Q&A
안녕하세요! 질문 감사합니다. 😊 네, 맞습니다. GLM-5.2 같은 대형 모델은 개인 장비에서 직접 실행하기에는 GPU 메모리 등 하드웨어 요구사항이 높아서 부담이 있습니다. 저도 실제로는 하나의 모델만 사용하는 것이 아니라 Claude, Codex, Ollama Cloud, OpenRouter를 상황에 따라 섞어서 사용 하고 있습니다. 특히 GLM 같은 대형 오픈소스 모델은 Ollama Cloud나 OpenRouter를 통해 사용하고 있고, 코딩이나 복잡한 작업에는 Claude와 Codex도 적극적으로 활용하고 있습니다. 결국 특정 모델 하나를 고집하기보다는 작업의 성격, 모델 성능, 비용 등을 고려해서 적절한 모델과 서비스를 선택하는 것 이 좋다고 생각합니다. 감사합니다! 😊
Q&A
안녕하세요 사용자27님, 18강은 단순히 성능이 좋은 모델을 선택하는 것이 아니라, 모델의 크기, 하드웨어 사양, 양자화 수준, 사용 목적 등을 고려하여 자신에게 적합한 모델을 선택하는 방법 을 설명하려는 의도로 구성했습니다. 다만 제목에 비해 설명이 부족하게 느껴지셨을 수 있을 것 같습니다. 이 부분은 향후 보충을 검토하겠습니다. 말씀하신 것처럼 로컬 LLM의 장점 중 하나는 외부 API 호출이나 추가 구독료 없이 자신의 컴퓨터에서 모델을 실행할 수 있다는 점입니다. 다만 모델에 따라 하드웨어 성능과 메모리 제약이 있고, 클라우드 모델과 성능 차이도 있을 수 있습니다. 참고로 강의 뒷부분에는 Ollama Cloud를 사용하는 실습도 포함되어 있습니다. 로컬 환경뿐 아니라 클라우드 모델을 활용하는 방법도 경험해 보실 수 있습니다. 다만 Ollama Cloud는 사용량과 요금 정책에 따라 소량의 비용이 발생할 수 있습니다. 저 같은 경우에는 ChatGPT를 사용해서 이미지를 생성하고, 그것들을 로컬에 자동으로 다운 받게 만든 후, Local LLM에서 사용하고 있습니다. 이미지 생성의 경우에는 ComfyUI 를 활용하면 로컬 PC에서도 이미지 생성 모델을 실행할 수 있습니다. 다만 현재 강의에는 ComfyUI를 이용한 이미지 생성 실습은 포함되어 있지 않습니다. 소중한 피드백 감사드리며, 앞으로 강의를 보완하는 데 참고하겠습니다. 감사합니다!
Q&A
안녕하세요 사용자27님! 구형 맥미니에서도 충분히 로컬 LLM을 실행할 수 있습니다. 다만 맥미니의 칩셋(Intel/M1/M2 등)과 메모리 용량 에 따라 실행 가능한 모델과 속도가 달라집니다. 최소한의 권장 사양은 다음과 같습니다. Apple Silicon(M1 이상), RAM 8GB: 1B~3B 정도의 소형 모델부터 시작하는 것을 추천합니다. RAM 16GB: 7B~8B 모델도 양자화 버전(Q4)으로 실행해 볼 수 있습니다. Intel 맥미니: 실행은 가능하지만 속도가 상당히 느릴 수 있어 작은 모델을 추천합니다. 처음 시작하신다면 LM Studio나 Ollama를 설치하고 1B~3B 모델부터 테스트 해 보시면 좋겠습니다. 감사합니다.
Q&A
안녕하세요! 수업 잘 듣고 계신다니 감사합니다. 😊 여기서 말하는 Graph는 막대그래프 같은 차트가 아니라, 작업 간의 관계와 연결을 나타내는 구조 를 의미합니다. 예를 들어 Claude Code가 여러 작업을 수행할 때, Loop Engineering : 작업 → 결과 확인 → 수정 → 다시 실행하는 반복 구조 Graph Engineering : 작업 A가 끝나면 B와 C를 실행하고, 두 작업이 모두 끝나면 D를 실행하는 구조 즉, Loop가 반복 에 초점을 맞춘다면, Graph는 작업 간의 의존성과 실행 흐름 에 초점을 맞춘 개념입니다. 쉽게 말해 여러 AI 작업을 어떤 순서로 연결하고 실행할지 설계하는 것이라고 이해하시면 됩니다! 감사합니다!
