문명’이 ‘문자’보다 앞설 수 있었던 이유 | 주원준 한님성서연구소 수석연구원 [신과대화]
인류 최초의 도시가 ‘성벽’과 함께 등장한 이유 | 주원준 한님성서연구소 수석연구원 [신과대화]
위대한 이집트 문명에 법전이 없었던 이유 | 주원준 한님성서연구소 수석연구원 [에인션트]
피라미드 건설법, 아직도 모른다고? | 주원준 한님성서연구소 수석연구원 [에인션트]
아시리아는 왜 상업 제국이 됐을까? | 주원준 한님성서연구소 수석연구원 [에인션트]
구약 성경의 홍수, 토판에 먼저 있었다 | 주원준 한님성서연구소 수석연구원 [에인션트]
문맹이었…Read more

“Avoir une autre langue, c’est posséder une deuxième âme.”
“다른 언어를 갖는다는 것은 두 번째 영혼을 갖는 것이다.”

American Association of Teachers of French
Motto: a guiding principle, a guiding phrase, a core belief expressed in a short phrase, a phrase that expresses the group’s values

Société Honoraire de Français (SHF) 상세 설명

Westwood High School의 Société Honoraire de Français(SHF)는
미국 불어교사협회(AATF)가 주관하는 National French Honor Society의 학교 지부로,
불어 성취·문화 이해·봉사·리더십을 인정하는 공식 불어 명예협회(Honor Society)이다.

아래는 대학 입시에서의 의미, 봉사, 문화행사, 불어 경시대회를 중심으로 정리한 내용이다.
(구체적인 연도별 프로그램은 매년 학교·…Read more

[언더스탠딩] 한국 증시 14조 매도한 외국인, 그들도 팔기 싫었습니다 (AFW파트너스 이선엽 대표)ㅣ26년 2월 19일 방송

[y] 외인 순매수 증가가 KOSPI 증가와 일치하는 구간은 아래임.
– 2009년 하순 부터 2011년까지
– 2022년 하순부터 2024년 상순까지
– 2025년 상순부터  2026년 상순까지

• KOSPI (Korea Composite Stock Price Index)

In Bayesian Optimization, we don’t just “guess” the noise $sigma_{n}^{2}$ or the kernel lengthscale $l$. We find the values that make our observed data most probable. This process is called tuning the hyperparameters of the Gaussian Process.

1. The Marginal Log-Likelihood (MLL)

To find…Read more

In real-world applications (like lab experiments or noisy sensor data), we rarely get the “perfect” value. Every time we measure $y$, we are actually seeing the true function value $f(x)$ plus some random noise $epsilon$.

Mathematically, we model this as:
$$y = f(x) + epsilon, quad…Read more

The “Uncertainty” in Bayesian Optimization comes from the Conditional Variance of the Gaussian Process. When we observe data, the GP uses the Kernel’s covariance matrix to “pinch” the uncertainty at those points, while letting it grow in unobserved regions.

1. Defining the…Read more

The short answer is yes. In fact, robustness to small datasets is the primary reason researchers choose Bayesian Optimization over other methods. While Deep Learning requires thousands of data points, BO is specifically designed to perform well with as few as 10 to 50 samples.

1. Why BO…Read more

In Bayesian Optimization, we don’t just treat points as isolated data. We assume the function is “smooth.” The Kernel function (or Covariance function) $k(x, x’)$ is the mathematical engine that defines this smoothness, allowing the model to “share” information from a tested point to its…Read more

For an AI learner, understanding the difference between these two is about understanding information. GD uses local “slope” information, while BO uses global “uncertainty” information.

1. Conceptual Framework

Gradient Descent (GD) is a local search algorithm. It…Read more

Each time the code runs an iteration, it updates the Surrogate Model (the Gaussian Process). You can visualize the model getting smarter with every point sampled.

Python
from bayes_opt import BayesianOptimization
import numpy as np

# 1. Define the "Black Box" function we want to maximize
# In reality, this could be a…Read more

When training AI models, we often face a “black box” problem: evaluating a specific set of hyperparameters (like learning rate or batch size) is incredibly expensive in terms of time and compute. Bayesian Optimization is a strategy designed to find the global optimum of such functions with as few evaluations as…Read more

In Gaussian Processes (GPs), the transition from Prior to Posterior represents the process of “learning” from data. Since a GP is a distribution over functions, this transition describes how our beliefs about which functions are possible change after we observe real data points.

