TT Lab
블로그

한국어 English 日本語 中文

시작하기
블로그

블로그 시리즈

여러 편으로 이어지는 글을 시리즈별로 모았습니다. 앞에서부터 읽으면 한 주제를 처음부터 끝까지 따라갈 수 있습니다.

오늘의 영어 표현 30편

  1. Happy to take a stab at this: 이슈를 맡겠다고 나설 때
  2. What did you expect to happen: 버그 보고의 기본, 기대한 동작과 실제 동작
  3. I can't reproduce this on ...: 재현이 안 될 때 상대를 탓하지 않고 말하기
  4. As far as I can tell: 확신과 겸손 사이, 「제가 본 바로는」
  5. Would you be open to ...?: PR 을 보내기 전에 방향을 묻는 공손한 제안
  6. Let me know if I'm missing something: 내 이해가 틀렸을 가능성을 열어 두는 한 줄
  7. Fixes #1234: PR 설명의 첫 줄, 이슈를 닫는 키워드
  8. No functional change: 동작은 그대로라고 리뷰어를 안심시키는 말
  9. This is out of scope for this PR: 범위를 지키며 정중하게 선을 긋기
  10. I'll address this in a follow-up PR: 지금 말고 다음 PR 에서 하겠다는 약속
  11. Marking this as a draft: 아직 리뷰받을 준비가 안 됐다고 알리기
  12. Rebased onto main: 브랜치를 최신으로 맞췄다고 알리는 한 줄
  13. PTAL, Could you take another look?: 고친 뒤 다시 봐 달라고 부탁하기
  14. Nit: 사소한 지적이라고 미리 알려 주는 머리말
  15. LGTM: 「좋아 보입니다」와 Kubernetes 의 /lgtm, /approve
  16. Good catch: 내 실수를 짚어 준 리뷰어에게 고마움을 전하는 말
  17. Addressed in a1b2c3d: 리뷰 지적을 어느 커밋에서 고쳤는지 알리기
  18. I'd lean towards ...: 강요하지 않고 내 선호를 밝히는 말
  19. Not a blocker: 병합을 막는 지적과 막지 않는 지적을 가르는 말
  20. Feel free to push back: 반대 의견을 먼저 청하는 리뷰어의 말
  21. Could you squash your commits?: 커밋을 합쳐 달라는 요청에 답하기
  22. That's a fair point: 상대 말이 일리 있다고 인정할 때
  23. Thanks for bearing with me: 오래 기다려 준 리뷰어에게 하는 인사
  24. Friendly ping: 답이 없는 PR 을 재촉하지 않고 다시 알리기
  25. Sorry for the noise: 불필요한 알림을 보냈을 때의 짧은 사과
  26. Heads-up: 미리 알려 두는 한 줄 공지
  27. I'll circle back: 지금은 답을 미루고 나중에 다시 오겠다는 약속
  28. For what it's worth: 도움이 될지 모르지만 보태는 한마디
  29. This landed in main: 병합됐다, 그리고 릴리스에 실렸다를 구분해 말하기
  30. Could we backport this?: 고친 내용을 지난 릴리스에도 넣어 달라고 할 때

toss ml infra 24편

  1. 하이브리드 GPU 쿠버네티스와 Cilium·Istio 네트워크
  2. GPU Operator 스택 해부와 트러블슈팅
  3. LLM 추론의 기본과 vLLM 내부: KV 캐시, PagedAttention, 스케줄러
  4. vLLM 과 SGLang 비교, 그리고 벤치마크를 제대로 하는 법
  5. 분산 추론과 NVIDIA Dynamo: 병렬화, prefill/decode 분리, KV 캐시 이동
  6. RDMA와 NCCL로 읽는 GPU 네트워크: InfiniBand, RoCE, 쿠버네티스 배치
  7. AI 스토리지와 KV 캐시 오프로드: 가중치 로딩 경로부터 LMCache 실측까지
  8. 쿠버네티스 CRD 와 오퍼레이터로 LLM 서빙 배포 자동화하기
  9. 멀티테넌트 GPU 스케줄링과 용량 계획
  10. GPU 하드웨어·드라이버 장애 진단
  11. GPU 패스스루와 vfio-pci: VM 에 GPU 를 통째로 넘기는 원리
  12. 작은 모델로 vLLM 직접 재 보기: 부하, KV 캐시 용량, 접두사 캐시, 청크 크기
  13. LoRA 어댑터 서빙을 직접 재 보기: 처리량 비용, 어댑터 슬롯, 실행 중 적재
  14. 모델 가중치 암호화와 보호: 저장 시 암호화의 비용을 재고, 어디까지 막는지 정리하기
  15. DCGM exporter 지표 전부 해부: 실제로 나오는 18개와 나오지 않는 것
  16. Cilium 지표 전부 해부: 에이전트, 오퍼레이터, Envoy, Hubble 네 곳
  17. 실시간 음성 대화 앱을 만들 때 쓸 NVIDIA 오픈소스: Nemotron 음성 에이전트, PersonaPlex, NeMo
  18. 실시간 음성 대화, 부품별로 직접 잰 지연: 음성인식 0.2초, LLM 첫 토큰 0.07초, 음성합성은 길이의 절반
  19. 음성 대화의 원리를 숫자로 확인하기: 디코딩은 메모리 대역폭, 합성은 프레임 수, 스트리밍은 캐시
  20. ML·AI 인프라와 쿠버네티스 엔지니어가 알면 좋은 지식 지도: 직접 재 본 숫자와 함께
  21. GPU Operator 파드 구성요소와 역할, 호스트에 드라이버가 없어도 되는가
  22. NVIDIA Dynamo 직접 써 보기: KV 인식 라우팅은 거의 다 맞혔고, 분리 서빙은 한 장에서 5배, 서버 둘 사이에서 20배 넘게 느렸다
  23. LLM 서빙을 OpenTelemetry 로 관측하기: vLLM 에서 실제로 나오는 신호, 표준과의 거리, 컬렉터로 메우기
  24. 전이중 음성 통화를 웹소켓으로 중계하기: 브라우저 마이크에서 GPU 모델까지

