[공지] - 기존 노션 블로그 → 현재 블로그로 글을 옮기는 중 입니다.

기존 external tool을 연동할때 llm의 function calling 능력을 활용하는데, 사용하는 사람마다 형식이 다 다르기 때문에 api의 제공형식이 다르게 됨.
즉, 각 데이터 소스마다 개별적인 커넥터를 개발해야 하며, 이는 유지 관리와 확장이 어려운 문제를 야기 함
이러한 문제에 대하여 llm 튜닝과 api 제공 사이의 일관된 형태로 표준화된 데이터 API 제공하기 위한 방법으로써 MCP를 제안

[Anthropic] Model Context Protocol (MCP)

[PRML] 10. 근사 추정(Approximate Inference)

[정보검색론] introduction for IR

[PRML] 8. 그래프 모델 - 8.3 Markov Random Field

[스프링 부트] Chapter 6 - 스프링 부트 데이터 REST

[스프링 부트] Chapter 5 - 스프링 부트 시큐리티 + OAuth2

[스프링 부트] Chapter 4 - 스프링 부트 웹

[스프링 부트] Chapter 3 - 스프링 부트 테스트

[스프링 부트] Chapter 2 - 스프링 부트 환경 설정

[스프링 부트] Chapter 1 - 스프링 부트 입문 하기

[PRML] 7. 회소 커널 머신 (Sparse Kernel Machines)

[PRML] 6. 커널 방법론

[PRML] 5. 뉴럴 네트워크

Hadoop Streaming

[PRML] 4. 선형분류문제

Apache Ant

[PRML] 3. 선형 회귀 모델

책 소개 파트 - 기본적인 확률과 차원의 저주, 결정이론, 정보이론에 대한 설명

[PRML] 1.1 Introduction ~ 1.6 Information Theory

Early Product Categorization for Enhanced E-commerce Selling Flows

[Mathematics for Machine learning - Part 1] 선형 대수 - 2.7 선형변환

[Mathematics for Machine learning - Part 1] 선형 대수 - 2.5 선형 독립

[Mathematics for Machine learning - Part 1] 선형 대수 - 2.6 기저와 랭크

about

[Mathematics for Machine learning - Part 1] 선형 대수 - 2.4 벡터 스페이스

[Mathematics for Machine learning - Part 1] 선형 대수 - 2.3 연립 방정식 풀이

[Mathematics for Machine learning - Part 1] 선형 대수 - 2.2 행렬

[Mathematics for Machine learning - Part 1] 선형 대수 - 2.1 연립방정식