1. The GP Prior (Before…Read more

To understand how $k(x_{ast}, x_{ast})$ is calculated, you have to remember that the Kernel Function (or Covariance Function) is a mathematical rule that defines the relationship between any two points in your input space.

1. The Mathematical Definition

The term $k(x_{ast}, x_{ast})$…Read more

In Python, the scikit-learn library provides a robust GaussianProcessRegressor (GPR) that handles the heavy lifting of matrix inversion and hyperparameter optimization.

1. The Core Components

To build a GP, you typically need three things:
1. A Kernel: This defines the “shape” and smoothness of…Read more

Think of a Gaussian Process (GP) as the ultimate “lazy” version of machine learning. Instead of searching for a single best function to fit your data, a GP considers all possible functions that could fit and assigns a probability to each one.

For an AI learner, the most intuitive definition is: A Gaussian…Read more

At its core, a Gaussian Process (GP) is a powerful, non-parametric Bayesian method used for regression and classification. While a standard function returns a single scalar value $y$ for an input $x$, a GP defines a probability distribution over functions.

Think of it as the “infinite-dimensional”…Read more

The marginal and conditional properties of the MVN are the “secret sauce” behind some of the most powerful algorithms in AI. Let’s look at how they power Gaussian Processes (GPs) and Kalman Filters.

1. Gaussian Processes (GPs): Predicting the Unknown

A Gaussian Process is essentially an MVN…Read more

In high-dimensional modeling and Gaussian Graphical Models (GGMs), we often work with the Precision Matrix $Lambda$ (also denoted as $Q$ or $K$), which is the inverse of the covariance matrix:

$$Lambda = Sigma^{-1} = begin{pmatrix} Lambda_{11} & Lambda_{12} cr Lambda_{21} & Lambda_{22}…Read more

Let’s walk through a concrete example. Imagine we have a 2D Gaussian distribution representing the relationship between a student’s Math Score ($X_1$) and Physics Score ($X_2$).

1. The Joint Distribution

Suppose the scores are distributed as follows:

$$X = begin{pmatrix} X_1 cr X_2 end{pmatrix} sim…Read more

When working with Multivariate Normal distributions, we often deal with high-dimensional data. Understanding how to “slice” this data (conditionals) or “collapse” it (marginals) is fundamental for Bayesian inference and Gaussian Processes.

The Setup: Partitioning…Read more

In the context of Variational Autoencoders (VAEs) and Bayesian Deep Learning, we often see expressions like:

$$q_{phi}(mathbf{z} | mathbf{x}) = mathcal{N}(mathbf{z}; boldsymbol{mu}, boldsymbol{Sigma})$$

This equation describes how an encoder maps an input $mathbf{x}$ to a latent distribution…Read more

VAE(Variational Autoencoder)와 같은 생성 모델에서 $q_{phi}(mathbf{z} | mathbf{x})$는 인코더(Encoder) 파트를 나타내며, 각 심볼은 확률론적 추론 과정에서 중요한 역할을 합니다.

1. 각 기호의 정의

심볼
명칭
역할 및 의미

$mathbf{x}$
입력 데이터 (Input Data)
관측된 고차원 데이터입니다 (예: 이미지의 픽셀값).

$mathbf{z}$
잠재 변수 (Latent Variable)
데이터의 핵심 특징을 담고…Read more

In the context of Variational Autoencoders (VAEs) and Deep Learning, the Reparameterization Trick is a fundamental technique used to allow backpropagation through stochastic layers. Specifically, for a Multivariate Normal (MVN) distribution, it shifts the randomness to an auxiliary variable,…Read more

In AI fields like Gaussian Processes or Kalman filtering, the Cholesky Decomposition is a cornerstone for handling covariance matrices. It decomposes a symmetric, positive-definite matrix $A$ into $A = LL^T$, where $L$ is a lower triangular matrix.

1. The Derivation of Cholesky…Read more

To find the Lower Triangular Matrix $L$ such that $A = LL^T$, we use the Cholesky-Banachiewicz algorithm. This method calculates entries of $L$ row by row, starting from the top-left.