공업수학 시리즈 24편

  1. 공업수학 시리즈 1편: 공업수학은 왜 중요한가
  2. 공업수학 시리즈 2편: 1차 미분방정식의 개념
  3. 공업수학 시리즈 3편: 변수분리, 적분인자, 완전미분
  4. 공업수학 시리즈 4편: 2차 선형 미분방정식
  5. 공업수학 시리즈 5편: 감쇠, 강제진동, 공진
  6. 공업수학 시리즈 6편: 고차 미분방정식과 초기값 문제
  7. 공업수학 시리즈 7편: 연립 미분방정식과 상태공간
  8. 공업수학 시리즈 8편: 급수해와 ordinary point
  9. 공업수학 시리즈 9편: 라플라스 변환의 직관
  10. 공업수학 시리즈 10편: 라플라스 변환으로 초기값 문제 풀기
  11. 공업수학 시리즈 11편: 행렬과 선형연립방정식
  12. 공업수학 시리즈 12편: 소거법, 역행렬, 행렬식
  13. 공업수학 시리즈 13편: 고유값과 고유벡터
  14. 공업수학 시리즈 14편: 대각화와 동적 시스템
  15. 공업수학 시리즈 15편: 벡터, 기하, 벡터장
  16. 공업수학 시리즈 16편: gradient, divergence, curl
  17. 공업수학 시리즈 17편: 선적분, 면적분, 적분 정리
  18. 공업수학 시리즈 18편: 푸리에 급수
  19. 공업수학 시리즈 19편: 푸리에 변환과 주파수영역
  20. 공업수학 시리즈 20편: 편미분방정식의 분류와 의미
  21. 공업수학 시리즈 21편: 열방정식, 파동방정식, 라플라스 방정식
  22. 공업수학 시리즈 22편: 복소수와 해석 함수
  23. 공업수학 시리즈 23편: 복소 적분과 유수 아이디어
  24. 공업수학 시리즈 24편: 수치해석, 최적화, 그래프, 확률과 통계 로드맵

컴파일러 20편

  1. [컴파일러] 01. 컴파일러의 구조와 동작 원리
  2. [컴파일러] 02. 프로그래밍 언어 기초와 컴파일러 기술 응용
  3. [컴파일러] 03. 간단한 구문 지시 번역기 만들기
  4. [컴파일러] 04. 어휘 분석 - 토큰, 패턴, 정규 표현식
  5. [컴파일러] 05. 유한 오토마타와 어휘 분석기 구현
  6. [컴파일러] 06. 구문 분석 (1) - Top-Down 파싱과 LL 파서
  7. [컴파일러] 07. 구문 분석 (2) - Bottom-Up 파싱과 LR 파서
  8. [컴파일러] 08. 구문 지시 번역 - SDD와 SDT
  9. [컴파일러] 09. 중간 코드 생성 - 3주소 코드와 타입 검사
  10. [컴파일러] 10. 실행 시간 환경 - 스택, 힙, 가비지 컬렉션
  11. [컴파일러] 11. 코드 생성 - 기본 블록과 흐름 그래프
  12. [컴파일러] 12. 코드 생성 알고리즘과 레지스터 할당
  13. [컴파일러] 13. 머신 독립 코드 최적화 기초
  14. [컴파일러] 14. 데이터 흐름 분석 프레임워크
  15. [컴파일러] 15. 루프 최적화와 코드 이동
  16. [컴파일러] 16. 명령어 수준 병렬성과 스케줄링
  17. [컴파일러] 17. 병렬성 검출과 루프 변환
  18. [컴파일러] 18. 프로시저 간 분석과 포인터 분석
  19. [컴파일러] 19. SSA 형식과 현대 컴파일러 최적화
  20. [컴파일러] 20. 현대 컴파일러의 발전과 응용

