매일 한 가지

🗓️ 2026년 8월 20일 (목요일) — Daily English Study 📖 오늘의 문법: Few / A Few, Little / A Little 같은 단어인데 앞에 관사 a가 있고 없고에 따라 의미가 정반대가 되는 대표적인 케이스입니다. 셀 수 있는 명사에는 few/a few, 셀 수 없는 명사에는 little/a little을 씁니다. ...

🗓️ 2026년 8월 19일 (수요일) — Daily English Study 📖 오늘의 문법: 주어-동사 수 일치 (Subject-Verb Agreement) each / every + 단수명사 → 항상 단수 동사: Each student has a laptop. one of the + 복수명사 → 동사는 단수: One of the reasons is cost. neither…nor / either…or → 동사는 가까운 주어에 맞춤: Neither he nor they were happy. everyone / everybody / nobody 등 부정대명사 → 단수 취급: Everyone is here. 집합명사(team, family, staff) → 미국식 영어에서는 보통 단수 취급: The team is winning. the number of (단수) vs a number of (복수): The number of errors has dropped. / A number of errors have been found. 💡 Tip: 헷갈릴 땐 주어와 동사 사이에 낀 수식어(of the students, along with the team 등)는 무시하고, 진짜 주어만 골라내서 동사를 맞추세요. ...

🗓️ 2026년 8월 18일 (화요일) — Daily English Study 📖 오늘의 문법: Ellipsis (생략구문) 앞에서 이미 언급된 말을 반복하지 않기 위해 일부러 생략하는 문법입니다. 원어민 회화가 짧고 자연스럽게 들리는 이유 중 하나가 바로 이것입니다. ...

오늘의 학습 목표 존 시스템(Zone System)의 기본 개념과 11단계 톤 스케일을 이해한다 하이라이트/섀도우 디테일을 살리는 노출 계획 방법을 익힌다 히스토그램을 활용해 촬영 전에 노출을 의도적으로 설계할 수 있다 핵심 개념 설명 존 시스템이란? 존 시스템은 안셀 애덤스(Ansel Adams)가 고안한 노출·현상 이론으로, 사진의 명암을 Zone 0(완전 검정)부터 Zone X(완전 흰색)까지 11단계로 나눠 생각하는 방법입니다. 디지털카메라 시대에도 “이 장면에서 무엇을 어떤 밝기로 남길 것인가"를 미리 정하는 사고방식으로 그대로 유효합니다. ...

오늘의 학습 목표 지난 29일간 배운 핵심 개념(노출, 초점, 구도, 빛, 보정)을 하나의 흐름으로 정리한다 스스로의 촬영 습관과 선호하는 스타일을 돌아보고 언어화한다 앞으로 꾸준히 실력을 키워갈 개인 촬영 루틴/과제를 설계한다 핵심 개념 정리 30일간의 여정을 다섯 가지 축으로 정리해봅니다. ...

오늘의 학습 목표 이미지 센서에 먼지가 생기는 원인과 안전한 청소 방법을 이해한다 렌즈, 바디, 메모리카드·배터리를 올바르게 관리하는 습관을 익힌다 장기 보관 시 곰팡이·습기·부식을 예방하는 방법을 습득한다 핵심 개념 설명 1. 이미지 센서 청소 미러리스·DSLR은 렌즈를 교환할 때마다 바디 내부가 외부 공기에 노출되기 때문에 먼지가 센서(또는 센서 앞의 로우패스 필터)에 붙기 쉽습니다. 조리개를 F11 이상으로 조이고 밝은 하늘이나 흰 벽을 찍어보면, 사진 위에 동그랗고 흐릿한 얼룩(먼지 그림자)이 보이는지 확인할 수 있습니다. ...

Phase 1: 기초 | 예상 학습 시간: 30분 🎯 학습 목표 Claude의 설계 철학과 다른 LLM과의 차별점을 설명할 수 있다 Claude 모델 계열 (Haiku / Sonnet / Opus)의 특징과 사용 목적을 구분할 수 있다 Constitutional AI가 무엇인지 개념적으로 이해한다 1. Claude는 어떤 모델인가? Claude는 Anthropic이 만든 대형 언어 모델(LLM)입니다. GPT 계열(OpenAI)과 Gemini(Google)와 함께 현재 상용 LLM의 3대 축 중 하나입니다. ...

Phase 1: 기초 | 예상 학습 시간: 30분 🎯 학습 목표 명확한 프롬프트와 모호한 프롬프트의 차이를 실제 예시로 구분할 수 있다 컨텍스트, 지시, 출력 형식이라는 3요소를 갖춘 프롬프트를 작성할 수 있다 긍정적 지시와 부정적 지시를 언제 어떻게 조합하는지 이해한다 1. 프롬프트 품질이 결과를 결정한다 LLM은 입력을 통계적으로 완성하는 모델입니다. 모호한 입력은 모호한 출력을 낳습니다. “요약해줘"라고 하면 모델은 길이, 대상 독자, 언어, 형식 등 모든 것을 스스로 추측합니다. ...

Phase 1: 기초 | 예상 학습 시간: 30분 🎯 학습 목표 컨텍스트 윈도우의 개념과 작동 방식을 설명할 수 있다 멀티턴 대화에서 messages 배열을 올바르게 구성할 수 있다 대화 흐름 설계 시 컨텍스트 관리 전략을 적용할 수 있다 1. 컨텍스트 윈도우란? Claude는 대화를 처음부터 끝까지 전부 읽고 응답합니다. 이전 대화를 “기억"하는 것이 아니라, API 호출 시마다 전체 대화 이력을 입력으로 받습니다. ...

