본문으로 건너뛰기
RAISE LAB

발표 녹화본

스터디에서 발표한 내용을 분야별로, 발표한 날짜순으로 모았습니다. 재생은 맴버쉽 회원만 가능합니다.

LLM 원리 이해클로드 모델 조정과 스킬·MCP 활용, AI 보안클로드 모델 라인업의 특징과 용도별 선택 기준, 온도·Top-p 같은 출력 조절 개념을 다룹니다. 터미널·IDE·에이전트 도구의 차이와 아티팩트 공유 방법을 살펴보고, 대화 데이터가 AI 회사로 전달되는 보안 위험과 로컬 LLM의 한계도 정리합니다. 모델 구조를 이해하고 상황에 맞게 선택하는 감각을 익힐 수 있습니다. 1.1배 빠르게, 말 없는 구간과 「어」「음」 같은 군소리를 덜어 낸 편집본입니다(원본 66분 → 56분).2026년 9월 22일 · 56분 · 초급
LLM 원리 이해LLM 작동 원리와 프롬프트 한계, 모델 학습과 양자화LLM이 다음 단어의 확률을 계산해 글을 만드는 원리와 토큰의 개념을 입문자 눈높이로 설명합니다. 부정어 무시, 없는 내용 지어내기 같은 프롬프트의 한계와 대처법, 프론티어 모델의 학습 비용, 양자화 때문에 모델 이름이 많아지는 이유까지 다룹니다. 유행을 좇기보다 근본 원리를 이해하는 관점을 얻을 수 있습니다. 1.1배 빠르게, 말 없는 구간과 「어」「음」 같은 군소리를 덜어 낸 편집본입니다(원본 63분 → 54분).2026년 9월 22일 · 54분 · 입문
LLM 원리 이해클로드 모델 선택·조정과 도구·보안 기초클로드 모델 라인업의 특징과 업무 성격에 따라 모델을 고르는 기준, 온도·Top P·사고 깊이로 결과를 조절하는 원리를 설명합니다. 이어서 MCP와 지침 파일, 스킬의 개념, 입력한 데이터가 AI 회사 서버로 전달되는 구조와 보안상 유의점을 살펴봅니다. 마지막에는 개인 서비스를 만들고 사용자 분석으로 개선한 사례도 소개합니다. 1.1배 빠르게, 말 없는 구간과 「어」「음」 같은 군소리를 덜어 낸 편집본입니다(원본 59분 → 52분).2026년 9월 8일 · 51분 · 초급
LLM 원리 이해트렌드보다 중요한 AI 근본 원리와 LLM 기초AI 용어와 트렌드가 계속 바뀌어도 LLM이라는 근본 구조는 그대로라는 관점에서, 프롬프트·컨텍스트·하네스 엔지니어링의 흐름을 짚었습니다. 무엇을 만들지 정하고 결과물을 이해·판단하는 일은 사람의 몫이며 AI는 만드는 구간을 빠르게 했다는 점을 배울 수 있습니다. 이어서 LLM의 개념과 작동 원리를 입문자 눈높이로 설명하기 시작했습니다. 1.1배 빠르게, 말 없는 구간과 「어」「음」 같은 군소리를 덜어 낸 편집본입니다(원본 12분 → 10분).2026년 9월 8일 · 10분 · 입문