Q&A
안녕하세요. 네 로컬 LLM에 대한 강의는 https://inf.run/oKaba 로 가시면 확인하실 수 있습니다.
Q&A
안녕하세요 adia03125님, 좋은 질문 감사합니다! 😊 Vercel 관련 파일은 강의에 있는 파일을 반드시 그대로 따라 작성해야 하는 것은 아닙니다. 강의에서는 동작 원리를 이해하고 실습 결과를 일정하게 맞추기 위해 예제 파일을 사용한 것이고, 실제 프로젝트에서는 Claude Code에게 현재 프로젝트 구조와 "Vercel에 배포할 수 있도록 필요한 설정을 만들어줘"라고 요청해서 생성하도록 해도 됩니다. 처음 사용하신다면 강의의 파일을 참고해서 진행하시는 것도 좋은 방법입니다. 이후 다른 프로젝트에서 사용할 때는 강의 파일 전체를 매번 예제로 줄 필요는 없고, 보통은 Claude Code에게 현재 프로젝트를 분석하게 한 뒤 Vercel 배포에 필요한 설정을 추가해달라고 요청하면 됩니다. 예를 들어, "이 프로젝트를 Vercel에 배포하려고 해. 현재 프로젝트 구조를 확인하고 필요한 Vercel 설정 파일과 설정값을 만들어줘. 기존 코드에 불필요한 변경은 하지 말아줘." 정도로 요청하셔도 됩니다. 다만 Claude Code가 만들어준 설정을 무조건 그대로 사용하는 것보다는, vercel.json이나 환경 변수, build command 같은 주요 설정이 어떤 의미인지 한 번 확인하고 배포하는 것을 권장드립니다. 강의에서 Vercel 부분을 다룬 이유도 결국 파일 자체를 외우기보다는 이런 설정이 왜 필요한지를 이해하는 데 있습니다. 처음 Vercel을 접하시면 조심스럽게 느껴지는 게 당연합니다. 강의 예제로 먼저 한번 배포해보신 뒤, 다른 작은 프로젝트에서 Claude Code에게 설정을 직접 생성하게 해보시면 금방 감이 오실 것 같습니다. 감사합니다!
Q&A
안녕하세요 남승호님, 피드백 감사합니다. 말씀해 주신 부분 충분히 이해됩니다. 제가 강의에서 Claude를 발음할 때 ‘Cloud’처럼 들릴 수 있는 부분 이 있는 것 같습니다. 앞으로 녹화하는 강의에서는 ‘Claude’가 좀 더 명확하게 들릴 수 있도록 발음에 신경 쓰겠습니다. 기존 영상도 수정할 수 있는 부분이 있는지 확인해 보겠습니다. 세심하게 피드백 남겨주셔서 감사합니다!
Q&A
안녕하세요, 김병두님. 먼저 강의 수강에 불편을 드려 죄송합니다. 조금이라도 도움이 되실 수 있도록 "[최신 버전] 구글 Colab을 사용해서 바로 시작하기" 라는 제목으로, 별도의 Python 설치 없이 Google Colab을 이용해 바로 파이썬을 시작하는 방법을 새롭게 올려두었습니다. 강의를 수강하시는 데 도움이 되셨으면 좋겠습니다. 혹시 진행하시면서 추가로 어려운 부분이 있으시면 언제든 편하게 말씀해주세요. 감사합니다.
Q&A
안녕하세요, 김병두님. 먼저 강의 수강에 불편을 드려 죄송합니다. 조금이라도 도움이 되실 수 있도록 "[최신 버전] 구글 Colab을 사용해서 바로 시작하기" 라는 제목으로, 별도의 Python 설치 없이 Google Colab을 이용해 바로 파이썬을 시작하는 방법을 새롭게 올려두었습니다. 강의를 수강하시는 데 도움이 되셨으면 좋겠습니다. 혹시 진행하시면서 추가로 어려운 부분이 있으시면 언제든 편하게 말씀해주세요. 감사합니다.
Q&A
안녕하세요, 김병두님. 먼저 강의 수강에 불편을 드려 죄송합니다. 조금이라도 도움이 되실 수 있도록 "[최신 버전] 구글 Colab을 사용해서 바로 시작하기" 라는 제목으로, 별도의 Python 설치 없이 Google Colab을 이용해 바로 파이썬을 시작하는 방법을 새롭게 올려두었습니다. 강의를 수강하시는 데 도움이 되셨으면 좋겠습니다. 혹시 진행하시면서 추가로 어려운 부분이 있으시면 언제든 편하게 말씀해주세요. 감사합니다.
