<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Fine-Tuning on Ted Factory</title><link>https://tedfactory.com/tags/fine-tuning/</link><description>Recent content in Fine-Tuning on Ted Factory</description><generator>Hugo</generator><language>ko</language><lastBuildDate>Mon, 02 Mar 2026 15:55:29 +0900</lastBuildDate><atom:link href="https://tedfactory.com/tags/fine-tuning/index.xml" rel="self" type="application/rss+xml"/><item><title>AI 주요 개념 (2): Fine-tuning / RAG / Function Calling / MCP</title><link>https://tedfactory.com/books/ai-for-startup/ai-concepts-2/</link><pubDate>Fri, 02 Jan 2026 00:00:00 +0900</pubDate><guid>https://tedfactory.com/books/ai-for-startup/ai-concepts-2/</guid><description>&lt;h1 id="ai-주요-개념-2"&gt;AI 주요 개념 (2)&lt;a class="anchor" href="#ai-%ec%a3%bc%ec%9a%94-%ea%b0%9c%eb%85%90-2"&gt;#&lt;/a&gt;&lt;/h1&gt;
&lt;p&gt;이번 장에서는 미세 조정(Fine-tuning), RAG, Function Calling, MCP를 중심으로 “사전 학습된 LLM을 서비스에 붙여 쓸 때” 자주 마주치는 핵심 개념들을 정리합니다.&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id="미세-조정fine-tuning"&gt;미세 조정(Fine-tuning)&lt;a class="anchor" href="#%eb%af%b8%ec%84%b8-%ec%a1%b0%ec%a0%95fine-tuning"&gt;#&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;미세 조정(Fine-tuning)은 사전 학습된(Pre-trained) 모델을 특정 목적에 더 잘 맞도록 추가로 학습시키는 과정입니다. 오픈 소스 문화 덕분에 학습용 데이터셋과, 그 데이터셋으로 사전 학습된 모델이 공개되는 경우가 많고, 이를 바탕으로 성능을 향상시키거나 특정 분야에 더 특화시키기 위해 미세 조정을 적용할 수 있습니다. 예를 들어 의류를 판매하는 전자상거래 시스템에서 AI 챗봇을 만들 때 공개 모델을 그대로 사용하면, 일반적인 대화는 가능하더라도 해당 서비스의 상품/정책 같은 내부 정보를 모르기 때문에 제품 문의에 대해 만족스러운 답변을 못 할 수 있습니다. 이럴 때 미세 조정이 하나의 대안이 될 수 있습니다.&lt;/p&gt;</description></item></channel></rss>