컴퓨터 네트워크 20편

  1. [컴퓨터 네트워크] 01. 인터넷이란 무엇인가
  2. [컴퓨터 네트워크] 02. 네트워크 코어: 패킷 교환 vs 회선 교환
  3. [컴퓨터 네트워크] 03. 네트워크 지연, 손실, 처리량
  4. [컴퓨터 네트워크] 04. 프로토콜 계층과 서비스 모델
  5. [컴퓨터 네트워크] 05. 애플리케이션 계층: HTTP와 웹
  6. [컴퓨터 네트워크] 06. DNS와 이메일 프로토콜
  7. [컴퓨터 네트워크] 07. 소켓 프로그래밍: TCP와 UDP
  8. [컴퓨터 네트워크] 08. 전송 계층: 다중화/역다중화와 UDP
  9. [컴퓨터 네트워크] 09. 신뢰적 데이터 전송의 원리
  10. [컴퓨터 네트워크] 10. TCP 완전 정복: 연결, 흐름제어, 혼잡제어
  11. [컴퓨터 네트워크] 11. 네트워크 계층 개요: 포워딩과 라우팅
  12. [컴퓨터 네트워크] 12. IP 프로토콜: 데이터그램과 주소 체계
  13. [컴퓨터 네트워크] 13. 라우팅 알고리즘: Link-State와 Distance-Vector
  14. [컴퓨터 네트워크] 14. 인터넷 라우팅: OSPF와 BGP
  15. [컴퓨터 네트워크] 15. 링크 계층: 오류 검출과 다중 접속 프로토콜
  16. [컴퓨터 네트워크] 16. 이더넷, 스위치, VLAN
  17. [컴퓨터 네트워크] 17. 무선 네트워크와 모바일 통신
  18. [컴퓨터 네트워크] 18. 멀티미디어 네트워킹과 스트리밍
  19. [컴퓨터 네트워크] 19. 네트워크 보안: 암호학부터 방화벽까지
  20. [컴퓨터 네트워크] 20. 네트워크 관리와 SNMP

심층 강화학습 20편

  1. [심층 강화학습] 01. 강화학습이란: MDP와 기본 개념
  2. [심층 강화학습] 02. OpenAI Gym으로 시작하는 강화학습
  3. [심층 강화학습] 03. PyTorch 딥러닝 기초: 텐서부터 신경망까지
  4. [심층 강화학습] 04. Cross-Entropy 방법으로 CartPole 풀기
  5. [심층 강화학습] 05. 벨만 방정식과 가치 반복
  6. [심층 강화학습] 06. Deep Q-Network: DQN의 원리와 구현
  7. [심층 강화학습] 07. DQN 확장: Double DQN, Dueling DQN, Rainbow
  8. [심층 강화학습] 08. 강화학습으로 주식 트레이딩 만들기
  9. [심층 강화학습] 09. Policy Gradient: 정책 기반 강화학습
  10. [심층 강화학습] 10. Actor-Critic 방법: A2C와 하이퍼파라미터 튜닝
  11. [심층 강화학습] 11. A3C: 비동기 Advantage Actor-Critic
  12. [심층 강화학습] 12. 강화학습으로 챗봇 훈련하기
  13. [심층 강화학습] 13. 웹 내비게이션과 강화학습
  14. [심층 강화학습] 14. 연속 행동 공간: DDPG와 분포 정책
  15. [심층 강화학습] 15. Trust Region 방법: TRPO, PPO, ACKTR
  16. [심층 강화학습] 16. Black-Box 최적화: 진화 전략과 유전 알고리즘
  17. [심층 강화학습] 17. 모델 기반 강화학습: Imagination-Augmented Agent
  18. [심층 강화학습] 18. AlphaGo Zero: 자기 대국으로 배우는 AI
  19. [심층 강화학습] 19. 심층 강화학습의 실전 응용 사례
  20. [심층 강화학습] 20. 심층 강화학습 총정리: 알고리즘 비교와 선택 가이드

