개요 AI 코딩 도구가 점점 강력해지고 있지만, 프로젝트 맥락을 체계적으로 관리하고 주입하는 것은 여전히 어렵다. Cole Medin의 Archon은 이 문제를 MCP 서버 패턴으로 해결하려는 도구다. Archon이란? Archon은 AI 코딩 어시스턴트를 위한 커맨드 센터다. GitHub 스타 13,700개 이상을 기록 중인 이 프로젝트는 Claude Code, Cursor, Windsurf 같은 AI 코딩 도구에 커스텀 지식 베이스와 태스크 관리 기능을 MCP(Model Context Protocol) 서버로 제공한다. 사용자에게는 지식과 태스크를 관리하는 깔끔한 웹 인터페이스이고, AI 코딩 어시스턴트에게는 같은 지식과 태스크에 접근할 수 있는 MCP 서버다. ...
개요 Hugo 블로그 테마를 본격적으로 비교하고, GitHub Pages로 블로그를 구축하는 과정을 정리했다. PaperMod와 Stack을 중심으로 8개 이상의 테마를 살펴보며, Hugo + GitHub Pages 조합의 셋업 워크플로우를 파악했다. Hugo 테마 비교 themes.gohugo.io에서 다양한 테마를 탐색하고 비교했다. PaperMod — 가장 인기 있는 선택 hugo-PaperMod | 스타 13,100+ | 포크 3,300+ Hugo 생태계에서 가장 인기 있는 테마다. “Fast, Clean, Responsive"를 표방하며, webpack이나 Node.js 의존성 없이 순수 Hugo 기능만으로 동작한다. 핵심 특징: Regular / Home-Info / Profile 세 가지 모드 Fuse.js 기반 클라이언트 사이드 검색 다국어 지원 + SEO 최적화 라이트/다크 테마 자동 전환 코드 블록 복사 버튼, 목차 자동 생성 Breadcrumb 내비게이션 최근 주목할 변경: ...
개요 매일 브라우저에서 수많은 기술 문서와 GitHub 레포를 탐색하지만, 그 과정은 기록되지 않고 사라진다. log-blog는 Chrome 브라우저 히스토리를 읽어서 Hugo 호환 블로그 포스트로 자동 변환하는 Python CLI 도구다. log-blog란? ice-ice-bear/log-blog는 “탐색 → 정리 → 공유"의 사이클을 자동화하는 도구다. Chrome의 SQLite 히스토리 DB에서 데이터를 추출하고, Playwright로 각 URL의 콘텐츠를 수집한 후, Hugo 호환 마크다운으로 변환하여 블로그 레포에 커밋한다. 파이프라인 구조 graph TD A[Chrome History SQLite DB] -->|extract| B[URL + Title + Timestamp JSON] B -->|AI classify| C[Tech vs Non-tech 분류] C -->|fetch| D[Enriched Content] D -->|AI write| E[Hugo Markdown Post] E -->|publish| F[Git Commit → GitHub Pages] 1단계: Extract — 히스토리 추출 log-blog extract --json --hours 24 Chrome의 SQLite 히스토리 DB에서 최근 N시간의 방문 기록을 추출한다. URL, 제목, 방문 횟수, 마지막 방문 시간을 JSON으로 출력한다. ...
