한국어 글
한국어로 쓴 글. 영어판이 있는 글은 제목 아래에 링크가 있다.
- Financial AI
판매량 예측 (2) 타임 어텐션과 그룹 어텐션 뜯어보기
시계열 트랜스포머는 셀러 한 명의 매출과 공변량들을 격자로 놓고, 가로로는 시간을 따라, 세로로는 같은 그룹의 시계열끼리 어텐션을 번갈아 건다. 크로노스-2 구조를 기준으로 토큰화부터 그룹 마스크까지 파이토치 코드로 따라가고, 판매 예측에 쓸 때 조심할 것을 정리했다. 일별 분위수를 더하면 월 분위수가 안 되는 이유까지.
- Financial AI
판매량 예측 (1) 트리 모델부터 크로노스까지
판매 금액을 기반으로 돈을 빌려주는 핀테크라면 판매량 예측이 한도와 상환과 리스크 관리의 한가운데 놓인다. 금액을 맞힐지, 증감률을 맞힐지, 분포를 맞힐지부터 정해야 하고 그 선택이 모델을 고르는 데까지 이어진다. LightGBM 분위수 회귀에서 크로노스 계열 시계열 트랜스포머까지.
- LLM Systems
앤트로픽 데이터팀을 보며: 분석가가 내놓는 게 달라지고 있다
앤트로픽이 사내 분석 질문의 95%를 클로드로 처리하게 된 과정을 공개했다. 과거 SQL 수천 개를 줘도 정확도는 안 움직였고, 정의 문서를 방치하자 한 달 만에 95%에서 65%로 떨어졌다. 데이터 분석가 자리에서 읽으면 결국 산출물이 바뀐다는 얘기다. 쿼리와 숫자에서 정의와 절차와 정답셋으로.
- LLM Systems
코드를 한 줄도 안 건드렸는데 시스템이 망가진다: 데이터가 조용히 썩는 경로들
타입도 맞고 값도 정상 범위인데 모델만 이상해진다. 원화를 달러로 바꿔 적기 시작한 price 컬럼, 2년 전 리서치 보고서를 근거로 자신 있게 답하는 RAG, 그리고 모델의 오해가 사용자 행동을 거쳐 정답으로 굳는 피드백 루프까지. 데이터가 소리 없이 부패하는 세 가지 경로.