본문으로 건너뛰기

용어집

용어집

장마다 나온 용어를 한곳에 모았습니다. 위의 찾기 칸에 낱말을 넣으면 그 줄만 남습니다.

용어 찾기

1차시 · 과정 이해와 RAG 개요

용어	설명
`RAG (Retrieval- Augmented Generation)`	문서 검색 + AI 답변을 결합하는 기술. 인터넷 없이도 최신 정보 활용이 가능합니다.
`LangGraph`	AI 워크플로를 그래프 구조로 설계하는 프레임워크. 복잡한 AI 시스템을 단순하게 만들어줍니다.
`Modular RAG`	RAG를 검색·생성·검증 등으로 나누어 설계하는 방식. 각 부분을 독립적으로 개선할 수 있습니다.
`State, Node, Edge`	그래프의 3가지 기본 요소. 데이터 흐름을 시각적으로 표현합니다.

2차시 · 생성형 AI와 RAG의 관계

용어	설명
`LLM (Large Language Model)`	ChatGPT 같은 큰 언어 모델. 텍스트를 생성하고 질문에 답변하는 AI입니다.
`Prompt (프롬프트)`	AI에게 주는 명령어나 질문. "우리 회사의 매출은?"이 프롬프트입니다.
`Token (토큰)`	AI가 이해하는 최소 단위. 한국어 한 글자가 약 1-2개의 토큰입니다.
`Context (문맥)`	AI 답변에 참고할 추가 정보. RAG에서 검색한 문서가 Context입니다.
`Prompt Engineering (프롬프트 엔지니어링)`	AI에게 더 잘 지시하기 위해 프롬프트를 설계하는 기술. 답변 품질을 크게 향상시킬 수 있습니다.

3차시 · RAG 기본 구조 깊이 있게 이해하기

용어	설명
`Ingestion`	문서를 프로그램으로 불러오는 과정. PDF, 텍스트 파일, 웹페이지 등 다양한 형식의 문서를 읽어들입니다.
`Chunking`	큰 문서를 작은 조각으로 나누는 과정. 예를 들어 100페이지 책을 1-2페이지씩 끊어서 관리합니다.
`Embedding`	텍스트를 숫자 배열(벡터)로 변환하는 과정. "안녕하세요"를 [0.2, -0.5, 0.8, …] 같은 숫자로 표현합니다.
`Vector DB`	임베딩된 벡터들을 저장하고 검색하는 데이터베이스. 텍스트가 아니라 숫자 벡터를 저장합니다.
`Similarity Search`	사용자의 질문도 벡터로 바꾼 후, 저장된 벡터들 중 가장 유사한 것들을 찾는 검색 방법입니다.
`Context Window`	AI에게 한 번에 전달할 수 있는 최대 텍스트 양. 예: ChatGPT는 약 4,000토큰을 한 번에 처리할 수 있습니다.

4차시 · 실습 환경 구축

용어	설명
`Python`	우리가 사용할 프로그래밍 언어. 설치하면 컴퓨터에서 .py 파일을 실행할 수 있습니다.
`Virtual Environment (가상환경)`	프로젝트별로 독립적인 Python 환경. A 프로젝트에서 라이브러리를 설치해도 B 프로젝트에 영향을 주지 않습니다.
`pip`	Python 라이브러리를 설치하는 도구입니다. "pip install 패키지명" 형태로 사용합니다.
`LangChain`	RAG를 쉽게 만들기 위한 Python 라이브러리. 문서 로딩, 분할, 임베딩 등을 간단하게 해줍니다.
`Terminal CMD`	명령어를 입력해서 컴퓨터를 조종하는 검은 화면. Windows는 CMD, Mac/Linux는 Terminal입니다.
`IDE`	Integrated Development Environment(통합 개발 환경). VSCode, PyCharm 같은 코드 편집기입니다.

