분류 전체보기68 [Claude] Claude Code 2.0 설치 방법 (Windows) Claude Code는 Anthropic에서 개발한 AI 기반 에이전트 코딩 도구로, 개발자가 터미널 환경에서 자연어 명령어를 통해 코드 작성, 디버깅, 테스트 및 코드베이스 관리 등을 돕는 CLI 도구입니다. 이번 글에서는 2025년 9월 말에 출시된 Claude Code 2.0의 설치 방법을 살펴보겠습니다. 저는 Windows 환경에 설치했으며, Claude Code docs 내 권장 사항으로 소개된 Native Install 방법으로 설치를 진행했습니다. Windows PowerShell을 실행한 이후, 아래 코드를 입력해 줍니다.irm https://claude.ai/install.ps1 | iex 코드를 실행하면 아래와 같은 문구들이 나타나며 설치가 완료됩니다. 그런데 저의 경우에는 설치가 완료.. 2026. 1. 19. [Google Antigravity] Google Antigravity 설치 방법 Google Antigravity는 Google에서 공개한 AI 기반 통합 개발 환경으로, 함께 출시된 Gemini 3을 기반으로 작동합니다. Gemini 외에도 Claude의 Sonet, OpenAI의 GPT 변형 모델도 활용 가능하며, VS Code를 Fork해 기존 IDE들과 인터페이스가 거의 유사합니다. Google Antigravity로 무엇들을 할 수 있는지 알아보기 이전에 설치 방법부터 살펴보겠습니다. 우선 Google Antigravity 설치 사이트로 접속한 후, 데스크톱 혹은 노트북에 맞는 OS 환경을 선택합니다. 다운로드된 Antigravity.exe 파일을 실행하면, 아래와 같은 화면이 나오며 기본 옵션들을 선택해 설치를 진행해 줍니다. 설치가 완료되고 Google Antigrav.. 2026. 1. 16. [Claude] Claude Desktop 로컬 MCP 서버 연결 이번 글에서는 Claude Desktop에 로컬 MCP 서버를 연결하는 방법에 대해 살펴보겠습니다. 우선 MCP에 대한 간략한 설명입니다. MCP는 Model Context Protocol의 약자로, LLM의 일부 한계를 보완하기 위해 2024년 11월 Anthropic에서 도입한 개방형 표준입니다. LLM은 1) 이미 학습된 모델이기에 실시간 데이터를 반영하기 힘들고, 2) 외부 애플리케이션과 상호작용할 수 없다는 한계가 있었습니다. 따라서 LLM이 다양한 데이터 소스 및 도구에 쉽게 연결되고 실시간으로 정보를 주고받을 수 있도록 설계된 것이 바로 MCP입니다. 1. 로컬 MCP 서버 연결 방법로컬 MCP 서버를 연결하기 위해서는 먼저 로컬에 MCP 서버를 생성해야 합니다. 저는 Python의 Fast.. 2026. 1. 13. [Claude] Claude Desktop 설치 및 활용 방법 이번 글에서는 Claude Desktop을 어떻게 설치하고 사용할 수 있는지 간단하게 살펴보고자 합니다. Claude는 Anthropic에서 개발한 LLM으로, 최근 IT 분야에서는 상당히 좋은 성능을 보여주고 있다는 평을 받고 있습니다. Claude는 웹에서도 충분히 활용할 수 있지만, 저는 추후 MCP를 연동하고자 했으므로 별도의 Desktop 어플리케이션을 설치했습니다. 1. 설치 및 접속우선 Claude Desktop 설치 홈페이지에 접속합니다. 접속하면 아래와 같은 화면이 나타나며, 본인의 사용자 환경에 맞는 OS와 버전을 선택하면 됩니다. 다운로드된 Claude Setup.exe 파일을 실행하여 설치를 마무리합니다. 설치는 짧은 시간 안에 완료됩니다. 설치 완료 시 Claude Deskto.. 2026. 1. 12. [Docker] cannot stop container: permission denied 오류 해결 이번 글에서는 docker stop 시 자주 발생하는 오류에 대한 해결 방법을 살펴보겠습니다. 현재 업무는 AWS EKS 상에서 진행되고 있고, 코드 수정사항이 있을 때 다음과 같은 과정을 거칩니다. 1. Gitlab에서 코드 수정2. Jenkins에서 Docker Image 빌드 테스트 후, AWS ECR로 Image 푸쉬3. ArgoCD에서 해당 Pod 재생성 최근 Gitlab과 Jenkins 서버를 이관한 이후, Jenkins에서 Docker Image 빌드 테스트를 진행할 때 계속해서 다음과 같은 오류가 발생하였습니다. 기존 Image가 있을 경우 해당 Image를 삭제하는 코드가 있는데 해당 코드에서 발생하는 오류였습니다.Error response from daemon: cannot remove.. 