운영체제 20편

  1. [운영체제] 01. 운영체제란 무엇인가
  2. [운영체제] 02. 운영체제 구조와 서비스
  3. [운영체제] 03. 프로세스: 개념, 생성, 통신
  4. [운영체제] 04. 스레드와 동시성 프로그래밍
  5. [운영체제] 05. CPU 스케줄링 알고리즘
  6. [운영체제] 06. 프로세스 동기화 도구
  7. [운영체제] 07. 동기화 문제: 생산자-소비자, 철학자 식사
  8. [운영체제] 08. 교착 상태: 예방, 회피, 탐지, 복구
  9. [운영체제] 09. 메인 메모리 관리
  10. [운영체제] 10. 가상 메모리: 요구 페이징부터 스래싱까지
  11. [운영체제] 11. 대용량 저장장치 구조
  12. [운영체제] 12. I/O 시스템
  13. [운영체제] 13. 파일 시스템 인터페이스
  14. [운영체제] 14. 파일 시스템 구현
  15. [운영체제] 15. 파일 시스템 내부 구조
  16. [운영체제] 16. 보안: 위협과 방어
  17. [운영체제] 17. 보호: 접근 제어와 샌드박싱
  18. [운영체제] 18. 가상 머신: 하이퍼바이저부터 컨테이너까지
  19. [운영체제] 19. 네트워크와 분산 시스템
  20. [운영체제] 20. 리눅스와 Windows 10 운영체제 비교

탁구 로봇 팔의 기초 15편

  1. 공을 치기까지: 인지에서 모터 전류까지 일곱 단계와 시간 예산
  2. 좌표계와 변환: 회전 행렬, 동차 변환, 오일러 각과 쿼터니언, 카메라에서 탁구대로
  3. 정기구학: DH 파라미터와 지수 곱(PoE), 2링크 평면 팔과 3축 손목
  4. 역기구학: 두 해, 손목 분리, 뉴턴법과 감쇠 최소제곱, 특이점, 해가 없을 때
  5. 야코비안과 속도: 관절 속도 한계로 낼 수 있는 라켓 속력
  6. 공 비행 방정식: 중력·항력·Magnus, 오일러와 RK4, 바운스 모델, 칼만 필터
  7. 타격을 방정식으로: 원하는 착지점에서 거꾸로 라켓 속도와 법선을 구하기
  8. 궤적 생성: 3차·5차 다항식, 사다리꼴, 최소 저크, 한계 안의 최소 시간, 경유점
  9. 제어: PID, 피드포워드, 계산 토크, FOC 전류 루프와 위치 루프의 층, 제어 주기
  10. 고전 방법과 강화학습: 무엇을 방정식으로 풀고 무엇을 학습에 맡길까
  11. 강화학습의 틀: MDP, 상태·행동·보상·할인, 정책과 가치 함수를 탁구 팔로 읽기
  12. 정책 경사와 PPO: 비율을 자르는 이유, 이점 함수와 GAE, 가치 함수, 엔트로피
  13. 보상 설계와 행동 공간: 희소 보상과 형태 보상, 보상 해킹, 관절 한계 벌점, 직접 제어 대 하이브리드
  14. 시뮬레이션에서 실물로: 도메인 랜덤화, 지연·잡음 모델링, 시스템 식별, 대량 병렬 시뮬레이션
  15. 강화학습 평가: 학습 공과 평가 공, 시드 여러 개의 중앙값, 마지막 값 보고, 기준선

비전 모델 읽기 2 12편

  1. 대조 학습과 CLIP: 그림과 글을 짝지어 배우면 처음 보는 것도 맞힌다
  2. 자기지도 학습 1: SimCLR·MoCo 에서 DINO·DINOv2 까지 — 라벨 없이 특징을 배우는 법과 「붕괴」 막기
  3. 자기지도 학습 2: MAE — 그림의 4분의 3을 가리고 맞히게 하면 왜 잘 배우나
  4. 지식 증류: 큰 모델이 아는 것을 작은 모델로 옮기기 — 그리고 「녹화본 교사 → 실시간 학생」
  5. 광류와 RAFT: 움직임을 화소로 읽기 — 모든 짝을 한 번 비교하고, 같은 갱신을 되풀이한다
  6. 영상 모델: 3D 합성곱, 두 갈래(SlowFast), 주의(TimeSformer) — 그리고 영상에서 가리고 맞히기(VideoMAE)
  7. 사람 자세 1: 히트맵으로 관절 찾기 — OpenPose 의 PAF, HRNet, 그리고 위에서 아래로 대 아래에서 위로
  8. 사람 자세 2: ViTPose, RTMPose 의 SimCC, RTMO — 실시간과 정확도 사이에서 고르기
  9. 작고 빠른 공 추적의 학습 원리: TrackNet V1–V5, WASB, TOTNet, BlurBall 은 무엇을 어떻게 가르쳤나
  10. 정밀 이벤트 찾기: E2E-Spot, T-DEED, AdaSpot — 「몇 번째 프레임」 을 맞히도록 학습시키는 법과 mAP@δ
  11. 카메라 한 대로 3D 궤적과 회전 읽기: TT3D, Uplifting Table Tennis, TT4D — 물리 모델 대 학습 모델
  12. 영상-언어 모델과 스트리밍: 어떻게 학습시키고, 스포츠 벤치마크에서 왜 약한가