5차시 · LangChain 입문

용어	설명
`LangChain`	Language Model(LLM)을 사용한 애플리케이션을 쉽게 개발하게 해주는 프레임워크
`Document Loader`	파일(PDF, TXT, DOCX 등)을 읽어서 LangChain이 처리할 수 있는 형태로 변환하는 도 구
`Text Splitter`	큰 문서를 작은 chunks로 나누는 도구. Chunking을 자동으로 처리합니다.
`Prompt Template`	변수를 포함한 프롬프트 틀. 나중에 값을 채워 넣을 수 있습니다.

6차시 · 문서 로딩 실습

용어	설명
`Ingestion`	원본 문서를 읽어 프로그램이 다룰 수 있는 텍스트로 바꾸는 단계. RAG 5단계 중 첫 번째입니다.
`Loader`	파일 형식에 맞게 문서를 읽어주는 도구. 형식마다 전용 로더가 있습니다.
`Document`	LangChain이 문서 한 조각을 담는 표준 상자. 본문과 부가정보 두 칸으로 되어 있습니다.
`page_content`	Document 안의 실제 텍스트 내용.
`metadata`	파일 경로 · 페이지 번호 같은 부가정보. 출처 표시에 쓰입니다.
`OCR`	이미지 속 글자를 텍스트로 바꾸는 기술. 스캔 PDF에 필요합니다.

7차시 · 텍스트 분할 이해

용어	설명
`Chunking`	긴 문서를 작은 조각으로 나누는 작업. RAG 5단계 중 두 번째입니다.
`Chunk`	잘라낸 조각 하나. 앞으로 검색의 최소 단위가 됩니다.
`chunk_size`	조각 하나의 최대 길이(문자 수).
`chunk_overlap`	앞 조각의 끝부분을 다음 조각 앞에 겹쳐 넣는 길이.
`separators`	자를 위치를 찾는 기준 문자. 문단 → 줄 → 문장 순으로 시도합니다.
`컨텍스트 창`	LLM에 한 번에 넣을 수 있는 최대 분량. 2차시에서 배웠습니다.

8차시 · 첫 번째 RAG 실습

용어	설명
`인덱싱`	문서를 읽고 잘라 벡터로 만들어 저장하는 준비 작업. 딱 한 번만 합니다.
`질의`	질문이 들어올 때마다 실행되는 검색·생성 과정.
`Embeddings`	텍스트를 숫자 벡터로 바꾸는 모델. 9차시에서 자세히 배웁니다.
`Vector Store`	벡터를 저장하고 빠르게 검색해주는 저장소. 10차시에서 자세히 배웁니다.
`Context`	LLM에게 근거로 넘기는 문서 조각 묶음.
`Top-K`	검색해서 가져올 조각의 개수. 오늘은 3으로 시작합니다.

9차시 · 임베딩 이해

용어	설명
`임베딩`	텍스트를 숫자 벡터로 바꾸는 것. 의미를 좌표로 옮기는 작업입니다.
`벡터`	숫자들의 목록. [0.21, -0.88, 0.05, ...] 형태입니다.
`차원`	벡터에 들어 있는 숫자의 개수. 1536개면 1536차원입니다.
`코사인 유사도`	두 벡터가 이루는 각도로 유사도를 재는 방법. 1에 가까울수록 비슷합니다.
`의미 공간`	비슷한 뜻의 문장이 서로 가까이 모이는 가상의 지도.
`의미 검색`	단어가 겹치지 않아도 뜻으로 찾아내는 검색 방식.

10차시 · 벡터저장소 이해

용어	설명
`Vector Store`	벡터를 저장하고 빠르게 검색해주는 데이터베이스.
`인덱스`	빠르게 찾을 수 있도록 미리 구조화해둔 자료. 책 뒤의 '찾아보기'와 같습니다.
`ANN`	Approximate Nearest Neighbor. '거의 가까운 것'을 훨씬 빠르게 찾는 방식.
`Top-K`	가장 가까운 것 K개를 가져오는 설정.
`영속화`	메모리에 있는 인덱스를 디스크 파일로 저장하는 것.
`FAISS`	Meta가 만든 로컬 벡터 검색 라이브러리. 이 과정의 기본 저장소입니다.

