본문으로 건너뛰기

태그 RSS 게임 ↗

읽은 글0 / 132

오늘의 AI 이슈10편

10답이 얼마나 길까 — 평균이 아니라 열에 아홉을 예측하는 법
9GPU 120만 개 — 고장이 일상이 되는 규모의 산수
8Meta 뮤즈 — 대신 해 주는 에이전트는 언제 물어봐야 하나
7구글이 로봇 스택을 열었다 — 그 안에 든 세 가지 알고리즘
6Jev — 글자를 안 만드는 모델은 왜 수백 배 싼가
5Plugin4Shell — SHA로 못박은 플러그인이 어떻게 뚫렸나
4744B인데 40B만 쓴다 — Atria Dawn으로 보는 MoE 희소성과 '검증된 경험'
3역전파 없이 1,000층? — 라그랑주 승수가 오차를 '파도'로 바꾸는 법
2AI 스웜이 인터넷을 장악한다? — 확산의 산수로 6~12개월을 따져보기
1나비에-스토크스 "폭발" — AI는 무엇을 증명했고, 왜 외력이 필요했나

딥러닝 기초 정리56편

56몬테카를로 트리 탐색 — 계산을 어디에 쓸지 고르기
55강화학습 기초 — 가치가 퍼져 나간다
54에이전트와 도구 사용 — 신뢰성의 산수
53확산 모델 — 잡음에서 되돌아오는 법
52VAE — 압축하는 법에서 만들어 내는 법으로
51비전 트랜스포머와 CLIP — 이미지도 토큰이고, 제로샷은 공짜가 아니다
50근사 최근접 이웃 — 검색을 빠르게 하는 대가
49RAG — 검색 증강 생성, 모르는 것을 찾아서 답하기
48차등 프라이버시 — 기억하지 못하게 만들기
47적대적 예제 — 눈에 안 보이는 변화가 답을 뒤집는다
46RLHF와 DPO — 선호로 배우기, 그리고 보상 해킹
45권한 단조성 — 하네스 표준화가 왜 알고리즘 문제인가
44통제를 잃는다는 것 — 명세 게이밍과 관측 가능성의 값
43앙상블 — 여러 번 세는 것의 값어치
42긴 꼬리 — 전체 정확도 88%가 숨기고 있는 것
41캘리브레이션 — 모델은 자기가 틀린 것을 아는가
40평가 — 벤치마크 점수는 얼마나 믿을 수 있나
39토크나이저의 불평등 — 한국어는 왜 비싼가
38그로킹과 이중 하강 — 일반화는 언제 오는가
37데이터 — 중복, 오염, 그리고 품질
36ReLU가 공간을 접는다 — 표현력의 기하
35문맥 내 학습과 유도 헤드 — 능력이 켜지는 순간
34기계적 해석가능성 — 프로브에서 회로로
33중첩 — 잠재 상태는 왜 토큰보다 넓은가
32긴 문맥 — 위치는 왜 외삽되지 않는가
31추론 시간 계산 — 더 생각하면 더 맞히나
30잠재 반복 vs 토큰 사슬 — 추가 계산을 세로로 넣을 것인가 가로로 넣을 것인가
29루프 트랜스포머 — 깊이를 파라미터가 아니라 시간으로 사는 법
28모델 병합 — 가중치를 평균내도 되는 이유
27지식 증류 — 무엇이 옮겨지는가, 그리고 언제 이기는가
26LoRA — 적은 파라미터로 적응하기
25분산 학습 — 계산을 나누면 통신이 남는다
24큰 배치와 그래디언트 축적 — 분산 학습의 산수
23스펙큘러티브 디코딩 — 작은 모델이 먼저 쓰고 큰 모델이 검사한다
22추론 서빙 — 처리량과 지연, 그리고 빈자리
21디코딩과 샘플링 — temperature·top-p가 하는 일
20전문가 혼합(MoE) — 큰데 싸게, 그리고 저절로 나뉜다
19혼합정밀도와 그래디언트 체크포인팅 — 학습 메모리를 사는 두 방법
18양자화 — 비트를 줄여도 되는 이유
17상태공간모델·선형 어텐션 — 어텐션의 O(N²) 대안
16플래시 어텐션 — IO를 아는 어텐션
15KV 캐시와 추론 — 생성은 왜 메모리에 묶이나
14스케일링 법칙 — 파라미터·데이터·계산의 균형
13과적합과 규제 — 외우지 못하게 막는 것과 모르는 것을 가르치는 것
12최적화 — Adam·워밍업·스케줄이 하는 일
11정규화와 잔차 — 깊이를 견디는 법
10가중치 초기화 — 첫 걸음의 크기
9Transformer 각 층 상세 해부
8위치 인코딩 — 어텐션이 잃어버린 순서를 되돌려 놓는 법
7Attention 은 어떻게 계산되는가 — Q·K·V 와 병렬 계산의 원리
6LSTM 완전 풀이 — 초등학생도 따라오는 계산 과정
5토크나이저와 임베딩 — 텍스트가 숫자가 되기까지
4그래프 신경망 — 이웃의 평균을 배운다
3합성곱 신경망 — 같은 필터를 어디에나 댄다
2역전파 — 기울기를 한 번에 다 구하는 법
1PyTorch 치트시트 — 실제로 돌려서 검증한 것만 남겼다