개요 오늘은 Hugo 블로그 테마를 본격적으로 탐색하며 블로그 리뉴얼을 구상했고, 바이브코딩 에센셜 책으로 Claude Code 활용법을 학습했다. AI 코딩 워크플로우를 강화하는 Archon이라는 새로운 도구도 발견했으며, Python의 비동기 SQLite 라이브러리인 aiosqlite도 살펴보았다. 주요 하이라이트 Hugo 테마 대탐험 — 블로그 리뉴얼을 위한 10개 테마 비교 블로그 리뉴얼을 위해 Hugo 테마 갤러리에서 다양한 테마를 집중 탐색했다. 총 10개의 테마를 직접 데모 사이트까지 방문하며 비교한 결과를 정리한다. 블로그용 테마: PaperMod (★13,116) — 가장 인기 있는 Hugo 테마. 빠르고 깔끔하며 반응형. Regular, Home-Info, Profile 3가지 모드를 지원하고, 다크/라이트 테마 자동 전환, SEO 최적화, Fuse.js 기반 검색 등 기능이 풍부하다. webpack이나 Node.js 같은 외부 의존성 없이 테마 수정이 가능하다는 점이 매력적이다. Stack (★6,261) — 카드 스타일의 블로거 친화적 테마. 시각적으로 세련된 레이아웃이 특징이며, 한/영/중 다국어 문서를 제공한다. GPL-3.0 라이선스. Coder (★3,031) — 심플하고 깔끔한 개인 블로그 테마. 다크모드 지원. MIT 라이선스. Terminal (★2,680) — 레트로 터미널 스타일. 개발자 감성을 좋아하는 사람에게 추천. 문서/포트폴리오용 테마: ...
인공 신경망 핵심 포인트: 인공 신경망(Artificial Neural Networks)은 생물학적 뉴런에서 영감을 받아 만든 머신러닝 알고리즘입니다. 하지만 실제 뇌를 모델링한 것은 아닙니다. 신경망은 이미지, 음성, 텍스트 처리와 같은 복잡한 문제에서 뛰어난 성능을 발휘하며, 종종 딥러닝(Deep Learning)이라고 불립니다. 코드 설명: # 인공 신경망에서의 랜덤성을 제어하여 재현 가능한 결과를 얻도록 설정합니다. import tensorflow as tf tf.keras.utils.set_random_seed(42) tf.config.experimental.enable_op_determinism() 이 코드는 텐서플로에서 재현 가능한 결과를 얻기 위해 난수 시드를 설정합니다. 이는 실험을 반복할 때마다 같은 결과를 얻을 수 있게 도와줍니다. ...
심층 신경망 (Deep Neural Networks) 심층 신경망은 두 개 이상의 층을 포함한 신경망으로, 이러한 구조는 입력 데이터의 복잡한 패턴을 학습할 수 있게 해줍니다. 각 층은 주로 여러 뉴런으로 구성되며, 각 뉴런은 이전 층의 모든 뉴런과 연결되어 있을 수 있습니다. 1. 심층 신경망 만들기 케라스(Keras)를 사용하여 심층 신경망을 만드는 방법은 간단합니다. 기본적으로 Sequential 모델을 사용하여 여러 층을 쉽게 추가할 수 있습니다. 각 층은 특정한 역할과 파라미터를 가지고 있으며, 예를 들어 Dense 층은 완전 연결 층을 의미합니다. ...
1. 손실 곡선 손실 곡선은 모델의 학습 과정에서 손실(loss) 값이 어떻게 변화하는지 보여주는 그래프입니다. 이 그래프를 통해 모델이 학습을 잘 하고 있는지, 과적합 또는 과소적합 문제가 발생하고 있는지 파악할 수 있습니다. 파일에서는 훈련 손실과 검증 손실을 시각화하는 코드가 포함되어 있으며, 이는 matplotlib 라이브러리를 사용해 그래프로 나타냈습니다. import matplotlib.pyplot as plt # 훈련 과정의 손실 및 검증 손실을 그래프로 표시 plt.plot(history.history['loss'], label='Training Loss') plt.plot(history.history['val_loss'], label='Validation Loss') plt.title('Training and Validation Loss') plt.xlabel('Epochs') plt.ylabel('Loss') plt.legend() plt.show() 설명: 위 코드는 matplotlib 라이브러리를 사용하여 훈련 손실과 검증 손실을 에포크별로 시각화합니다. history 객체에는 각 에포크마다 계산된 손실과 다른 메트릭스들이 저장되어 있으며, 이를 그래프로 그리면 모델의 학습 과정을 쉽게 파악할 수 있습니다. 2. 검증 손실 검증 손실은 모델이 새로운 데이터에 얼마나 잘 맞는지를 평가하기 위해 사용되는 지표입니다. 훈련 데이터와 별도로 준비된 검증 데이터셋에서 계산된 손실 값으로, 모델의 일반화 능력을 확인할 수 있습니다. 파일에는 검증 데이터셋을 사용하여 모델을 평가하는 과정이 코드로 구현되어 있습니다. ...