1. The Mathematical Formulas

For a matrix $A$ of size $n times n$:

• For Diagonal Elements ($i = j$):
  $$L_{ii} =…

Read more

Cholesky Decomposition is a way of “factoring” a matrix, similar to how you might factor the number 25 into $5 times 5$. In linear algebra, it breaks down a specific type of square matrix into the product of a lower triangular matrix and its conjugate transpose.

It is significantly more efficient than other…Read more

A random vector $mathbf{x} in mathbb{R}^k$ follows an MVN distribution, denoted as $mathbf{x} sim mathcal{N}(boldsymbol{mu}, boldsymbol{Sigma})$, if its joint probability density function (PDF) is:

$$f(mathbf{x}) = frac{1}{sqrt{(2pi)^k |boldsymbol{Sigma}|}} expleft(-frac{1}{2}(mathbf{x}-boldsymbol{mu})^T boldsymbol{Sigma}^{-1}…Read more

At its core, the dot product measures angular coincidence. Given two vectors $mathbf{u}$ and $mathbf{v}$, the relationship is defined as:

$$mathbf{u} cdot mathbf{v} = |mathbf{u}| |mathbf{v}| cos(theta)$$

• Positive Correlation: When $theta < 90^circ$, the vectors “agree” on their direction.
• Orthogonality…

Read more

문제 1

사차방정식(quartic equation) $2x^4 – 11x^3 + 12x^2 + 15x – 18 = 0$이 주어졌을 때, 유리근 정리(Rational Root Theorem)를 사용하여 가능한 모든 유리수(rational number) 후보를 구하고, 조립제법(synthetic division)을 반복 적용하여 가장 큰 실근(real root)과 가장 작은 실근의 차를 구하시오. 단, 모든 계산 과정에서 계수(coefficient)의 성질을 정확히 활용하여야 한다. (정답률 1%)

문제 2

최고차항의 계수(leading coefficient)가 3인 삼차다항식(cubic polynomia…Read more

함수 $y = a cdot b^{x-h} + k$ 꼴의 지수함수(exponential function) 그래프(graph)가 두 점 $A(1, 5)$와 $B(2, 11)$을 지나고, 점근선(asymptote)의 방정식이 $y = -1$일 때, 이 그래프(graph)가 제4사분면(fourth quadrant)을 지나지 않도록 하는 양수(positive number) $a$의 최솟값(minimum value)을 구하시오. (단, $b > 1$인 상수이다.)

정답: 2

풀이: 1. 점근선(asymptote)이 $y = -1$이므로 $k = -1$입니다. 따라서 식은 $y = a cdot…Read more

매우 날카롭고 신학적으로 치명적인 질문입니다. “시대에 따라 해석이 변하고, 과거의 악습(노예제 등)을 한시적으로 허용했다면, 그 하나님을 어떻게 ‘절대적’이고 ‘완전한’ 선이라고 부를 수 있는가?”라는 의문은 당연히 발생합니다.

이에 대해 현대 기독교 신학은 ‘절대선’의 정의를 ‘정지된 상태’가 아닌 ‘목적지를 향한 역동적인 이끄심’으로 정의하며 다음과 같이 답변합니다.

1. ‘절대선’의 기준: 상태인가, 방향인가?

성경을 문맥적으로 해석한다는 것은 하나님이 인간의 상대적인 수준(부족함, 악함)을 용납하셨음을 의미합니다.

Read more

]]> 555b1f18d95d84bcf5014a1eb3fb3884 https://ykim.synology.me/wordpress/forums/topic/%ec%84%b1%ea%b2%bd%ec%9d%98-%eb%85%b8%ec%98%88%ec%a0%9c-%ea%b4%80%eb%a0%a8-%ea%b5%ac%ec%a0%88-%ec%a0%95%eb%a6%ac/#post-5319 Thu, 12 Feb 2026 03:42:37 -0600 성경을 문맥적으로 해석할 때, 하나님의 본질은 파편화된 개별 조항이 아니라 ‘성경 전체를 관통하는 거대한 서사(Metanarrative)’와 ‘예수 그리스도라는 인격’ 안에서 찾을 수 있습니다.

현대 신학에서 하나님의 본질을 성경 속에서 찾아내는 구체적인 방법론은 다음과 같습니다.

1. ‘점진적 계시’의 흐름 (Progressive Revelation)

하나님은 자신의 본질을 한 번에 다 보여주시는 것이 아니라, 인류의 수준에 맞춰 조금씩 더 명확하게 드러내셨습니다.