인공 지능 공부 치트 시트 정리14편

14scikit-learn 치트시트를 다시 쓴다 — 잡음만 있는 데이터에서 85.8%
13PyTorch 치트시트를 다시 쓴다 — 에러가 나면 차라리 다행이다
12Keras 치트시트를 다시 쓴다 — 조용히 학습이 안 되는 자리들
11엑셀 치트시트를 다시 쓴다 — 함수보다 참조와 버전이 문제다
10CS229 수학 리프레셔를 다시 쓴다 — 왜 n=30 이고 왜 n-1 인가
9CS229 딥러닝 치트시트를 다시 쓴다 — 0.25 를 스무 번 곱하면
8CS229 머신러닝 팁 치트시트를 다시 쓴다 — R² 는 잡음만 넣어도 오른다
7CS229 비지도학습 치트시트를 다시 쓴다 — 정답이 없을 때 무엇을 믿는가
6CS229 지도학습 치트시트를 다시 쓴다 — 무엇이 무엇의 특수한 경우인가
5SciPy 치트시트를 다시 쓴다 — np.matrix 로 시작하지 않는다
4seaborn 치트시트를 다시 쓴다 — figure 수준과 axes 수준
3matplotlib 치트시트를 다시 쓴다 — plt 로 시작해서 ax 로 끝난다
2pandas 치트시트를 다시 쓴다 — loc, 원본이 바뀌는 자리, 그리고 사라진 append
1NumPy 치트시트를 다시 쓴다 — 축, 뷰, 그리고 지금은 에러가 나는 것들

수학·공학 노트18편

18지프의 법칙 — 긴 꼬리는 예외가 아니라 기본값이다
17UCB — 모르는 것에 이자를 붙인다
16거부 샘플링 — 싼 분포로 비싼 분포를 정확히 흉내내기
15로짓과 오즈 — 확률을 더하기로 바꾸는 자리
14리틀의 법칙 — 처리량과 지연은 따로 고를 수 없다
13립시츠 상수 — 입력을 조금 밀면 출력이 얼마나 밀리나
12평균의 분산 — 여럿을 모아도 줄지 않는 부분
11가우시안 메커니즘 — 프라이버시를 사는 값
10표본 오차 — 몇 개를 재야 믿을 수 있나
9엔트로피와 KL 발산 — 분포로 가르친다는 것
8저계수 행렬과 SVD — 큰 행렬을 작게 쪼개기
7한 번에 풀기의 벽 — 층을 늘려도 안 되는 것
6산술 강도와 메모리 대역폭 — 왜 GPU가 놀고 있나
5야코비안 — 다변수 함수의 '기울기 행렬'
4고차원의 기하 — 무작위 벡터는 왜 거의 직교한가
3정규분포 다루기 — 잡음의 덧셈과 재매개변수화
2부동소수점 — fp32·fp16·bf16의 범위와 정밀도
1고유값·고유벡터 — 반복 곱의 운명

산업 현장1편

1KEA AX 확산 사례 교육 참관 정리 — LG이노텍·대덕전자·서울AI허브

ADP10편

9ADP 실기 — 17회부터 26회까지, 무엇이 반복되는가
8ADP 실기 — 텍스트 마이닝, 한글이 오히려 안전하다
7ADP 실기 — 시계열, 정상성부터 확인하고 들어간다
6ADP 실기 — 군집·연관·네트워크, 정답이 없는 문제들
5ADP 실기 — 분류 모델 여덟 개와 평가
4ADP 실기 — 회귀분석, 적합보다 진단이 배점이다
3ADP 실기 — 통계 검정, 가설부터 쓰고 시작한다
2ADP 실기 — EDA 와 전처리, 손이 먼저 나가야 하는 것들
1ADP 실기 — 시험장 환경에 있는 것과 없는 것
0ADP 필기 — 따로 정리할 것이 없는 이유

강의 요약12편

12스마트시티를 위한 데이터 시각화 — 기대와 달랐고, 그래서 남았다
11선형대수로 배우는 빅데이터 — 네 번째 도전에서 열린 문
10빅데이터를 위한 확률과 통계 — 현장에서 쓰던 것들의 이름 찾기
9자율주행이동체 ③ 커넥티드·전동화·인지, 그리고 혼동 개념 정리
8자율주행이동체 ② 고장이 없어도 위험하다 — 안전과 보안 표준
7자율주행이동체 ① AUTOSAR 와 소프트웨어 정의 차량
6제조데이터 분석 및 최적화 — 암묵지를 형식지로
5딥러닝 — 사람이 3을 3으로 읽는 이유와 그 밑의 수학
4패턴인식 — 좋은 특징이란 무엇인가
3강화학습 — 벨만 방정식에서 정책 그라디언트까지
2IoT 플랫폼과 IoT 장치 — 라즈베리파이에서 MQTT까지
1영상처리 — 픽셀에서 특징 매칭까지

빅데이터분석기사11편

11실기 — 전처리부터 평가까지의 흐름
10시계열 분석 — ARIMA 를 세 글자로 읽기
9알고리즘 정리 — SVM부터 XGBoost까지
8모델 평가 지표 — 회귀 · 분류 · 군집 · 연관
7확률 분포 — 서로 어떻게 이어져 있는가
6통계의 지도 — 기술통계와 추론통계, 척도, 그리고 자유도
5분석 기획 — 무엇을 먼저 할 것인가
4개인정보와 비식별 조치
3빅데이터 처리 기술 — 수집부터 시각화까지
2빅데이터는 무엇이 달라진 것인가
1데이터에서 지혜까지, 그리고 그것을 담는 그릇

태그로 보기 →

구독

📡 RSS 로 새 글 받기

RSS 주소를 구독기(Feedly · Inoreader 등)에 넣으면 새 글이 자동으로 온다.

태그

분류를 가로질러 묶는다. 같은 개념이 여러 과목에 걸쳐 나올 때 쓴다.

공부한 것을 정리해 둔다. 틀린 것이 있으면 내 잘못이다.

목록 · 태그 · RSS

↑↓ 고르기Enter 열기Esc 닫기