11차시 · Retriever 기초 실습

용어	설명
`Retriever`	무엇으로 검색하든 동일하게 호출할 수 있게 감싼 표준 부품.
`search_type`	검색 방식. similarity · mmr · similarity_score_threshold 중 선택.
`MMR`	Maximal Marginal Relevance. 가까우면서도 서로 다른 조각을 고 르는 방식.
`fetch_k`	MMR이 후보로 먼저 가져올 개수. k보다 크게 잡습니다.
`filter`	metadata 조건으로 검색 범위를 제한하는 옵션.
`Context`	검색 결과를 이어 붙여 LLM에 넘기는 근거 문자열.

12차시 · RAG 품질 문제

용어	설명
`검색 실패`	정답이 담긴 조각을 아예 못 찾아온 경우.
`문맥 부족`	관련 조각은 왔지만 정답에 필요한 부분이 잘려나간 경우.
`환각`	근거가 충분한데도 LLM이 자기 지식으로 지어낸 경우.
`노이즈 혼입`	관련 없는 조각이 섞여 답이 흐려진 경우.
`진단`	증상을 보고 어느 단계에서 무너졌는지 밝히는 과정.
`실패 사례`	틀린 답이 나온 질문과 그 원인을 정리한 기록.

13차시 · 프롬프트 최적화

용어	설명
`4단 구조`	역할 → 규칙 → 자료 → 질문 순서의 프롬프트 구성.
`제약(Constraint)`	모델이 해서는 안 되는 것을 명시한 규칙.
`Grounding`	답변을 주어진 근거 안에 묶어두는 것.
`인용(Citation)`	답변 문장에 [1] [2] 형태로 근거 번호를 표시하는 것.
`과잉 거부`	답할 수 있는 질문까지 "모른다"고 답해버리는 현상.
`프롬프트 버전 관리`	프롬프트를 파일로 분리해 실험·비교·롤백할 수 있게 하는 것.

14차시 · 성능 비교 실습

용어	설명
`기준선(Baseline)`	개선 전 현재 상태의 성능. 비교의 출발점입니다.
`통제 변인`	실험 중에 바꾸지 않고 고정해두는 조건.
`조작 변인`	이번 실험에서 바꿔보는 딱 하나의 값.
`정답률`	테스트 질문 중 올바르게 답한 비율.
`토큰 비용`	질문 하나를 처리하는 데 든 토큰 수. 비용·속도와 직결됩니다.
`재현성`	같은 조건으로 다시 돌렸을 때 같은 결과가 나오는 성질.

15차시 · 기본 RAG 앱 만들기

용어	설명
`모듈`	하나의 역할만 담당하는 독립된 파일.
`관심사 분리`	설정·데이터·로직·화면을 각각 나누는 설계 원칙.
`진입점(Entry Point)`	프로그램이 시작되는 지점. 여기서는 app.py입니다.
`단일 인터페이스`	외부에서는 함수 하나만 부르면 되도록 감추는 것.
`예외 처리`	오류가 나도 프로그램이 중단되지 않게 대비하는 것.
`Streamlit`	파이썬만으로 웹 화면을 만드는 라이브러리.

16차시 · 1부 종합정리

용어	설명
`준비 단계`	수집, 분할, 임베딩의 앞 세 칸입니다. 문서가 바뀔 때만 다시 돌립니다.
`질의 단계`	검색과 생성의 뒤 두 칸입니다. 질문이 올 때마다 돕니다.
`백지 재구성`	교재와 코드를 덮고 파이프라인 그림과 코드 뼈대를 스스로 다시 써 보는 복습법입니다.
`구술 설명`	RAG가 무엇인지 3분 동안 말로 설명해 보는 것입니다. 막히는 지점이 아직 모르는 지점입니다.
`미니과제`	새 문서로 30분 안에 여섯 가지 요건을 갖춘 RAG를 만드는 1부의 최종 시험입니다.
`막힌 지점 기록`	미니과제 중 기억나지 않던 것을 적은 목록입니다. 그대로 복습 계획이 됩니다.
`1부 자산`	RAG 코드 4종, config.py, 평가용 질문 20개, 실패 사례, 기준선 기록처럼 2·3부에서 다시 쓰는 결과물입니다.
`State · Node · Edge`	2부에서 RAG를 다시 조립하는 세 부품입니다. 공유 데이터, 작업 단위, 연결선을 뜻합니다.