• 구약의 그림자: 초기에는 당시 문화권(고대 근동)의 언어와 법률(노예법, 전쟁법 등)을 빌려 말씀하셨습니다.
• 신약의 실체: 시간이 흐를수록…

Read more

]]> 6f4afd57da78e4aa49c43f78a2fcd8af https://ykim.synology.me/wordpress/forums/topic/%ec%84%b1%ea%b2%bd%ec%9d%98-%eb%85%b8%ec%98%88%ec%a0%9c-%ea%b4%80%eb%a0%a8-%ea%b5%ac%ec%a0%88-%ec%a0%95%eb%a6%ac/#post-5318 Thu, 12 Feb 2026 03:40:43 -0600 성경의 문자(조문)보다 그 안에 담긴 정신(영)을 우선시해야 한다는 점을 명확하게 밝힌 사도 바울의 대표적인 구절은 고린도후서 3장 6절입니다.

1. 핵심 구절 (개역개정)

“그가 또한 우리를 새 언약의 일꾼 되기에 만족하게 하셨으니 율법 조문으로 하지 아니하고 오직 영으로 함이니 율법 조문은 죽이는 것이요 영은 살리는 것이니라” (고린도후서 3:6)

2. 구절의 의미 해석

이 구절에서 바울은 ‘율법 조문’과 ‘영’을 대비시킵니다.

• 율법 조문 (The Letter): 성경에 기록된 문자 그대로의 법규나 명령을 의미합니다. 바울은 문자에만 집착하는 태도가 오히려 생명력을 잃게 하고 인간을 정죄 속에…

Read more

]]> 7437aea01a5932117f8d1d1f3b97bd78 https://ykim.synology.me/wordpress/forums/topic/%ec%84%b1%ea%b2%bd%ec%9d%98-%eb%85%b8%ec%98%88%ec%a0%9c-%ea%b4%80%eb%a0%a8-%ea%b5%ac%ec%a0%88-%ec%a0%95%eb%a6%ac/ Thu, 12 Feb 2026 03:37:30 -0600 [Gemini]
성경에는 고대 근동과 로마 제국의 사회적 배경 속에서 노예제도를 당연한 질서로 전제하거나, 그 안에서의 윤리를 규정하는 구절들이 존재합니다. 요청하신 대로 현대적 해석이나 변형 없이 성경의 주요 구절들을 인용하고 정리해 드립니다.

1. 구약성경: 노예의 획득과 처우에 관한 법규

구약성경에서 노예는 전쟁 포로, 부채, 혹은 매매를 통해 발생했습니다. 이스라엘 동족 노예와 이방인 노예에 대한 규정에는 차이가 있습니다.

• 이방인 노예의 영속성 (레위기 25:44-46)
  

  “네 종은 남녀를 막론하고 네 사방 이방인 중에서 취할지니 남녀 종은 이런 자 중에서 사올 것이며… 그들은 너희의 소유가…

Read more

]]> e2373581672735ee11208735c8a77f0c https://ykim.synology.me/wordpress/forums/topic/%ea%b9%80%ec%97%ac%eb%a6%84-%eb%8c%80%ed%95%99%ec%9e%85%ed%95%99%ec%9d%84-%ec%9c%84%ed%95%9c-%ec%83%9d%ed%99%9c%ea%b7%9c%ec%b9%99/ Wed, 11 Feb 2026 00:06:44 -0600 Daily Life

아래 규칙을 지키지 않으면 penalty score 1점이 추가된다.
Penalty score 1점은 휴대폰등의 전자기기 사용을 하루 제한한다.
비정상의 경우에는 사전에 양해를 구해 예외로 한다.

