본문 바로가기

전체 글166

Graphify 완전 가이드 — AI 코딩 어시스턴트를 위한 지식 그래프 도구 1. Graphify가 뭔가요?여러분이 쓰는 Claude Code나 Cursor가, 우리 코드베이스 전체의 구조를 한 번에 파악할 수 있다면 어떨까요?보통 AI 어시스턴트에게 코드 관련 질문을 하면, 관련 파일을 일일이 context에 붙여넣거나, 어떤 파일이 어디에 있는지 직접 설명해줘야 합니다. 프로젝트 규모가 커질수록 이 과정이 점점 번거로워지죠.🕸️Graphify는 코드, 문서, 논문, 이미지를 읽어서 AI 코딩 어시스턴트가 이해할 수 있는 지식 그래프(Knowledge Graph)로 변환하는 오픈소스 도구입니다.항목내용GitHub Stars23,600+라이선스MIT (무료, 상업적 사용 가능)개발자Safi Shamsi지원 AI 플랫폼Claude Code, Cursor, Copilot CLI, .. 2026. 4. 14.
온톨로지 기반 추론의 의미론: Neo4j + OWL 하이브리드 파이프라인 (Akash Goyal) 요약 정리핵심 내용 (TL;DR)Neo4j 그래프 데이터베이스와 OWL 온톨로지 추론기(Reasoner)를 결합한 하이브리드 파이프라인을 소개하는 글이다. Neo4j는 "어떤 경로가 존재하는가?"에 답하고, OWL 추론기는 "논리적으로 어떤 사실이 참이어야 하는가?"에 답한다.주요 포인트Neo4j vs OWL 추론기: Neo4j는 명시적 사실만 조회, OWL 추론기는 암묵적 사실을 논리적으로 유도하이브리드 파이프라인: Neo4j → RDF 내보내기 → OWL 추론 실행 → 유도된 사실 Neo4j로 가져오기도구 스택: Neo4j + n10s(Neosemantics) + Python + Owlready2 + HermiT핵심 예시: Dog ⊆ Mammal ⊆ Animal, Rex는 Dog → 추론기가 Rex는.. 2026. 4. 13.
GraphDB / Stardog/ Neo4j - 트리플스토어(Triple Store)와의 비교 GraphDB만든 곳: 불가리아 Ontotext (1995년 창업, 시맨틱 웹 전문 회사)핵심 강점OWL 2 추론 전체 스펙 지원. "이 클래스의 하위 클래스는 뭐다, 이 속성은 대칭이다" 같은 복잡한 논리 규칙도 처리한다.SPARQL 쿼리 언어 지원. RDF 데이터 표준이라 다른 시스템과 연동이 쉽다.시각화 UI가 기본 내장되어 있어서 그래프를 바로 눈으로 볼 수 있다.무료 버전(Free Edition) 이 꽤 쓸만하다. 개인 프로젝트나 PoC 수준에선 돈 안 써도 된다.약점대용량 데이터에서 성능이 Stardog보다 떨어진다는 평가가 있다.엔터프라이즈 기능(클러스터링, 고가용성)은 유료다.주요 사용처BBC, 유럽 의약청(EMA), 각국 국립도서관, 바이오 데이터 연구소Stardog만든 곳: 미국 Sta.. 2026. 4. 12.
2026 데이터 사이언티스트 채용 시장 분석 (Andres Vourakis) 핵심 내용 (TL;DR)2026년 초 미국 데이터 사이언티스트 채용 공고 700건 이상을 분석한 결과, AI 역량(특히 LLM)이 채용 시장의 핵심 요구사항으로 부상했다. 전체 공고의 60%가 AI 역량을 기대하며, LLM이 상위 10대 기술 스킬에 진입했다. AI 관련 포지션은 중급~시니어를 타겟으로 하고, 급여 프리미엄도 나타나기 시작했다. 그러나 Python, ML, SQL 같은 기본기는 여전히 핵심이며, AI는 기존 역량 위에 쌓는 '추가 레이어'로 작용하고 있다. 주요 포인트1. AI 스킬 수요 급증전체 DS 공고의 60%가 AI 역량(LLM, RAG, AI 에이전트 등) 기대LLM이 전체 공고의 약 20%에서 요구되며, AI 스킬 중 1위AI 관련 공고의 31%는 복합 전문성 요구 (LLM +.. 2026. 4. 12.
Protégé에서 프로덕션까지: Python으로 온톨로지 통합하기 (Pankaj Kumar) 요약 정리핵심 내용 (TL;DR)Owlready2 라이브러리를 사용하면 OWL 온톨로지를 Python 네이티브 객체처럼 다룰 수 있다. Protege에서 설계한 온톨로지를 Python에 로드하고, HermiT 추론기를 돌려 자동 분류까지 수행한 뒤, Flask REST API로 서빙하는 전체 파이프라인을 보여준다."DineWise"라는 레스토랑 추천 앱 시나리오를 통해, if/else 없이 추론기가 자동으로 채식 요리를 분류하고, 이를 API 엔드포인트로 노출하는 실용적 패턴을 다룬다.주요 포인트온톨로지와 Python 통합Owlready2는 OWL 온톨로지를 Python 클래스/인스턴스로 매핑해줌RDF/XML, OWL/XML, NTriples 포맷 자동 인식SQLite3 기반 최적화된 쿼드스토어로 대용량.. 2026. 4. 12.