17차시 · LangGraph 입문

용어	설명
`Graph`	점(Node)과 선(Edge)으로 이루어진 흐름도입니다. 지도와 친구 관계도 Graph입니다.
`Node`	한 가지 일을 하는 함수입니다. State를 받아 바꾼 칸만 돌려줍니다.
`Edge`	한 노드가 끝난 뒤 다음에 갈 노드를 정하는 연결선입니다.
`State`	노드들이 함께 읽고 쓰는 딕셔너리입니다. 교실의 공책 같은 메모판입니다.
`조건부 Edge`	함수가 State를 보고 다음 노드 이름을 골라 주는 갈림길입니다.
`START와 END`	그래프의 시작 표시와 끝 표시입니다.
`compile과 invoke`	compile은 연결을 확정해 실행 앱을 만들고, invoke는 처음 State를 넣어 END까지 돌립니다.
`recursion_limit`	같은 구간을 너무 많이 돌면 멈추게 하는 반복 상한입니다.

18차시 · State 이해

용어	설명
`State`	그래프 실행 내내 모든 노드가 함께 읽고 쓰는 데이터 묶음.
`TypedDict`	어떤 키가 어떤 타입인지 미리 선언하는 파이썬 문법.
`부분 반환`	노드가 자신이 바꾼 키만 딕셔너리로 돌려주는 규칙.
`Reducer`	같은 키가 여러 번 반환될 때 합치는 방법을 정하는 함수.
`Annotated`	타입에 Reducer 같은 부가 정보를 붙이는 문법.
`스키마`	State에 어떤 키들이 있는지 정의한 설계도.

19차시 · Node 이해

용어	설명
`Node`	State를 받아 변경분을 딕셔너리로 반환하는 함수.
`단일 책임`	하나의 노드는 한 가지 일만 한다는 설계 원칙.
`순수 함수`	외부 상태를 건드리지 않고 입력에만 의존하는 함수.
`단독 테스트`	그래프 없이 노드 함수만 직접 호출해 검증하는 것.
`읽는 키 쓰는 키`	노드가 State에서 꺼내 쓰는 값과 새로 채우는 값.
`add_node`	그래프에 노드를 이름과 함께 등록하는 메서드.

20차시 · Edge 이해

용어	설명
`Edge`	노드와 노드를 잇는 연결선. 다음에 어디로 갈지를 정합니다.
`일반 Edge`	조건 없이 무조건 다음 노드로 가는 연결.
`조건부 Edge`	판단 함수의 결과에 따라 다른 노드로 가는 연결.
`분기 함수`	State를 보고 경로 이름(문자열)을 반환하는 함수.
`경로 맵`	분기 함수의 반환값과 실제 노드를 짝지은 딕셔너리.
`START END`	그래프의 시작점과 종료점을 나타내는 특수 노드.

21차시 · 첫 번째 LangGraph 실습

용어	설명
`compile()`	노드와 엣지를 다 연결한 뒤 실행 가능한 앱으로 만드는 것.
`invoke()`	그래프를 끝까지 실행하고 최종 State만 반환.
`stream()`	노드가 실행될 때마다 중간 결과를 순차적으로 반환.
`더미(dummy) 데이 터`	실제 API 대신 쓰는 가짜 데이터. 구조 검증용.
`recursion_limit`	노드 실행 횟수 상한. 무한루프 비상 브레이크.
`stream_mode`	stream이 무엇을 돌려줄지 정하는 옵션.