비전 모델 읽기 1 12편

  1. 합성곱 신경망은 무엇을 배우나: 필터, 수용 영역, 역전파, 그리고 LeNet 과 AlexNet
  2. ResNet: 잔차 연결이 깊은 망을 학습 가능하게 만든 이유와 배치 정규화
  3. U-Net 과 HRNet: 해상도를 지키는 구조와 히트맵 출력
  4. 손실 함수와 학습 기법: 교차 엔트로피, focal loss, 히트맵 손실, 증강, 학습률 스케줄, 혼합 정밀도
  5. 물체 검출 1: 두 단계 검출기 R-CNN 에서 Faster R-CNN 까지, 그리고 앵커
  6. 물체 검출 2: 한 단계 YOLO 계열과 실시간성, 그리고 라이선스
  7. Vision Transformer: 그림을 16×16 조각의 문장으로 읽기, 그리고 데이터가 많이 필요한 이유
  8. DETR: 검출을 집합 예측으로, 헝가리안 매칭과 앵커 없는 검출
  9. Segment Anything(SAM): 프롬프트 분할, 데이터 엔진, 그리고 인코더 한 번·디코더 여러 번
  10. SAM 2 와 EfficientTAM: 메모리 어텐션으로 영상 속 물체를 따라가기, 그리고 가볍게 만들기
  11. SAM 3: 글자로 개념을 불러 전부 칠하기, 그리고 우리가 쓸 수 없었던 이유
  12. 열린 어휘 검출: CLIP 글자 임베딩을 검출기에 붙이기 — OWL-ViT, OWLv2, Grounding DINO, YOLO-World, YOLOE

로봇 시뮬레이션 실험실 10편

  1. ROS 2 와 Gazebo 로 로봇 주행 시뮬레이션: 바퀴가 말하는 「완벽」을 믿지 않기
  2. 탁구공 물리를 MuJoCo 로 재기: 반발, 항력, 회전이 시뮬레이터 설정 한 줄에 달려 있다
  3. 탁구 로봇을 오픈하드웨어로 만들 수 있을까: 레일, 스윙 축, 카메라, 그리고 라이선스
  4. PX4 드론을 쿠버네티스 파드에서 날리기: SITL 사각형 임무와 소스 빌드에서 겪은 여섯 가지
  5. 탁구 로봇의 고전 제어 기준선: 보고, 예측하고, 휘두르면 몇 개나 넘길까
  6. DeepMind 탁구 로봇을 원문으로 읽고 시뮬레이터로 따져 본 개선 방향
  7. 탁구 팔 강화학습: 기준선을 넘었지만, 이득의 대부분은 학습이 아니었다
  8. 디지털 트윈과 AI 탁구 심판: 실제 바운드로 물리를 맞추고, 정답을 아는 시험장에서 심판을 시험하기
  9. 탁구 로봇이 공 하나를 넘기기까지: 단계별 시뮬레이션 영상으로 본 계산
  10. 사람 모양 로봇 상체로 탁구 치기: Unitree G1 을 시뮬레이터에 세우고 사람 속도 한계를 걸어 본 기준선

가상화 10편

  1. [가상화] 01. 가상화 기술의 기초: Type 1 vs Type 2 하이퍼바이저
  2. [가상화] 02. QEMU와 KVM: 오픈소스 가상화의 핵심
  3. [가상화] 03. VirtualBox와 VMware: 데스크톱부터 엔터프라이즈까지
  4. [가상화] 04. GPU 가상화 기술 총정리: Passthrough, vGPU, MIG, SR-IOV
  5. [가상화] 05. AWS EC2와 Nitro 시스템: 클라우드 가상화의 진화
  6. [가상화] 06. KubeVirt: 쿠버네티스 위에서 VM 실행하기
  7. [가상화] 07. NVIDIA GPU Operator: 쿠버네티스 GPU 관리 자동화
  8. [가상화] 08. KubeVirt + GPU: VM에서 GPU 가속 활용하기
  9. [가상화] 09. 가상화 플랫폼 비교: QEMU vs VirtualBox vs VMware vs KubeVirt
  10. [가상화] 10. 가상화 기술의 미래: 컨피덴셜 컴퓨팅부터 GPU 디스어그리게이션까지