• 주중 아침 7시에 책상에서 공부하기
• 주말 아침 9시에 책상에서 공부하기
• 휴대폰은 집에 들어오기전에 아빠/엄마에게 반납한다
• 저녁 6시전까지 수학 독학 (예: RPM) 을 하며, 결과를 웹페이지에 등록한다
• 휴대폰 사용은 저녁시간으로 한정하며 최대 1시간 이다
• 매주 토요일 11전까지 아빠에게 Note, Book, Question에 대해서 알리고 의견을 듣는다
• 토/일 포함한…

Read more

]]> 07d1bb256ff92d3322f1a07d71509542 https://ykim.synology.me/wordpress/forums/topic/study-guide-amc-aime-preparation-for-westwood-high-school-student/ Mon, 09 Feb 2026 23:14:08 -0600 AMC & AIME Study Guide Summary

Registration & Eligibility

• Confirm if Westwood High is an AMC Test Center each year.
• Register via school or external centers listed on MAA website.
• Eligibility based on grade and age:
  • AMC 8: Grade ≤ 8, Age ≤ 14.5
  • AMC 10: Grade ≤ 10, Age ≤ 17.5
  • AMC 12: Grade ≤ 12, Age ≤ 19.5

Preparation Strategies…Read more

]]> 7da1c4d182c5d24bc704590e75293526 https://ykim.synology.me/wordpress/forums/topic/the-sams-stuff-as-stars-katherine-paterson-2015-%ec%9a%94%ec%95%bd/ Mon, 09 Feb 2026 13:46:47 -0600
Amazon.com
RM AI Prompt: 소설의 문학분석 도구

Katherine Paterson의 2015년 작, “The Same Stuff as Stars”에 대한 문학적 분석입니다. 이 작품은 역경 속에서 자아를 찾아가는 소년의 여정을 실존주의적 관점에서 분석하여, 외부 환경의 통제 불능성 속에서도 개인의 존엄을 어떻게 구축하는지에 집중합니다.

1. 도서 접근성 및 검증

• 구매 가능 링크: Amazon Search 결과, 교보문고 Search 결과
• 표지 이미지 확인: 밤하늘의 별들이 흩뿌려진 배경 아래 한 소년이 하…

Read more

]]> 4a07357ff96feb737b0d98a219e90da9 https://ykim.synology.me/wordpress/forums/topic/to-kill-a-mockingbird-by-harper-lee-2002-%ec%9a%94%ec%95%bd/ Mon, 09 Feb 2026 05:58:04 -0600

RM AI Prompt: 소설의 문학분석 도구 (Literary Analysis)

하퍼 리의 고전 명작 『앵무새 죽이기(To Kill a Mockingbird)』를 18세 고등학생의 눈높이에 맞춰, 작가의 의도와 문학적 장치를 중심으로 심층 분석한 결과입니다.

1. 도서 접근성 및 검증

이 작품은 전 세계적인 스테디셀러로, 국내 주요 온라인 서점(예: 교보문고, YES24, 알라딘)에서 상시 구매가 가능합니다. 2002년판 및 최신 개정판 모두 하퍼 리의 서명이 담긴 표지나 상징적인 나무 실루엣 이미지를 통해 확인할 수 있습니다.

• 구매 가능 URL 예시: 교보문고 검색 결과
• 표지 이미지 확인

Read more

]]> ff2697007e9a2c7f764f3d1e01e874f6 https://ykim.synology.me/wordpress/forums/topic/%eb%ac%b4%eb%9d%bc%ec%b9%b4%eb%af%b8-%ed%95%98%eb%a3%a8%ed%82%a4-%ec%9e%91%ea%b0%80%ec%9d%98-%ec%84%b8%ea%b3%84%ec%9d%98-%eb%81%9d%ea%b3%bc-%ed%95%98%eb%93%9c%eb%b3%b4%ec%9d%bc%eb%93%9c-%ec%9b%90/ Mon, 09 Feb 2026 05:52:40 -0600

RM AI Prompt: 소설의 문학분석 도구 (Literary Analysis)

1. 도서 접근성 및 검증

무라카미 하루키의 대표작 중 하나인 “세계의 끝과 하드보일드 원더랜드”는 현재 국내 주요 온라인 서점에서 최신판(문학동네 등)으로 쉽게 구매할 수 있습니다.

• 구매 가능 처: 교보문고, 예스24, 알라딘
• 표지 이미지 확인: 각 서점의 검색창에 도서명을 입력하여 ‘그림자가 없는 남자가 성벽 앞에 서 있는 이미지’ 또는 ‘두 세계를 시각적으로 분리한 디자인’의 표지를 확인하십시오.