22차시 · RAG를 Graph로 바꾸기

용어	설명
`이식(Migration)`	기존 코드를 새 구조로 옮기는 작업. 기능은 그대로 둡니다.
`동작 동등성`	구조를 바꿔도 같은 입력에 같은 결과가 나오는 것.
`회귀 테스트`	변경 후에도 기존 기능이 그대로인지 확인하는 테스트.
`확장 지점`	앞으로 노드를 추가할 예정인 자리.
`마일스톤`	과정 중 눈에 보이는 결과물이 완성되는 지점.

23차시 · Modular RAG 개념

용어	설명
`Modular RAG`	각 단계를 독립 부품으로 만들고 그래프로 조립하는 설계 방식.
`Retriever`	근거 확보만 책임지는 모듈.
`Generator`	답변 작성만 책임지는 모듈.
`Verifier`	답변 품질 판정만 책임지는 모듈.
`Router`	판정 결과를 보고 다음 흐름을 정하는 분기 함수.
`인터페이스(계약)`	모듈이 State에서 무엇을 읽고 무엇을 쓰는지 정한 약속.

24차시 · Retriever Node 분리

용어	설명
`독립 모듈`	외부 변수 없이 State만으로 동작하는 노드.
`retrieval_ok`	검색이 쓸 만한 결과를 냈는지 나타내는 불리언.
`scores`	각 조각의 유사도 점수 목록. 판단 근거로 씁니다.
`동적 옵션`	실행 중에 State로 전달받아 바뀌는 검색 설정.
`점진적 확대`	재검색 시 k를 늘려 더 넓게 찾는 전략.
`단독 테스트`	그래프 없이 노드 함수만 호출해 검증하는 것.

25차시 · Generator Node 분리

용어	설명
`캡슐화`	프롬프트·모델·파서를 하나로 묶어 외부에 감추는 것.
`insufficient`	근거가 부족하다고 생성 노드가 스스로 신고하는 플래그.
`has_citation`	답변에 유효한 출처 번호가 들어 있는지 여부.
`자가 점검`	노드가 자기 출력의 품질을 스스로 확인하는 것.
`피드백 반영`	재생성 시 이전 검증 실패 이유를 프롬프트에 넣는 것.
`프롬프트 버전`	v1·v2·v3처럼 이름을 붙여 관리하는 프롬프트.

26차시 · Verifier Node 설계

용어	설명
`LLM-as-Judge`	LLM에게 심판 역할을 시켜 답변을 평가하게 하는 기법.
`Grounded`	답변의 모든 주장이 근거 안에 있는 상태.
`Relevant`	답변이 실제로 질문에 대답하고 있는 상태.
`구조화 출력`	JSON 등 정해진 형식으로 결과를 받는 것.
`2단 검증`	규칙으로 1차 거르고 통과분만 LLM에 보내는 방식.
`grade`	검증 판정 결과. pass retry research 등.

27차시 · 기본 Modular RAG 구현

용어	설명
`재생성 루프`	검증 실패 시 같은 근거로 답변을 다시 만드는 흐름.
`재시도 상한`	루프가 몇 번까지 돌 수 있는지 정한 한계.
`bump 노드`	재시도 카운터를 올리는 전용 노드.
`안전 종료`	상한 도달 시 현재 결과로 정상 종료하는 것.
`실행 추적`	어느 노드를 어떤 순서로 지났는지 기록하는 것.
`마일스톤`	눈에 보이는 결과물이 완성되는 지점.

28차시 · Conditional Edge 이해

용어	설명
`분기 함수`	State를 읽고 다음 경로 이름을 반환하는 함수.
`부수 효과`	반환값 외에 외부 상태를 바꾸는 것. 분기 함수에서는 금지.
`결정성`	같은 입력이면 항상 같은 결과가 나오는 성질.
`기본 경로`	어떤 조건에도 안 걸렸을 때 가는 곳.
`질문 유형 라우팅`	질문 종류를 먼저 분류해 다른 처리로 보내는 것.
`조건표`	경로와 조건을 표로 정리한 설계 문서.

