From Dev.to Community
Tech Articles
Curated developer articles, tutorials, and guides � auto-updated hourly
I Want To Learn Programming4d ago • 2 min read
Encoding vs encryption vs hashing, explained simply
Encoding, encryption, and hashing get confused constantly, and the confusion causes real security...
#cybersecurity#security#fundamentals
1 2
HyunSeok JeongJun 6, 2026 • 2 min read
광고 측정 데이터 흐름 — impression부터 BI 대시보드까지
광고 임프레션이 일어난 순간부터 BI 대시보드의 ROAS 한 숫자가 되기까지, 데이터는 5개 레이어를 거칩니다. 각 레이어의 역할·자주 깨지는 자리·운영 표준을 한 글로. 시리즈 ...
#datapipeline#bi#measurement#fundamentals
0 0
HyunSeok JeongJun 6, 2026 • 1 min read
Cross-validation 기초 — 진짜 모델 성능을 측정하는 자리
학습 정확도 95% / 운영 정확도 60%의 함정은 검증 분할이 잘못됐기 때문입니다. cross-validation은 같은 데이터를 여러 번 쪼개 학습·평가해 진짜 일반화 능력을 ...
#crossvalidation#kfold#fundamentals#evaluation
0 0
HyunSeok JeongJun 6, 2026 • 2 min read
fine-tuning vs RAG vs prompting — 같은 LLM을 다르게 쓰는 세 도구의 분기
같은 LLM을 우리 자리에 맞게 쓰는 길이 세 갈래입니다 — prompting(지시), RAG(외부 검색), fine-tuning(모델 자체 변경). 비용·속도·정확도가 모두 다릅...
#finetuning#rag#prompting#fundamentals
0 0
HyunSeok Jeong6d ago • 2 min read
RTB와 입찰 — 0.1초에 일어나는 광고 경매의 모든 것
디지털 광고는 매 임프레션마다 0.1초 안에 경매가 일어납니다. RTB(Real-Time Bidding)의 흐름·입찰가가 결정되는 메커니즘·마케터가 운영에서 만지는 자리를 한 글로...
#rtb#bidding#realtimebidding#fundamentals
0 0
HyunSeok JeongJun 6, 2026 • 2 min read
트랜스포머 직관 — attention이 LLM의 핵심이 된 이유
"트랜스포머·attention"이라는 단어가 LLM 글에 늘 나옵니다. 정확히 뭐냐고 물으면 답하기 어렵죠. 마케터가 알아야 할 단 한 가지 직관 — "어느 단어가 어느 단어를 보...
#transformer#attention#fundamentals#llm
0 0
HyunSeok Jeong6d ago • 2 min read
임베딩이란 뭔가 — 단어가 숫자가 되는 자리, 마케터를 위한 직관
"임베딩"이라는 단어가 자주 나오는데 정확히 뭔지 한 번도 안 들여다보면 RAG·추천·검색이 늘 신비로 남습니다. 단어·문장·이미지가 어떻게 숫자 벡터가 되고 그 벡터로 무엇을 할...
#embedding#fundamentals#vector#similarity
0 0
HyunSeok JeongJun 6, 2026 • 2 min read
LLM이 어떻게 답을 만드는가 — 토큰·다음 단어 예측·temperature 기초 체력
GPT·Claude·Gemini가 답을 어떻게 만드는지 한 번도 안 들여다보면 LLM 활용이 늘 신비로 남습니다. 토큰화·다음 단어 예측·temperature·top-p의 4가지 ...
#llm#tokenization#temperature#fundamentals
0 0
HyunSeok Jeong6d ago • 2 min read
Overfitting과 정규화 — 외운 모델 vs 일반화하는 모델
학습 데이터에서 99% 정확도, 새 데이터에서 60% — 가장 흔한 ML 함정 overfitting입니다. 모델이 데이터를 외운 자리. L1·L2·Dropout·Early Stop...
#overfitting#regularization#fundamentals#generalization
0 0
HyunSeok JeongJun 6, 2026 • 2 min read
LLM 환각이 일어나는 이유 — 자신 있게 틀린 답을 하는 자리의 이해
LLM은 모르는 자리에서 "모릅니다" 대신 그럴듯한 거짓을 만들어냅니다. 이 환각(hallucination)의 원인은 LLM이 통계적 토큰 예측기라는 본질에 있습니다. 왜 일어나는...
#hallucination#llm#fundamentals#safety
0 0
HyunSeok JeongJun 6, 2026 • 2 min read
회귀와 분류 — 마케터가 가장 자주 만나는 두 머신러닝 모델 가족
"이 유저의 LTV는 얼마?" "이 유저가 이탈할까?" 두 질문이 머신러닝의 두 가족 — 회귀와 분류 — 의 출발점입니다. 무엇이 다르고 어디 쓰는지·어떻게 평가하는지를 한 글로 ...
#regression#classification#fundamentals#machinelearning
0 0
HyunSeok JeongJun 6, 2026 • 1 min read
손실 함수와 학습 — 모델이 데이터에서 배우는 방식의 직관
"모델이 학습한다"의 안에서 무엇이 일어나는지 한 번도 안 들여다보면 머신러닝이 신비로 남습니다. 손실 함수·gradient descent의 한 줄 직관 — "오차를 어떻게 줄이나...
#lossfunction#gradientdescent#learning#fundamentals
0 0