기적인 AI 기능.. 2025. 4. 7.
[생성형 AI] AI Agent 프레임워크 정리 시대가 발전되며, AI 오케스트레이션을 잘하는 것이 곧 개발을 잘하는 것이라 생각한다..!세상에는 정말 많은 오픈소스 AI Agent 프레임워크들이 있다따라서 처음 시작한다면 어떤 거를 써야 할지 막막할 거고, 나 역시 그렇다그래서 오늘 이 글을 작성해보았다 🔫 빵야빵야 AI 에이전트 프레임워크란?입력 → 처리 → 작업 실행(검색, 고객 응대 등) 흐름을 갖는자율 에이전트를 개발할 수 있도록 도와주는 도구/플랫폼/라이브러리⇒ 복잡한 AI 로직을 쉽게 구성하고, 유지보수 가능하게 만드는 핵심 인프라! 프레임워크 유형 2가지💬 대화/챗봇 특화예: 고객 응대, 가상 비서 (LangChain, Rasa 등)🔁 워크플로우 중심복잡한 작업 흐름 구성에 최적 (LangGraph, CrewAI 등) AI 에이.. 2025. 4. 7.