이상탐지 모델의 전처리, 성능평가, 교차검증 방법을 정리하고, 시계열 이상탐지의 벤치마크와 평가지표까지 다루며 1~5편 시리즈 전체를 마무리합니다.
AI 코딩 에이전트를 에디터형(Cursor, Copilot), CLI형(Claude Code, Codex), 자율형(Devin, Jules)으로 분류하고 자율성·비용·인덱싱·MCP 지원 기준으로 비교합니다.
Anthropic이 설계하고 OpenAI 등이 채택한 MCP의 아키텍처, Host/Client/Server 역할, Tools·Resources·Prompts 기본 요소, 동작 순서, 설계 가이드를 구체적인 지원 현황 표와 함께 정리합니다.
OpenAI CEO Sam Altman이 Three Observations에서 제시한 AGI의 가능성, AI 비용 하락 법칙, 소프트웨어 에이전트의 미래, 자본·노동 재편에 대한 핵심 주장을 번역·정리합니다.
시계열 이상탐지 방법론을 거리 기반, 밀도 기반, 예측 기반이라는 프로세스 중심 분류체계로 정리하고, Matrix Profile과 Isolation Forest, 지수평활 예측 오차 기법을 같은 데이터로 비교합니다.
선형회귀부터 리지회귀, 감마회귀, 베이지안 선형회귀, MCMC 기반 로지스틱·포아송 회귀까지, 입력값에 따라 달라지는 정상 범위로 이상을 탐지하는 방법을 예제 코드와 함께 정리합니다.
확 률분포 최우추정을 기반으로 홀텔링 이론, 계수 데이터의 이항·포아송·음이항분포, 다변량 마할라노비스-다구치법과 GMM, kNN까지 비지도학습 이상탐지 기법을 예제 코드와 함께 정리합니다.
LangChain/LangGraph 시리즈 3편. LangGraph의 상태 관리 구조, 체크포인터를 이용한 멀티턴 대화 이력 유지, Tool Calling 기반 웹 검색 AI 에이전트 구현 방법을 코드와 함께 설명합니다.
이상탐지가 무엇인지 정의부터 살펴보고, 탐색적 데이터 분석과 SVM·로지스틱 회귀 같은 지도학습 기반 이상탐지의 원리와 한계를 예제 코드와 함께 설명합니다.
LangChain 시리즈 2편. LCEL의 파이프 연산자로 Chain을 구성하는 방법, RunnableParallel·RunnableLambda로 복수 Chain을 연결하는 방법, with_structured_output으로 LLM 출력 품질을 높이는 방법을 코드와 함께 설명합니다.