vLLM 기능 지도 9편

  1. vLLM 기능 지도: 무엇이 있고, 언제 이득이며, 판마다 무엇이 바뀌었나
  2. 연속 배칭, chunked prefill, 접두사 캐시를 반복 측정으로 다시 재기
  3. 추측 디코딩: 맞히면 네 배, 못 맞히면 손해
  4. 구조화 출력: 토큰마다 「쓸 수 없는 글자」를 가리는 비용
  5. 도구 호출: 파서가 글을 함수 호출로 바꾸고, strict 가 인자를 묶는다
  6. 양자화: 가중치를 8비트로 줄이면 디코드가 빨라지는 까닭과 그 대가
  7. KV 오프로딩과 분리 서빙: 밀려난 접두사를 CPU 에서 다시 불러오기
  8. 운영 기능: 잠자기 모드, 기동 시간, /metrics, 그리고 --api-key 가 지키지 않는 길
  9. 병렬화, 멀티모달, 풀링: GPU 한 장으로 잴 수 있는 것과 없는 것

gRPC 해부 8편

  1. gRPC 가 푸는 문제와 전체 그림: 계약서, 코드 생성, 채널, HTTP/2
  2. protobuf 와이어 형식: 21바이트를 한 칸씩
  3. HTTP/2 위의 gRPC: 머리말, 5바이트 접두, 트레일러의 상태 코드
  4. 스트리밍, deadline, 재시도, keepalive: 호출이 길어지거나 실패할 때
  5. 쿠버네티스에서의 gRPC: 한 파드로 쏠리는 이유와 헬스 체크
  6. 작은 클러스터에서 실제로 도는 gRPC: etcd, CRI, Hubble, OTLP
  7. grpc-go 코드 지도: ClientConn 에서 http2Client 까지, Serve 에서 핸들러까지
  8. gRPC 디버깅과 관측: grpcurl, 리플렉션, channelz, 그리고 메트릭의 함정

KubeVirt 소스 코드 읽기 8편

  1. KubeVirt 소스 코드 읽기 1: 저장소 지도 — 어디부터 읽을까
  2. KubeVirt 소스 코드 읽기 2: API 와 CRD — 타입, 생성 코드, 웹훅
  3. KubeVirt 소스 코드 읽기 3: virt-controller — VM 과 VMI 의 reconcile
  4. KubeVirt 소스 코드 읽기 4: virt-handler — 노드에서 VMI 를 맞추기
  5. KubeVirt 소스 코드 읽기 5: virt-launcher — 도메인 XML 과 QEMU
  6. KubeVirt 소스 코드 읽기 6: CDI — DataVolume, importer, 크기 계산, 복제
  7. KubeVirt 소스 코드 읽기 7: 장치 패스스루 — GPU 가 도메인 XML 이 되기까지
  8. KubeVirt 소스 코드 읽기 8: 기여 입문 — 리뷰를 읽고, 첫 PR 을 고르고, 시험을 돌리기

비전 모델 읽기 3 8편

  1. 33ms 의 예산: 끝단 지연과 처리량은 다른 숫자다
  2. 숫자를 줄이기: FP16·BF16·INT8 양자화, 사후 양자화와 양자화 인식 학습, 보정 데이터
  3. 그래프 컴파일러와 런타임: 연산 융합, torch.compile, ONNX Runtime·TensorRT
  4. 작은 모델 만들기: 깊이별 분리 합성곱·가지치기·증류, 그리고 EfficientTAM
  5. 매 프레임 다 돌리지 않기: 검출+추적, 키프레임, 해상도, ROI — 그리고 공 찾기의 512×288
  6. 묶어 돌리기와 지연: 배치 크기, 동시 세션, GPU 나눠 쓰기
  7. 폰과 브라우저 안에서 돌리기: WebGPU, WASM, WebNN, Core ML 과 무엇을 어디서 할까
  8. TT Score 실시간 경로의 실제 예산표 — 어디에 몇 ms 를 쓰고, 무엇을 아직 못 쟀나

TT Score 모델 해부 8편

  1. 휴대폰 영상에서 점수까지: TT Score 의 네 층과 시간 예산
  2. 공 찾기: TrackNet 에서 WASB, BlurBall 까지 — 히트맵, 여러 프레임, 번짐의 가운데
  3. 탁구대 찾기: SAM 2.1, EfficientTAM, SAM 3 와 네 모서리에서 호모그래피까지
  4. 자세와 라켓: RTMPose 의 SimCC, MediaPipe 의 두 단계, RacketVision 의 라켓 5점
  5. 이벤트와 심판: 궤적에서 바운드를 뽑고 규칙으로 점수를 매기기, 66.9% 에서 93.1% 까지
  6. 소리로 바운드 듣기: onset 검출과 표면 분류, 그리고 실제 녹음에서는 효과가 없었다는 기록
  7. 탁구 데이터셋 직접 세어 보기: OpenTTGames, Extended, T3Set, TT Sounds, RacketVision, LATTE-MV
  8. 영상-언어 모델은 왜 판정을 못 하나: 1초에 한 장, 초 단위 시각, 그리고 테니스 벤치마크