혼공학습단 12기 회고록 스터디 기간: 2023년 7월 1일 ~ 8월 18일 스터디 교재: 혼자 공부하는 머신러닝+딥러닝 (hanbit.co.kr) 스터디 내용: # 진도 기본 숙제(필수) 추가 숙제(선택) 1주차 Chapter 01 ~ 02 코랩 실습 화면 캡처하기 Ch.02(02-1) 확인 문제 풀고, 풀이 과정 정리하기 2주차 Chapter 03 Ch.03(03-1) 2번 문제 출력 그래프 인증하기 모델 파라미터에 대해 설명하기 3주차 Chapter 04 Ch.04(04-1) 2번 문제 풀고, 풀이 과정 설명하기 Ch.04(04-2) 과대적합/과소적합 손코딩 코랩 화면 캡처하기 4주차 Chapter 05 교차 검증을 그림으로 설명하기 Ch.05(05-3) 앙상블 모델 손코딩 코랩 화면 인증하기 5주차 Chapter 06 k-평균 알고리즘 작동 방식 설명하기 Ch.06(06-3) 확인 문제 풀고, 풀이 과정 정리하기 6주차 Chapter 07 Ch.07(07-1) 확인 문제 풀고, 풀이 과정 정리하기 Ch.07(07-2) 확인 문제 풀고, 풀이 과정 정리하기 스터디 후기: 스터디의 장점: 저자와의 직접 소통: 스터디 참여자들은 저자가 함께 있는 디스코드 방에 초대되어 직접 질문할 수 있었습니다. 또한, 유튜브나 인프런을 통해 제공되는 저자의 무료 강의를 참고할 수 있어 학습에 큰 도움이 되었습니다. ...
확률 및 통계 핵심개념 정리 확률 및 확률분포 확률(Probability) 확률(Probability): 특정 사건이 일어날 가능성을 0에서 1 사이의 값으로 나타내며, 사건이 발생할 확률이 높을수록 1에 가까워집니다. $$ 0 \leq P(A) \leq 1 $$ 여기서 $ P(A) $는 사건 $ A $가 발생할 확률을 나타냅니다. 표본공간(Sample Space, $ S $): 모든 가능한 결과의 집합입니다. 예를 들어, 주사위를 던졌을 때의 표본공간은 ${1, 2, 3, 4, 5, 6}$입니다. 사건(Event): 표본공간의 부분집합으로, 특정한 결과나 결과들의 집합을 나타냅니다. 예를 들어, 짝수가 나오는 사건은 ${2, 4, 6}$입니다. ...
선형대수 핵심개념 정리 행렬 (Matrix) 행렬(Matrix): 수 또는 다항식을 직사각형 배열로 나타낸 것으로, 행과 열로 구성됩니다. 행렬은 데이터의 변환, 시스템의 표현, 기하학적 변환 등을 나타내는 데 사용됩니다. 예시: 실수 1, 9, -13, 20, 5, -16을 2행 3열의 직사각형 형태로 배열한 행렬. $$ A = \begin{bmatrix} 1 & 9 & -13 \ 20 & 5 & -16 \end{bmatrix} $$ 행렬은 다양한 연산이 가능하며, 예를 들어 두 행렬 ( A )와 ( B )의 곱셈은 다음과 같이 정의됩니다. $$ C = AB = \begin{bmatrix} a_{11} & a_{12} \ a_{21} & a_{22} \end{bmatrix} \begin{bmatrix} b_{11} & b_{12} \ b_{21} & b_{22} \end{bmatrix} = \begin{bmatrix} a_{11}b_{11} + a_{12}b_{21} & a_{11}b_{12} + a_{12}b_{22} \ a_{21}b_{11} + a_{22}b_{21} & a_{21}b_{12} + a_{22}b_{22} \end{bmatrix} $$ ...