2025. 3. 5. [Docker] error getting credentials ~ 오류 해결 이번 글에서는 docker compose시 발생한 error getting credentials 관련 오류 해결 방법에 대해 간단하게 살펴보고자 합니다. https://mlops-for-mle.github.io/tutorial/의 내용 중 Zookeeper와 Kafka 관련 실습 진행 과정에서 발생한 오류에 대해 작성하였습니다. 저의 docker 실습은 Windows의 wsl을 기반으로 진행되었습니다. 우선 Zookeeper와 Kafka와 관련된 docker compose의 내용은 다음과 같습니다.# naive-docker-compose.yamlversion: "3"services: zookeeper: image: confluentinc/cp-zookeeper:7.3.0 container_n.. 2024. 5. 20. [Deep Learning] RNN 이번 글에서는 대표적인 딥러닝 기반의 시계열 모델인 RNN(Recurrent Neural Network)에 대해 살펴보고자 합니다. RNN은 시계열 데이터를 비롯하여 문장 형식의 텍스트 데이터에도 활발히 사용되고 있습니다. 해당 글은 '밑바닥부터 시작하는 딥러닝 2권'을 주로 참고하여 작성하였음을 미리 알려드립니다. 1. RNN 구조 Word2Vec을 비롯하여 기본적인 구조를 가지는 신경망들은 텍스트에서도 나타나는 시계열 데이터의 패턴을 충분히 학습하지 못한다는 단점이 존재합니다. 시계열 특성을 고려하기 위해 등장한 신경망 기법이 RNN으로, 데이터가 끊임없이 순환하는 구조로 되어있어 과거의 정보를 기억하는 것과 동시에 최신 데이터로 갱신된다는 특징을 가집니다. 아래의 그림은 RNN의 간단한 구조입니다... 2024. 2. 23. [Deep Learning] Word2Vec - skip-gram 이전 글에서는 딥러닝 기반의 자연어처리 기법인 Word2Vec의 개요와 Word2Vec의 대표적인 모델 중 하나인 CBOW(Continuous bag-of-words)에 대해 살펴봤습니다. 이번 글에서는 Word2Vec의 다른 대표 모델인 skip-gram과 기존 Word2Vec을 개선하는 과정에 대해 설명하고자 합니다. 해당 글은 '밑바닥부터 시작하는 딥러닝 2권' 책 내용을 바탕으로 작성하였음을 미리 알려드립니다. 1. skip-gram 모델 CBOW 모델이 맥락으로부터 타겟(중앙 단어)를 추측하는 것이라면, skip-gram 모델은 타겟(중앙 단어)로부터 맥락을 추측하는 기법입니다. skip-gram 모델은 아래의 그림과 같이 CBOW 모델을 반대로 구성한 형태로, 입력층은 하나이고 출력층이 맥락의.. 2024. 2. 20. [Deep Learning] Word2Vec - CBOW 이전 글에서는 자연어처리에 대한 간단한 설명과 딥러닝이 활용되기 전에는 어떤 기법들이 적용되었는지 살펴봤습니다. 이번 글에서는 대표적인 딥러닝 기반의 자연어처리 기법 중 하나인 Word2Vec에 대해 설명하고자 합니다. 해당 글은 '밑바닥부터 시작하는 딥러닝 2권' 책 내용을 바탕으로 작성하였음을 미리 알려드립니다. 1. Word2Vec 개요 이전에 활용되었던 통계 기반 기법의 경우(해당 내용은 이전 글에서 설명), 주어진 말뭉치를 바탕으로 PPMI(양의 상호정보량) 행렬을 만들고, 해당 행렬에 특이값 분해를 적용하여 밀집벡터(단어의 분산 표현)를 도출하였습니다. 행렬을 생성하기 위해 말뭉치 전체를 사용하기 때문에, 신경망 학습의 관점에서 봤을 때 해당 과정을 전체 데이터를 활용하는 배치 학습으로 볼 수.. 2024. 2. 8. [Deep Learning] 자연어처리(Natural Language Processing, NLP) 기초 이번 글에서는 자연어처리(Natural Language Processing, NLP)의 기초에 대해 설명하고자 합니다. 자연어처리에 대해 간단하게 설명한 이후, '밑바닥부터 시작하는 딥러닝 2권' 내용을 바탕으로 딥러닝을 적용하기 이전에는 자연어를 어떠한 방식으로 처리했는지 살펴볼 것입니다. 1. 자연어처리 자연어처리란 사람들이 평소에 사용하는 자연어를 컴퓨터가 이해하도록 만드는 기술을 의미합니다. 자연어에는 단어부터 시작하여 형태소, 문장, 문단 등 다양한 단위가 존재하며, 똑같은 단어나 문장이라고 하더라도 문맥 속에서 다른 의미를 가질 수 있습니다. 자연어를 컴퓨터가 이해하도록 만드는 것은 상당히 어려운 문제이기 때문에, 과거부터 다양한 방법들이 제안 및 발전되어 왔습니다. 특히 최근 ChatGPT가.. 2024. 2. 7. 이전 1 2 3 4 ··· 7 다음