Phase 1: Unity 기초 입문 | 예상 학습 시간: 30분 🎯 학습 목표 Unity Hub를 통해 원하는 버전의 Unity 에디터를 설치하고 새 프로젝트를 만들 수 있다 Unity 에디터의 핵심 창(Scene, Game, Hierarchy, Inspector, Project, Console)의 역할을 설명할 수 있다 자주 쓰는 단축키와 레이아웃 커스터마이징으로 기본 작업 흐름을 만들 수 있다 1. Unity Hub와 에디터 설치 Unity는 에디터를 직접 다운로드하지 않고, Unity Hub라는 런처 프로그램을 통해 버전을 관리합니다. Unity 프로젝트마다 요구하는 에디터 버전이 다를 수 있기 때문에, Hub에서 여러 버전을 동시에 설치해두고 프로젝트별로 골라 쓰는 방식이 표준입니다. ...

Phase 1: Unity 기초 입문 | 예상 학습 시간: 30분 🎯 학습 목표 GameObject와 Component의 관계를 설명하고, Transform이 모든 GameObject에 필수인 이유를 이해할 수 있다 Position/Rotation/Scale의 Local 좌표와 World 좌표 차이를 구분해서 Inspector 값을 정확히 해석할 수 있다 부모-자식 관계(Parenting)가 Transform 값에 어떤 영향을 주는지 이해하고, 스크립트에서 Transform을 다룰 수 있다 1. GameObject는 빈 껍데기, Component가 기능을 채운다 Unity의 가장 근본적인 설계 철학은 **컴포지션(Composition)**입니다. GameObject는 그 자체로는 아무 기능이 없는 빈 컨테이너이고, 여기에 Component를 하나씩 붙여서 원하는 동작을 조립합니다. ...

Phase 1: Unity 기초 입문 | 예상 학습 시간: 30분 🎯 학습 목표 Scene의 개념과 하나의 .unity 파일이 프로젝트에서 어떤 역할을 하는지 설명할 수 있다 Hierarchy 창에서 GameObject를 체계적으로 그룹화하고 검색·정렬하는 실무 패턴을 적용할 수 있다 여러 Scene을 Build Settings에 등록하고 스크립트로 전환·중첩 로드하는 기본 흐름을 이해할 수 있다 1. Scene이란 무엇인가 Scene은 Unity 프로젝트를 구성하는 가장 큰 단위의 컨테이너입니다. 메인 메뉴, 하나의 스테이지, 로딩 화면처럼 “화면 전체가 바뀌는 단위"를 하나의 Scene 파일(.unity)로 저장한다고 생각하면 됩니다. ...

Phase 1: 기초 | 예상 학습 시간: 40분 🎯 학습 목표 AI 엔지니어링에서 Python이 사실상 표준 언어인 이유를 설명할 수 있다 Linux 기본 명령어로 GPU 서버 환경을 다룰 수 있다 가상환경(venv)과 패키지 관리 흐름을 이해한다 1. 왜 Python인가? 대부분의 GPU 제공업체(Runpod, Lambda, AWS)와 딥러닝 프레임워크(PyTorch, Transformers, LangChain, LangGraph)는 Python 기반입니다. ...

Phase 1: 기초 | 예상 학습 시간: 40분 🎯 학습 목표 이미지(image)와 컨테이너(container)의 차이를 설명할 수 있다 Python/GPU 애플리케이션을 위한 Dockerfile을 직접 작성할 수 있다 docker build/run/exec와 nvidia-container-toolkit으로 GPU 컨테이너를 실행할 수 있다 1. Docker가 필요한 이유 LLM 애플리케이션은 특정 버전의 Python, CUDA, PyTorch, 시스템 라이브러리(예: libgomp, ffmpeg)에 강하게 의존합니다. “내 컴퓨터에서는 되는데 서버에서는 안 되는” 문제는 대부분 이런 환경 불일치에서 발생합니다. ...

Phase 1: 기초 | 예상 학습 시간: 40분 🎯 학습 목표 GPU가 LLM 연산(행렬 곱셈)에 CPU보다 적합한 이유를 설명할 수 있다 nvidia-smi 출력을 읽고 GPU 상태를 진단할 수 있다 모델 파라미터 수로부터 필요한 VRAM을 추정할 수 있다 1. CPU vs GPU — 왜 GPU인가 CPU는 소수의 강력한 코어(보통 8~64개)로 순차적/분기적 연산을 빠르게 처리하도록 설계되어 있습니다. 반면 GPU는 수천 개의 단순한 코어로 동일한 연산을 대량의 데이터에 동시에 적용하는 데 특화되어 있습니다. ...

[광고] 여름밤 캠핑장을 밝히는 법, 캠핑 랜턴 5종 비교 이 블로그는 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다. ...

[광고] 무릎 아끼는 산행의 시작, 등산스틱 제대로 고르는 법과 추천 5 이 블로그는 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다. ...

[광고] 여행 갈 때 뭐 챙기지? 보조배터리 제대로 고르는 법과 추천 5 이 블로그는 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다. ...