AI 시대 생존 가이드 8편

  1. AI 시대 생존 가이드 1편: 개발자에서 DevOps/플랫폼 엔지니어로 - 로드맵과 현실적 전략
  2. AI 시대 생존 가이드 2편: 개발자에서 LLM 엔지니어/AI 엔지니어로 전환하기
  3. AI 시대 생존 가이드 3편: 회계사와 변호사를 위한 AI 도구 활용 완전 가이드
  4. AI 시대 생존 가이드 4편: 모든 직장인을 위한 AI 리터러시와 생존 전략
  5. AI 시대 생존 가이드 5편: 데이터 사이언티스트의 미래 - 위기인가, 기회인가?
  6. AI 시대 생존 가이드 6편: 기획자/PM이 AI 프로덕트 매니저로 진화하는 법
  7. AI 시대 생존 가이드 7편: 주니어 개발자를 위한 특별 가이드 - AI와 함께 성장하기
  8. AI 시대 생존 가이드 8편: 디자이너를 위한 AI 생존 전략 - Midjourney, Figma AI 시대

오픈소스 구조 읽기 7편

  1. CloudNativePG 읽기: PID 1 의 매니저, 소켓 너머의 플러그인, WAL 한 조각의 여행
  2. Cilium 읽기: 에이전트가 BPF 맵을 채우고, 커널 훅이 그 맵만 보고 판단하는 구조
  3. containerd 와 CRI 읽기: kubelet 의 gRPC 한 통이 runc 까지 내려가는 길
  4. vLLM production-stack · LMCache · llm-d: 엔진 앞단과 KV 캐시 계층의 코드 지도
  5. MetalLB 읽기: 주소를 정하는 controller, 손을 드는 speaker, 그리고 해시 한 줄의 선거
  6. NVIDIA GPU Operator 읽기: ClusterPolicy 하나가 GPU 노드를 준비시키고, dcgm-exporter 가 GPU 의 주인을 찾는 길
  7. Argo CD·Argo Workflows 읽기: 비교하는 고리와 파드 안의 일꾼, 그리고 CronJob 하나의 상태 판정

vLLM 내부 구조 7편

  1. vLLM 내부 구조 (1) — 요청 하나가 토큰이 되어 나오기까지
  2. vLLM 내부 구조 (2) — PagedAttention은 KV 캐시를 왜 페이지로 쪼갰는가
  3. vLLM 내부 구조 (3) — 연속 배칭이 GPU를 놀게 두지 않는 방법
  4. vLLM 내부 구조 (4) — 스케줄러와 선점, 처리량이 갑자기 무너지는 지점
  5. vLLM 내부 구조 (5) — 접두사 캐싱, 시스템 프롬프트 설계가 곧 성능이 되는 이유
  6. vLLM 내부 구조 (6) — 컨텍스트 윈도우, max_model_len, max_tokens 완전 정리
  7. vLLM 내부 구조 (7) — 배포 튜닝과 흔한 함정, OOM 진단 순서

TT Lab 점수판 해부 6편

  1. 전체 구조: 휴대폰에서 판정 서버까지, 그리고 기기 밖으로 나가는 것
  2. 손 점수판과 경기 규칙 엔진: 11점·듀스·서브 교대에서 「상태가 아니라 이력」까지
  3. 자동 판정: 서브부터 승자까지, 그리고 몸풀기·연습과 경기를 가르는 법
  4. 모델의 원리와 논문: 공, 탁구대, 그리고 우리가 직접 학습한 세 모델
  5. 데이터·라이선스·학습 과정, 그리고 상업 서비스로 가는 길
  6. 경기 기록과 개인정보: 끝난 경기는 어디에 남고, 무엇이 남지 않는가

학생 VM 이 뜨기까지 6편

  1. 학생 VM 이 뜨기까지 1: 학생·백엔드·KubeVirt·스토리지, 네 층으로 본 전체 그림
  2. 학생 VM 이 뜨기까지 2: KubeVirt 안쪽 — VM 은 왜 파드 안에서 도는가
  3. 학생 VM 이 뜨기까지 3: 디스크는 PVC 다 — DataVolume, 접근 모드, 볼륨 모드
  4. 학생 VM 이 뜨기까지 4: PVC 관점의 오버레이 — 골든 디스크 하나, 학생마다 얇은 쓰기 층
  5. 학생 VM 이 뜨기까지 5: 수명과 회수 — 무엇을 어떤 순서로 지우고, 실패해도 멈추지 않게
  6. 학생 VM 이 뜨기까지 6: 격리 — 게스트 안 root 가 클러스터를 못 건드리는 이유