29차시 · Conditional Edge 실습

용어	설명
`intent`	질문의 의도·유형. 분류 노드가 State에 기록합니다.
`2단 분류`	규칙으로 1차 거르고 애매한 것만 LLM에 보내는 방식.
`다중 분기`	세 갈래 이상으로 갈라지는 조건부 Edge.
`세부 라우팅`	실패 사유에 따라 처방을 나누는 분기.
`경로 비용`	각 경로가 소비하는 LLM 호출 횟수.
`단축 경로`	검색·생성을 건너뛰고 바로 응답하는 경로.

30차시 · 질의 재작성 및 재검색

용어	설명
`Query Rewriting`	검색이 잘 되도록 질문을 다시 표현하는 기법.
`재검색 루프`	질의를 고쳐 retrieve로 되돌아가는 흐름.
`어휘 불일치`	사용자 표현과 문서 표현이 달라 검색이 실패하는 현상.
`tried_queries`	지금까지 시도한 질의 목록. 중복 시도를 막습니다.
`HyDE`	가상의 답변을 만들어 그것으로 검색하는 고급 기법.
`rewrite 상한`	질의 재작성을 몇 번까지 할지 정한 한계.

31차시 · 예외 처리 설계

용어	설명
`부분 실패`	일부 단계가 실패해도 나머지 결과로 응답하는 것.
`Graceful Degradation`	품질을 낮추더라도 서비스를 유지하는 전략.
`Fallback 계층`	실패 상황별로 다른 안내를 주는 구조.
`타임아웃`	일정 시간이 지나면 응답을 포기하는 설정.
`불확실성 표시`	검증되지 않은 답변임을 사용자에게 알리는 것.
`구조화 로그`	나중에 집계·분석할 수 있는 형태로 남기는 기록.

32차시 · 고도화된 Modular RAG

용어	설명
`통합`	따로 만든 모듈을 하나의 시스템으로 합치는 작업.
`회귀 테스트`	변경 후에도 기존 기능이 유지되는지 확인하는 테스트.
`경로 커버리지`	모든 분기 경로가 최소 한 번씩 실행됐는지 확인하는 것.
`성능 프로파일`	노드별 소요 시간과 호출 횟수를 정리한 자료.
`아키텍처 문서`	시스템 구조와 설계 근거를 남긴 문서.
`마일스톤 4`	3부의 최종 결과물.

33차시 · Modular RAG 최적화

용어	설명
`프로파일링`	어느 단계가 시간·비용을 얼마나 쓰는지 측정하는 것.
`모델 티어링`	작업 난이도에 따라 다른 등급의 모델을 쓰는 전략.
`Re-ranking`	검색 결과를 다시 정렬해 상위 몇 개만 쓰는 기법.
`Cross-Encoder`	질문과 문서를 함께 보고 관련도를 매기는 모델.
`시맨틱 캐시`	비슷한 질문이면 이전 답변을 재사용하는 캐시.
`병목`	전체 성능을 제한하는 가장 느린 지점.

34차시 · RAG 평가 개요

용어	설명
`Precision`	가져온 것 중 관련 있는 것의 비율. "쓸데없는 걸 안 가져왔나"
`Recall`	관련 있는 것 중 가져온 것의 비율. "놓친 게 없나"
`MRR`	정답이 몇 번째로 나왔는지 평가하는 지표.
`Faithfulness`	답변이 근거에 충실한 정도. 환각의 반대말.
`Answer Relevancy`	답변이 질문에 얼마나 맞는지.
`Golden Set`	정답이 확정된 평가용 질문 모음.

35차시 · 평가 데이터셋 구축

용어	설명
`Golden Set`	정답이 확정된 평가용 질문 모음. 평가의 기준입니다.
`라벨링`	각 질문에 정답과 근거 위치를 표시하는 작업.
`ground truth`	정답. 평가의 비교 기준이 되는 참값.
`부재 질문`	문서에 답이 없는 질문. "모른다"고 답해야 정답입니다.
`데이터 누출`	평가 데이터로 시스템을 튜닝해 점수가 부풀려지는 현상.
`Holdout`	튜닝에 쓰지 않고 최종 검증용으로 남겨두는 데이터.

