태그: #vector-db

← 전체 글

• 국내 개발 블로그 명글 큐레이션 3 — AI와 ML 실무, 직접 열어 확인한 14편

  AI와 ML을 실무에서 다루는 한국어 글 중에서 구체적이고 재현 가능한 14편을 골랐습니다. LangChain RAG 파이프라인 전 과정, 임베딩과 벡터 유사도로 본 의미 검색의 원리, 벡터 데이터베이스 일곱 종 비교, pgvector에서 Qdrant로 옮긴 마이그레이션 기록, Ollama에서 vLLM으로 옮겨 처리량을 끌어올린 과정, LLM 서빙 지표의 트레이드오프, 사용량 추적기 자작기,

  2026-08-12 · 23 분 읽기 #curation#큐레이션#ai#llm#rag

• RAG 실전 완전 가이드: 검색, 임베딩, 벡터 DB, Fine-tuning의 경계 (2025)

  LLM에 외부 지식을 붙이는 가장 실용적인 패턴, RAG. 2025년 시점에서 임베딩 모델 선택, 청킹 전략, 벡터 DB 선택, Rerank, Hybrid Search, 그리고 Fine-tuning과의 경계까지. Notion AI와 Claude의 검색 아키텍처를 해부하고, 한국어 RAG의 특수성과 비용·지연시간 최적화 체크리스트를 한 호흡에 정리합니다.

  2026-04-15 · 33 분 읽기 #rag#llm#ai#vector-db#embedding

• Feature Store와 Vector·Graph·시계열 DB 융합 가이드: Feast·Tecton·Pinecone·Weaviate·Milvus·Neo4j·TimescaleDB (2025)

  Season 5 Ep 6. ML의 언어는 피처, AI의 언어는 벡터, 관계의 언어는 그래프, 운영의 언어는 시계열. 2025년 각 DB 카테고리가 서로 경계를 넘고 Lakehouse·Postgres 위에 수렴한다. Feature Store 재정의, Online-Offline skew, Vector DB 지형, Graph DB와 지식 그래프, 시계열 DB의 현주소, "Unified DB"의 등

  2026-04-15 · 15 분 읽기 #feature-store#vector-db#graph-db#timeseries-db#feast

• DB 완전 가이드 — 내부 구조·인덱스·쿼리 플래너·파티셔닝·Vector DB (Season 2 Ep 13, 2025)

  데이터베이스를 "SQL 쓰는 곳"으로만 쓰면 평생 주니어다. B-Tree·LSM-Tree·Hash Index의 내부 구조, 쿼리 플래너가 쿼리를 어떻게 실행으로 바꾸는지, 트랜잭션 격리 수준 4단계, 샤딩·파티셔닝 전략, PostgreSQL의 2025년 독주 현상, 그리고 Vector DB(pgvector·Qdrant·Weaviate)까지 — DB의 내부를 회로도 수준으로 뜯는 한 편. Se

  2026-04-15 · 17 분 읽기 #database#postgresql#b-tree#lsm-tree#indexing

• Vector DB 완전 비교 2025: Pinecone, Weaviate, Chroma, pgvector 중 무엇을 선택하는가

  2025년 기준 주요 벡터 데이터베이스인 Pinecone, Weaviate, Chroma, pgvector를 성능·비용·운영 복잡도 측면에서 실용적으로 비교하고, 상황별 최적 선택을 안내합니다.

  2026-03-18 · 14 분 읽기 #vector-db#pinecone#weaviate#chroma#pgvector