데이터꿈나무

요즘 AI 에이전트를 독학하고 있던 차에, 마침 패스트캠퍼스에서 '나 혼자 쓰던 에이전트에서 프로덕션 에이전트로 빌드업!'이라는 온라인 세미나가 열려 얼른 듣고 왔습니다!!!🏃🏃🏃 혼자 장난감처럼 만들어보는 단계를 넘어, 실제 서비스 환경에서 에이전트를 안전하게 동작시키려면 무엇을 고민해야 하는지 배운 핵심 내용들을 기록해두었습니다.AI 에이전트 고도화: 다섯 가지 엔지니어링과 측정 기준 에이전트 = 모델 + 하네스하네스 = 도구, 프롬프트, 루프, 상태, 검사, 기록 등 모델 밖의 모든 구성요소에이전트는 LLMs using tools based on environmental feedback in a loop 환경 피드백을 받아 스스로 루프(추론 → 행동 → 관찰 → 재추론)를 돌며 작업을 완수..

데이터리안 실전반 학습에 이어 '2026 데이터리안 세미나 10월 강연' 후기https://datarian.io/seminar?utm_source=openchat&utm_medium=social&utm_campaign=webinar 데이터 분석가의 커리어 설계데이터 역량 업그레이드, 데이터리안 세미나datarian.io 강연은 1부와 2부로 분리되어1부는 '데이터 분석가의 커리어 설계' 주제로 UBER에서 DA로 근무하시는 이준수 강사님의 강연과2부로 2026년 데이터 분석가 채용 트렌드'에 대해 사전 질무에 대해서 데이터리안 윤선미 대표님과 이준수 강사님께서 답변 하는 형식으로 진행되었다.특히 2부는 직접 프로젝트하면서 느꼈던 고민들에 대해서 답변을 주셔서 너무나 많은 도움이 되었다.정말이지 데이터리안..

해당 원데이클래스는 "AI 시대에 데이터 분석가는 어떤 역할을 해야 하는가?"에 대한 본질적인 고민과 함께, Claude 생태계(Projects, Skills, Sub-agents, Claude Code)를 실무 파이프라인에 어떻게 녹여낼 수 있는지 배운 뜻깊은 시간이었다. 강의 중 핵심으로 다뤄진 내용과 인사이트를 정리해보았다. 1. AI 시대 데이터 분석: 인간과 AI의 역할 분담AI 기술이 고도화될수록 분석 프로세스 전반의 역할 분담이 명확해지고 있다.인간의 영역 (판단과 의사결정):문제 정의: 풀고자 하는 비즈니스 문제를 명확히 규정하는 능력맥락 제공: 사내 암묵지, 최근 비즈니스 이슈, 도메인 지식 주입해석 및 의사결정: 통계적 수치 너머의 비즈니스 임팩트와 실행 난이도, 우선순위 판단AI의 영..

최근 생성형 AI 트렌드가 단순 질의응답에서 문제를 스스로 해결하는 Agentic AI로 빠르게 이동하고 있다.데이터 분석가로서 지표 추출부터 리포트 작성까지 자동화하려다 보면 단순 LLM 호출이 아닌 업무 목적에 맞는 Agent 구조 설계가 핵심임을 느꼈다.이에 해당 영상을 참고하여 보다 효율적으로 에이전트를 구축하고 활용하기 위해 Agentic AI의 핵심 디자인 패턴 7가지와 실무 설계 레시피를 직접 정리해 보았다. 참고 영상: https://youtu.be/_-_WyEpbfdI?si=lFwTsdH4z_UNNz4E1. 검증된 Agent 디자인 패턴 7가지 완전 정복 : 소프트웨어 공학의 디자인 패턴처럼, 에이전트 분야에서도 "특정 업무 형태에는 이런 구조가 잘 맞는다"는 검증된 레시피존재 1) Re..