지금 주목받는 오픈소스 6편

  1. 지금 주목받는 오픈소스 (1) AI 에이전트와 LLM 도구
  2. 지금 주목받는 오픈소스 (2) 빌드·에디터·CLI·터미널
  3. 지금 주목받는 오픈소스 (3) 인프라와 데이터베이스
  4. 지금 주목받는 오픈소스 (4) 관측 가능성과 보안
  5. 지금 주목받는 오픈소스 (5) 데이터와 ML 파이프라인
  6. 지금 주목받는 오픈소스 (6) 스타 수가 말해 주지 않는 것

오픈소스 기여 기록 5편

  1. 되살아나는 플래그와 비어 보이는 버킷: SeaweedFS weed mini 도움말 PR 이 동작 변경으로 이어진 이야기
  2. Grafana 관리자 비밀번호는 첫 기동에만 읽힌다: Grafana 헬름 차트 README PR 이 26분 만에 병합되기까지
  3. vLLM 이 지운 메트릭 이름을 문서가 아직 부를 때: llm-d 문서 PR 이 2시간 9분 만에 병합되기까지
  4. lookup 을 시험하라던 다섯 명령 중 둘은 템플릿을 그리지 않는다: Helm 문서 PR 이 15시간 54분 만에 병합되기까지
  5. 리다이렉트로만 살아 있던 주소: alpine/k8s 이미지 빌드 PR 이 7시간 37분 만에 병합되기까지

tiny-models 5편

  1. 모두를 위한 AI 1편 — 16M 파라미터 언어모델을 15분에 처음부터 학습시키기
  2. 모두를 위한 AI 3편 — 손실 0.0017인데 정확도 7.5%, 범인은 패딩 한 칸이었다
  3. 모두를 위한 AI 4편 — 137만 파라미터로 이미지에 문장 붙이기, 그리고 3편의 버그가 여기엔 없던 이유
  4. 모두를 위한 AI 5편 — 47만 파라미터 U-Net으로 흑백 사진에 색 입히기, 그리고 왜 색이 바랬는가
  5. 모두를 위한 AI 6편 — 111만 파라미터 디퓨전으로 단어에서 숫자 그리기

홈랩 사고 노트 4편

  1. 공인 접속이 끊긴 날: MetalLB L2 광고가 떠돌고, 첫 처방은 아무도 광고하지 않게 만들었다
  2. 자동 갱신이 GPU 를 멈춘 날: 라이브러리는 새 판, 커널 모듈은 옛 판
  3. 숫자 하나가 배포를 멈춘 날: 268,729 의 729 와 정규식 단어 경계
  4. 한 주의 사고에서 건진 공통 교훈: 기본값, 초록불, 사람 몫, 시험으로 못 박기

LLM KV 캐시 해부 4편

  1. KV 캐시는 왜 필요한가: 다시 계산하지 않으려고 기억해 두는 것
  2. 서빙 엔진 안의 KV 캐시: PagedAttention, 연속 배칭, 프리픽스 캐시
  3. LMCache: KV 캐시를 GPU 밖으로, 엔진 사이로
  4. NVIDIA Dynamo: 프리필과 디코드를 나누고, KV 가 있는 곳으로 보내기

공업수학 완전 정복 4편

  1. 공업수학 완전 정복 1편: 상미분방정식(ODE) - 기초부터 라플라스 변환까지
  2. 공업수학 완전 정복 2편: 푸리에 급수/변환과 편미분방정식(PDE)
  3. 공업수학 완전 정복 3편: 복소해석학과 Z-변환 - 제어/신호처리의 핵심
  4. 공업수학 완전 정복 4편: 수치해석 - 공학 문제를 컴퓨터로 푸는 방법

part 4편

  1. ch01 LangChain 노트
  2. ch02 LangChain 노트
  3. ch03 LangChain 노트
  4. ch04 LangChain 노트

인프라는 어떻게 동작하나 3편

  1. cert-manager 는 어떻게 인증서를 만들고 갈아 끼우나
  2. SSO 연동의 두 방식: 앱 안의 에이전트(SDK)와 앱 앞의 게이트웨이
  3. Java 디버깅: 멈춰 보기, 멈추지 않고 보기, 기록해 두고 보기

k3s·RKE2·k0s 비교 3편

  1. k3s·RKE2·k0s 구조 비교: 컨트롤 플레인은 어떻게 뜨고 무엇이 기본으로 들어오나
  2. k3s·RKE2·k0s 보안과 운영: CIS·FIPS 기본값, 업그레이드, 에어갭, 백업
  3. k3s·RKE2·k0s 중 무엇을 고르나: 자원 숫자, 상황별 표, 결정 흐름

ch 2편

  1. AWS pipline 구축 ch 01
  2. AWS pipline 구축 ch 02