2. 공간/시간적 전개에 따른 비판적 분석

1) 의식의 표층: 하드보일드 원더랜드 (가까운 미래의 도쿄)

• 배경 장…

Read more

]]> ca97d848d7f56bddecb337c82eac1f08 https://ykim.synology.me/wordpress/forums/topic/%ed%99%a9%ec%84%9d%ec%98%81-%ec%9e%91%ea%b0%80%ec%9d%98-%ec%98%a4%eb%9e%98%eb%90%9c-%ec%a0%95%ec%9b%90-%ec%9a%94%ec%95%bd/ Mon, 09 Feb 2026 05:46:31 -0600

RM AI Prompt: 소설의 문학분석 도구 (Literary Analysis)

황석영 작가의 『오래된 정원』은 1980년대 광주 민주화 운동이라는 한국 현대사의 거대한 비극을 배경으로, 그 시대를 온몸으로 통과했던 남녀의 사랑과 기다림, 그리고 시대의 부채감을 그려낸 대작입니다. 18세 고등학생의 눈높이에서 이 작품이 지닌 인문학적 가치와 비판적 지점을 심도 있게 분석해 보겠습니다.

1. 도서 접근성 및 검증

현재 이 작품은 창비(Changbi)를 비롯한 주요 출판사를 통해 최신판 구매가 가능합니다. 서점의 베스트셀러 및 스테디셀러 섹션에서 노란색 혹은 고풍스러운 정원의 이미지가 담긴 표지…Read more

]]> 1ee9c91f1e2b9dd3f962c64f23bec487 https://ykim.synology.me/wordpress/forums/topic/walt-disney-world-in-orlando-%eb%88%84%ea%b5%ac%eb%82%98-%ec%98%ac-%ec%88%98%eb%8a%94-%ec%97%86%ec%a7%80%eb%a7%8c-%eb%88%84%ea%b5%ac%eb%82%98-%ea%b0%99%ec%9d%80-%ea%b2%bd%ed%97%98%ec%9d%84-%ed%95%a0/ Sat, 07 Feb 2026 04:18:26 -0600 요청하신 유튜브 영상([00:10])의 내용을 바탕으로 디즈니 월드 관광 가이드 자료를 정리하고, 4인 가족의 4박 5일 여행 예상 경비를 산출해 드립니다.

🏰 디즈니 월드 관광 가이드 요약 (유튜브 내용 기반)

디즈니 월드는 단순한 테마파크를 넘어 서울시 면적의 1/6, 에버랜드의 70배에 달하는 거대한 도시형 리조트입니다 [00:30].

1. 경험의 등급화와 양극화:

* 숙소는 밸류(Value), 모더레이트(Moderate), 디럭스(Deluxe) 세 등급으로 나뉩니다 [04:58].
* 상위 등급일수록 파크 접근성(전용 셔틀, 도보 이동 등)이 월등히 좋습니다 [05:07].

Read more

]]> 0993ac1ea10f21457dcf4982fe408fa5 https://ykim.synology.me/wordpress/forums/topic/song-%eb%b0%b1%eb%b2%94%ec%9d%b4-%ec%9b%90%ed%95%98%eb%8a%94-%ec%b5%9c%ea%b3%a0%ec%9d%98-%eb%ac%b8%ed%99%94/ Wed, 04 Feb 2026 02:12:10 -0600 [Lyric Prompt]

백범 김구 선생님이 말씀하신 우리가 갖고 싶은 것은 무력이 아니고 세계 최고의 정신 문화를 갖고 싶다는 대한민국의 열망으로 k-culture가 전세계에 퍼지면서 전세계가 건강하고 행복하게 되는 세계인의 기쁨을, 세계인의 관점에서 서사하는 3분 짜리 영어 가사를 작성해줘. 여기서 한국인, 대한민국, 서울등의 직접인 표현이 있으면 안됨. k-cuture를 만든 한국인의 끊임 없이 노력한 정신이 포함되어야 함. hook up은 “백범이 원하는 최고의 문화 “의 한국어 로 해줘

[Lyrics]

“The Culture That Lifts Us All” — 3‑Minute English L…Read more

]]> 39e9b07ea15c25f30e10180ec8e89445 https://ykim.synology.me/wordpress/forums/topic/youtube-used-to-be-used-to/ Sun, 01 Feb 2026 21:49:17 -0600 Video Title: 기억 안나면 이것만 다시 봐
Creator: 영어 버니쌤 1분내신영어
Publish Date: 2026-01-25

1. 조동사 used to (과거의 습관)