업리프트 모델링 완벽 가이드 — 인과추론으로 마케팅 ROI를 극대화하는 법 요약원문: Chapter 16: Uplift Modeling for Better ROI저자: Chris Kuo / Dr. Dataman | 발행일: 2026년 1월 5일핵심 요약업리프트 모델링(Uplift Modeling) 은 마케팅 캠페인의 인과적 효과를 개인 수준에서 측정하는 인과추론 기법이다전통적인 반응 모델(Response Model)은 자연 발생 행동과 처치(Treatment)로 인한 행동을 구분하지 못한다업리프트 = P(Y=1|T=1,X) - P(Y=1|T=0,X) — 개인 수준의 증분 처치 효과(Incremental Treatment Effect)4가지 고객 세그먼트: Persuadables(설득 가능), Sure Things(확정 구매), Lost Causes(이탈), Do-Not-Dist.. 2026. 4. 7.
AI 에이전트 시대, CLI가 MCP를 이기는 진짜 이유 핵심 요약OpenClaw 창시자 Peter Steinberger(GitHub 스타 19만)가 "MCP는 실수였다, Bash가 낫다"고 선언, OpenAI에 합류MCP는 스키마/보일러플레이트로 컨텍스트 윈도우의 30-40%를 소비하며, 크래시와 의존성 문제가 빈번CLI는 컨텍스트 오버헤드 제로, 파이프 조합 가능, 테스트 용이, --json 구조화 출력, 단일 exec 호출이라는 이점상세 요약MCP의 문제점도구 스키마와 메타데이터가 컨텍스트 윈도우의 30-40%를 잡아먹음일부 사례에서는 200K 토큰 중 82K(72%)가 MCP 도구 메타데이터에 소비서버 크래시, 의존성 충돌, 인증 플로우 마찰Perplexity CTO도 MCP에서 이탈을 선언CLI의 장점컨텍스트 오버헤드 제로: 모델이 이미 알고 있는 패.. 2026. 4. 6.
내 노트를 전부 읽는 AI가 있다면 — Obsidian x Claude Code 이야기 요약 정리핵심 내용 (TL;DR)Claude Code는 로컬 디렉토리의 파일을 읽고 쓸 수 있는 AI 도구이며, Obsidian 볼트 폴더를 연결하면 수년간 축적한 개인 노트를 맥락으로 활용하는 AI 어시스턴트가 된다.CLAUDE.md 파일로 에이전트에게 볼트 구조를 설명하고, 스킬(skills)로 반복 작업을 자동화하며, 에이전트 전용 컨텍스트 파일로 "세컨드 브레인"을 구축할 수 있다.주요 포인트Claude vs Claude Code: Claude는 일반 챗봇, Claude Code는 로컬 파일시스템에 접근하는 에이전트 버전Obsidian 연동의 핵심: 볼트 폴더를 Claude Code 작업 디렉토리로 지정 → 노트 전체를 맥락으로 활용CLAUDE.md: 세션 시작 시 자동 로딩되는 지시 파일. 볼트.. 2026. 4. 6.
환자와 임상시험 연결하기: OMOP CDM과 Ducklake 지식 그래프 연합 (Sixing Huang) 요약 정리핵심 내용 (TL;DR)임상시험의 약 80%가 환자 모집 문제로 지연되는 현실에서, 온프레미스 병원 데이터(OMOP CDM on PostgreSQL)와 클라우드 약물 지식 그래프(Ducklake on MotherDuck)를 DuckDB로 연합(federation)하여 데이터 이동 없이 단일 쿼리로 양쪽을 조회하는 아키텍처를 제안한다.UMLS CUI를 공통 어휘(cross-walk vocabulary)로 활용하여 SNOMED CT, RxNorm 등 서로 다른 의료 코드 체계 간 매핑을 수행하며, 그래프 순회(GRAPH_TABLE), 시공간 필터링 등 고급 쿼리를 통해 임상시험 후보 환자를 효율적으로 선별할 수 있다.주요 포인트1. 문제 정의: 임상시험 모집의 이중 과제임상시험의 ~80%가 모집 지.. 2026. 4. 4.
Medallion Architecture 101: 스마트한 노트 정리 전략 (Henry) 요약 정리핵심 내용 (TL;DR)Medallion Architecture는 데이터 레이크하우스(Lakehouse)에서 데이터를 논리적으로 체계화하는 설계 패턴으로, Bronze(원본) → Silver(정제) → Gold(비즈니스) 3단계를 거치며 데이터 품질을 점진적으로 향상시킨다.이 아키텍처의 핵심은 ETL이 아닌 ELT 접근법으로, 원본 데이터를 먼저 적재(Load)한 후 단계별로 변환(Transform)하는 전략이다.저자는 AI 기술 컨퍼런스 노트 정리에 비유하여, 날것의 기록(Bronze) → 정리된 노트(Silver) → 경영진 보고서(Gold)로 설명한다.주요 포인트1. Medallion Architecture란?데이터 레이크하우스에서 데이터를 논리적으로 조직화하기 위한 데이터 설계 패턴목표:.. 2026. 4. 4.
반응형

티스토리툴바