36차시 · 평가 실습

용어	설명
`Hit Rate@k`	상위 k개 안에 정답 근거가 있는 질문의 비율.
`MRR`	정답 순위의 역수 평균. 1위면 1.0, 3위면 0.33.
`Faithfulness`	답변이 근거에 충실한 정도.
`Correctness`	최종 답변이 정답과 일치하는 정도.
`Abstention`	부재 질문에 "모른다"고 올바르게 답한 비율.
`평가 리포트`	측정 결과를 표와 분석으로 정리한 문서.

37차시 · 루브릭 설계

용어	설명
`루브릭(Rubric)`	평가 항목과 수준별 기준을 표로 정리한 채점표.
`평가 항목`	무엇을 볼 것인가. 정확성 · 근거성 · 완결성 등.
`수준 기술`	각 점수대가 어떤 상태인지 구체적으로 적은 설명.
`가중치`	항목별 중요도. 합이 100%가 되게 배분합니다.
`평가자 간 일치도`	서로 다른 채점자가 같은 점수를 주는 정도.
`합격선`	통과로 인정하는 최소 점수.

38차시 · 미니프로젝트 ① 주제 선정과 설계

용어	설명
`범위 정의`	무엇을 하고 무엇을 안 할지 명확히 정하는 것.
`MVP`	Minimum Viable Product. 동작하는 최소 결과물.
`요구사항 정의서`	시스템이 만족해야 할 조건을 정리한 문서.
`Scope Creep`	진행 중에 범위가 계속 늘어나 완성이 미뤄지는 현상.
`Definition of Done`	"완료"로 인정하는 기준.
`포트폴리오`	역량을 보여주는 결과물 모음.

39차시 · 미니프로젝트 ② 구현과 개선

용어	설명
`MIN_SCORE`	검색 점수가 이 값보다 낮은 조각은 버리는 경계입니다. 문서가 바뀌면 다시 잽니다.
`WEAK_MARGIN`	MIN_SCORE 바로 위의 애매한 구간 폭입니다. 이 구간에 든 결과는 weak 로 보고 재검색을 고려합니다.
`Hit Rate@k`	정답 페이지가 검색 결과 상위 k 개 안에 들어온 질문의 비율입니다.
`MRR`	정답이 처음 나온 순위의 역수를 평균한 값입니다. 정답이 위에 있을수록 1에 가깝습니다.
`Dev Set과 Holdout Set`	Dev 는 보고 고치는 데 쓰는 문항, Holdout 은 마지막까지 열지 않고 최종 성능을 재는 문항입니다.
`MMR`	비슷한 조각만 몰리지 않게 관련성과 다양성을 함께 보고 고르는 검색 방식입니다.
`트레이드오프`	한 지표를 올리면 다른 지표가 내려가는 관계입니다. 루브릭 가중치로 받아들일지 정합니다.
`장애 주입 테스트`	잘못된 키, 빈 질문 같은 문제를 일부러 넣어 프로그램이 멈추지 않는지 보는 시험입니다.

40차시 · 발표와 정리

용어	설명
`Holdout Set`	튜닝하는 동안 한 번도 보지 않고 떼어 둔 평가 문항입니다. 마지막에 열어 최종 성능을 잽니다.
`데이터 누출`	평가 문항을 보고 설정을 고쳐 점수가 부풀려지는 일입니다. Dev 와 Holdout 의 차이로 크기를 가늠합니다.
`README`	프로젝트 폴더 맨 앞에 두는 설명서입니다. 무엇을 하는지, 성능, 구조, 실행법, 한계를 적습니다.
`구조도`	노드와 분기를 한 장에 그린 그림입니다. 발표에서는 코드 대신 이것을 보여 줍니다.
`알려진 한계`	목표에 못 미친 지표나 처리하지 못하는 경우를 미리 적어 둔 목록입니다.
`부재 질문 시연`	문서에 없는 질문을 넣어 시스템이 모른다고 답하는 모습을 보여 주는 것입니다.
`회고`	지난 과정을 돌아보며 어려웠던 점, 유용했던 개념, 다음에 할 일을 정리하는 일입니다.