<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>LLM on Ted Factory</title><link>https://tedfactory.com/tags/llm/</link><description>Recent content in LLM 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/llm/index.xml" rel="self" type="application/rss+xml"/><item><title>AI 주요 개념 (1): AI / 머신러닝 / 딥러닝 / LLM 기초</title><link>https://tedfactory.com/books/ai-for-startup/ai-concepts-1/</link><pubDate>Sat, 27 Dec 2025 00:00:00 +0900</pubDate><guid>https://tedfactory.com/books/ai-for-startup/ai-concepts-1/</guid><description>&lt;h1 id="ai-주요-개념-1"&gt;AI 주요 개념 (1)&lt;a class="anchor" href="#ai-%ec%a3%bc%ec%9a%94-%ea%b0%9c%eb%85%90-1"&gt;#&lt;/a&gt;&lt;/h1&gt;
&lt;p&gt;AI 기술을 효과적으로 활용하기 위해서는 AI 관련 주요 개념을 이해할 필요가 있습니다. 그래야 AI 서비스와 도구들이 어떤 원리로 동작하는지, 그리고 최신 뉴스와 트렌드가 왜 중요한지까지 함께 이해할 수 있기 때문입니다.&lt;/p&gt;
&lt;p&gt;AI 기술은 지금도 빠른 속도로 발전하고 있어 관련 서비스와 도구가 계속 업데이트되고, 새로운 소식도 끊임없이 등장합니다. 따라서 기본 개념을 탄탄히 잡아두면 변화의 흐름을 더 잘 따라가고, AI 활용 역량도 꾸준히 키워 나갈 수 있습니다.&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id="ai-artificial-intelligence-인공지능"&gt;AI (Artificial Intelligence, 인공지능)&lt;a class="anchor" href="#ai-artificial-intelligence-%ec%9d%b8%ea%b3%b5%ec%a7%80%eb%8a%a5"&gt;#&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;인간의 지능을 모방하여 텍스트/이미지/영상 등을 인식하거나 생성하는 등의 작업을 수행하는 컴퓨터 시스템입니다. 또는 그러한 기술 자체를 의미하기도 하고, 그 기술을 구현하는 것과 관련된 학문 분야를 의미하기도 합니다. 1940년대부터 관련 논의가 시작되었고, 1956년에 &amp;ldquo;Artificial Intelligence&amp;quot;라는 명칭이 공식화되었습니다.&lt;/p&gt;</description></item><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>