&emsp* I used to study late. (나는 늦게까지 공부하곤 했다.) [0.16]
&emsp* used to는 조동사라서 뒤에 동사 원형이 나오기 때문인데요 (used to는 조동사이기 때문에 뒤에 동사 원형이 나옵니다.) [0.19]
&emsp* 뜻은 뭐뭐 하곤했다 즉 used to는 예전에는 이랬는데 지금은 아니다라는 의미를 담는 과거 시제를 나타내는 조동사라고 보시면 됩니다 (뜻은 ‘뭐뭐 하곤 했다’이며, 과거에…Read more

]]> d6b3445ee0e342cf2f2fd96f5bfad601 https://ykim.synology.me/wordpress/forums/topic/%ea%b5%ac%ec%8a%ac%ec%8c%a4-youtube-%eb%94%b1%ed%9e%88-%ed%95%a0-%eb%a7%90%ec%9d%b4-%ec%97%86%ec%9d%84-%eb%95%8c-%ec%96%b4%ec%83%89%ed%95%9c-%ec%b9%a8%eb%ac%b5%ec%9d%84-%ea%b9%a8%ec%a4%84-%ec%9d%bc/ Sun, 01 Feb 2026 21:36:00 -0600 Video Title: 딱히 할 말이 없을 때 어색한 침묵을 깨줄 일상 스몰토크 5개!
Creator: 구슬쌤
Publish Date: 2021-09-24

1. 상대방을 알아가는 질문

• What’s your story? (어떻게 지내세요? / 여기 어쩐 일이세요? / 당신에 대해 말해주세요.) [6.13]
• I’m in town for a conference. (컨퍼런스 때문에 여기 왔어요.) [7.36]
• Where did you go to school? (대학교 어디 나오셨어요?) [4.13]

2. 관계 및 인연에 대한 표현

• How do you two know each other? (두 분은 어떻게 아는…

Read more

]]> 330ce5d87a19b852683db43013d4632a https://ykim.synology.me/wordpress/forums/topic/%ed%9a%8c%ec%82%ac%ec%98%81%ec%96%b4-%ec%a0%9c%ec%9d%b8-youtube-%ec%9b%90%ec%96%b4%eb%af%bc%ec%9d%80-%ec%9d%b4%eb%a0%87%ea%b2%8c-%eb%a7%90-%ed%95%b4%ec%9a%94-%ec%a7%84%ec%a7%9c-%eb%b9%84%ec%a6%88/ Sun, 01 Feb 2026 21:19:36 -0600 Video Title: 원어민은 이렇게 말 해요! 진짜 비즈니스 영어
Creator: 회사영어 제인
Publish Date: 2026-01-27

1. 일정 관리 및 진행 상황 표현

• We’re on track with the schedule (일정대로 진행 중입니다) [0.1:16]
• There has been a slight delay (약간의 지연이 있었습니다) [0.2:12]
• The deadline is approaching (마감이 다가오고 있어요) [0.5:45]
• Let’s set a clear timeline (일정을 명확히 하죠) [0.6:38]

2. 업무 추진 및 속도 조절

• …

Read more

]]> 8647b6b9404e56da90d72f9231836257 https://ykim.synology.me/wordpress/forums/topic/%ec%98%81%ec%96%b4%eb%81%8c%ec%96%b4%eb%8b%b9%ea%b9%80-%ec%98%81%eb%81%8c%ec%98%a4%ed%94%bd-youtube-%ec%bb%a8%ed%8d%bc%eb%9f%b0%ec%8a%a4-%ec%bd%9c-%ed%99%94%ec%83%81-%ed%9a%8c%ec%9d%98-%ec%8b%9c/ Sun, 01 Feb 2026 19:46:03 -0600 Video Title: 화상 미팅, 세미나의 기본 틀을 잡아줄 뼈대 표현 6개🧑‍💻🔥 (실전 비지니스 영어)
Creator: 구슬쌤
Publish Date: 2021-11-10

1 참석 인원 확인 및 부재 상황 설명
• Who do we have on the line? Is anyone missing? (지금 누가 와 계시죠? 빠진 사람 있나요?) [1.58]
• Sandra sends her apologies for not being able to join us today. (산드라가 오늘 참석하지 못해 미안하다는 말을 전해왔어요.) [2.09]
• Send my regards. (내 안부를 전해줘.) [2.4…Read more

]]>