MCP(Model Context Protocol)란?MCP(Model Context Protocol)는 AI 모델과 외부 데이터 소스 또는 도구를 연결하기 위한 개방형 표준 프로토콜입니다. 대규모 언어 모델(LLM)이 실시간으로 외부 정보를 활용할 수 있도록 지원하여, 보다 정확하고 유용한 결과를 생성하게 해줍니다. MCP는 AI 기술의 확장성과 실용성을 높이기 위해 필수적인 연결 브릿지 역할을 합니다.  MCP 설명, 뜻 (Model Context Protocol의 의미)Model: AI 언어 모델 또는 대화형 모델Context: 모델이 이해하고 응답을 구성하는 데 필요한 정보Protocol: 통신을 위한 규약즉, MCP는 모델이 외부 컨텍스트를 활용할 수 있도록 도와주는 통신 규약입니다. 이로 인해 ..

* 비지도 학습 (Unsupervised Learning) 뜻 비지도 학습 (Unsupervised Learning)이란 데이터가 어떻게 구성되었는지 알아내는 기계 학습 문제를 뜻한다. 지도 학습 (Supervised Learning)과 달리 목표 Label이 주어지지 않는다. * 클루스터링 (군집화, Clustering) 뜻 클루스터링 (군집화, Clustering)은 Data point들이 주어졌을 때, 그것을 몇개의 Cluster로 나누는 과정을 뜻한다. Supervised Learning인 Classification은 주어진 data를 label에 맞게 분류, 예측하는 것이다. Unsupervised Learning인 Clustering은 주어진 data들을 같은 성격에 맞게 묶는 것이다. * 계..

* 경사 하강법 (Gradient Descent) 경사 하강법 (Gradient Descent)이란 쉽게 말하면, Training set (funtion)의 극솟점을 찾는 알고리즘이다. a는 Step size (또는 learning rate)로 수렴 속도를 결정한다. Cost function을 설정하고, 모델의 Cost function 최솟값을 찾아 그 값을 구할 때 쓰인다. w : data point J(w) : Cost function 반복 알고리즘을 통해, w를 계속 업데이트 한다. * 경사 하강법 파이썬 코드 from numpy import asarray from numpy import arange from numpy.random import rand from matplotlib import py..

* Overfitting Overfitting(과적합)은 학습 모델이 Traing data에 대하여 지나치게 과하게 학습한 것을 뜻 한다. 오른쪽의 그래프와 같이 Training data에서는 에러가 적게 발생하지만, Test data에서는 에러가 급격히 늘어난다. 반대로 너무 단순화하여 학습된 모델의 경우는 Underfitting되었다고 한다. * Regularization Regularization을 통해 학습 Objective에 Hyperparameter λ 를 추가함으로써 Overfitting 문제를 해결할 수 있다. 이 때, regression에 적용하는 regularization은 L1, L2 두 가지가 있다. 각각 Lasso regression, Ridge regression이라고 한다. R..

* 지도 학습(Supervised learning) - 지도 학습이란 Traing Data로 부터 특정한 함수를 유추해 내는 것. Classificaation, Regression의 예시가 있다. - Classification : data label을 분류하고 예측하는 모델 - Regression : 연속형 변수들에 대해 변수들 사이의 관계를 분석하는 모델 * 비지도 학습(Unsupervised learning) - 비지도 학습이란 Data가 어떻게 구성되었는지 알아내는 것. Clustering의 예시가 있다. * Datasets: Traing data, Validation data, Test data - Traing data : 학습을 시킬 때 사용하는 데이터 셋, Fit the parameters. ..

1. 주성분 분석(PCA; Principal component analysis)는 고차원의 데이터를 저차원의 데이터로 환원시키는 기법을 뜻한다. => 차원 축소(Diensionality Reduction) 이 때, 차원 축소를 위해 직교 변환(orthogonal projection)을 이용한다. Projection의 규칙은 Maximum variance이다. 2. Maximum Variance Formulation 이 때, Variance of the projected data는 다음과 같다. (m < d) 의 조건은 그냥 '크기' 때문이다.(조건) 보라색 밑줄 친 부분이 Covariance matirx of data(= S) 이다. 라그랑즈 승수법(Lagrange multiplier method)를 이..