AX 뜻 완전 정복 — DX 다음에 온 AI 전환이 현장을 바꾸는 3가지 방식
AX 뜻은 AI Transformation — AI를 업무 프로세스에 내재화해 일하는 방식 자체를 재설계하는 것이다. DX와의 차이, 현장을 바꾸는 3가지 방식, 도메인 지식이 AX 시대의 무기인 이유를 정리했다
QA 마인드란 무엇인가 — 최고의 QA는 고객이다, 3가지 원칙
QA 마인드란 오류를 잡는 것이 아니라 사용자 경험 전체에 책임지는 태도다. 오퍼레이터도 고객이라는 선배의 말에서 시작된 3가지 QA 원칙을 현장 엔지니어 관점으로 정리했다.
하네스 엔지니어링 — 기존 시스템을 건망증 방어막으로 전용하는 2가지 설계 원리
하네스 엔지니어링이란 기존 시스템에 내 행동을 묶어 건망증을 구조적으로 막는 설계 사고다. 출입 게이트·충전 루틴 같은 일상 속 시스템을 인터록으로 전용하는 2가지 원리를 실제 사례로 정리했다.
개체차 성능, 제조 현장 엔지니어가 반드시 이해해야 할 3가지 제어 전략 — COA·LRT로 분포를 읽는 법
개체차 성능은 공차의 확률분포에서 비롯된다. COA Chart로 납품 로트의 분포를 읽고, LRT Chart로 신뢰성을 검증하는 방법과 공차 축소·타겟값 이동·민감도 설계 3가지 제어 전략을 현장 엔지니어 관점으로 정리했다.
표본 분포 완전 정복 — 데이터가 많을수록 좋은 이유를 3가지 개념으로 잡는 법
표본 분포는 랜덤 샘플링한 표본들의 분포이며 표본이 커질수록 표본 평균이 모 평균에 수렴한다. 평균·중앙값·최빈값, 분산·표준편차, IQR·왼도·첨도까지 핵심 통계 지표를 한 번에 정리했다.
판다스 Series 완전 정복 — AI에게 맡기기 전에 반드시 알아야 할 3가지 개념
판다스 Series는 값에 인덱스 레이블을 붙인 1차원 구조다. NumPy와의 차이, Series 생성 3가지 방법, 인덱싱, 결측치 처리(isnull·notnull)까지 한 번에 정리한다.
NumPy 활용, AI에게 제대로 시키려면 개념부터 잡아야 하는 3가지 이유
numpy 활용, AI에게 맡기기 전에 개념부터 잡아야 한다. 배열 구조·인덱싱·집계·난수 생성 4단계에서 무엇을 결정해야 하는지, 그 판단을 AI 요청에 어떻게 녹이는지를 현장 엔지니어 언어로 정리했다.
AI 시대, 문제 해결 능력이 더 중요해진 3가지 이유 — 인간의 역할은 사라지지 않는다
문제 해결 능력은 AI 시대에 사라지는 역량이 아니라 오히려 더 중요해지는 인간 고유의 역량이다. LLM이 인과관계를 이해하지 못하는 구조적 이유, 퍼즐 조각을 조율하는 인간의 역할, 질문의 가치를 높이는 방법까지 짚어본다.
numpy 배열이란 무엇인가 — AI에게 데이터 작업을 맡기기 전에 반드시 잡아야 할 개념
numpy 배열이 파이썬 리스트와 다른 이유, 80배 빠른 속도의 원리, 1차원부터 4차원까지 차원 개념까지 — 현장 엔지니어 언어로 풀어낸 머신러닝 입문 필수 개념 정리
AI 관찰가능성이란 — AI가 스스로 진화하는 구조와 감독자의 3가지 조건
AI가 어디서 왜 실패했는지 보이는가 — 공장 센서 비유로 AI 관찰 가능성을 잡고, AI가 스스로 환경을 고치는 AHE 실험 결과, 그럼에도 사람이 잡아야 하는 회귀 맹점까지. 현장에서 바로 써먹는 감독 습관 하나로 끝맺는다.
