AI·머신러닝
AI 이론, 머신러닝·딥러닝 개념
293 POSTS · 3 / 10
컨텍스트 엔지니어링이 바꾸는 AI 시스템 설계
프롬프트를 넘어 RAG·메모리·MCP를 호출 시점에 조합하고, 토큰 예산과 컨텍스트 품질을 관리하는 설계 방식을 다룬다.
2026-08-02
확산 언어 모델과 병렬 디코딩 추론 아키텍처
확산 언어 모델의 마스킹·복원 방식과 병렬 디코딩, 자기회귀 LLM 대비 특성, 도입 시 검증 항목을 정리한다.
2026-07-21
컨텍스트 엔지니어링 설계: JIT 어셈블리로 RAG·MCP·파인튜닝 통합하기
컨텍스트 엔지니어링이 프롬프트, RAG, MCP, 파인튜닝을 JIT 어셈블리와 토큰 예산 관리로 통합하는 방식과 거버넌스를 설명한다.
2026-06-10
컨텍스트 엔지니어링으로 설계하는 RAG·MCP·파인튜닝
컨텍스트 엔지니어링의 개념과 JIT 어셈블리, RAG·MCP·파인튜닝의 역할, 토큰 예산과 거버넌스 설계를 다룬다.
2026-05-24
『Deep Learning with Python 3판』이 다시 그린 딥러닝의 지도 — 트랜스포머부터 에이전틱까지
Chollet·Watson의 『Deep Learning with Python』 3판을 통해 어텐션 메커니즘, BERT·GPT 사전학습 패러다임, LoRA, 생성형 AI 아키텍처, ReAct 에이전트 패턴을 정리한다.
2026-05-08
확산 모델이 이미지로 추론한다면 — DiffThinker가 제안하는 접근
상하이 AI 연구소·CUHK가 제안한 DiffThinker의 이미지-투-이미지 시각 추론 패러다임, 확산 기반 추론 메커니즘, 아키텍처와 벤치마크 결과를 정리한다.
2026-04-17
데이터 청킹: 컨텍스트 윈도우가 커져도 여전히 필요한 이유
LLM·RAG 파이프라인에서 데이터 청킹이 필수인 이유와 고정크기·재귀적·의미적·문서기반 전략, 오버랩·크기 가이드라인을 정리한다.
2026-03-24
딥러닝 아키텍처 지형도: 표현학습부터 생성모델·탐색 결합까지
DNN·CNN·RNN 표현학습 아키텍처와 RBM·DBN 생성모델, DQN·MCTS 강화학습·탐색 결합까지 딥러닝 기법 전체를 지표 비교와 파이프라인으로 정리한다.
2025-11-26
MLP·CNN·LSTM으로 보는 딥러닝 아키텍처와 TensorFlow·PyTorch
MLP·CNN·ResNet·LSTM의 구조와 적용 범위를 비교하고 TensorFlow·PyTorch 기반 학습·배포 운영 기준을 정리한다.
2025-10-14
Dirichlet Process와 Gaussian Process Regression으로 복잡한 데이터 다루기
Dirichlet Process와 Gaussian Process Regression의 모델링 방식, 불확실성 추정, 확장 전략과 운영 시 고려할 점을 정리한다.
2025-10-14
카운트 기반 단어 표현: 국소표현에서 분산표현으로 가는 지도
One-Hot·BoW·DTM·TF-IDF 같은 국소표현과 LSA·GloVe 같은 카운트 기반 분산표현의 차이, 한계, 실제 활용 사례를 정리한다.
2025-05-23
교차검증(Cross-Validation)이 필요한 이유와 기법 선택 기준
데이터를 한 번만 나눠 평가하는 방식의 한계와, K-Fold·계층적 K-Fold·LOOCV·시계열 교차검증을 상황별로 선택하는 기준을 정리한다.
2025-05-23
CVSS(Common Voice Speech Synthesis) — 구글의 다국어 음성 번역 시스템
구글이 공개한 다국어 음성-음성 번역 코퍼스 CVSS의 ASR·MT·TTS 구조, CVSS-C/CVSS-T 방식, End-to-End·Cascade 번역 유형과 활용 사례를 정리한다.
2025-05-23
데이터 어노테이션 기법 — 바운딩 박스부터 시맨틱 분할까지
이미지 어노테이션의 대표 기법인 바운딩 박스·폴리곤·폴리라인·포인트·큐보이드·시맨틱 분할의 특징과 활용 사례, 프로젝트별 선택 기준을 정리한다.
2025-05-23
데이터 라벨링과 어노테이션, 같은 말처럼 쓰이지만 다른 개념이다
AI 학습 데이터 구축에서 혼용되는 데이터 어노테이션과 데이터 라벨링의 개념 차이, 이미지·자연어·의료·자율주행 분야의 적용 사례와 품질 관리 기준을 정리한다.
2025-05-23
데이터 분할: 특성·목표값 나누기부터 평가지표까지
데이터 분할이 필요한 이유부터 특성·목표값 분리, train_test_split과 교차 검증, 평가지표(Accuracy·Precision·Recall·F1)와 신용평가·이미지분류 적용 사례까지 정리한다.
2025-05-23
의사결정나무: 분할 기준부터 가지치기까지
의사결정나무의 분할 기준(정보 이득·지니 불순도)과 ID3·C4.5·CART 알고리즘, 가지치기 기법과 금융·의료·마케팅 적용 사례, sklearn 구현 예제를 정리한다.
2025-05-23
딥러닝은 이미 어디에 들어와 있고, 어디서 막히는가
테슬라·구글 딥마인드 사례로 보는 딥러닝의 실전 배치 지점과 해석가능성·데이터 의존성 같은 한계, 자기지도학습·멀티모달 등 다음 방향을 정리한다.
2025-05-23
딥러닝 하이퍼파라미터 튜닝: 손실함수·옵티마이저·평가지표 고르는 법
딥러닝 모델의 손실함수·옵티마이저·평가지표 선택 기준과 그리드/랜덤/베이지안 하이퍼파라미터 탐색 기법, 도메인별 조합 사례를 정리한다.
2025-05-23
딥페이크: GAN·오토인코더 합성 기술의 활용과 위험
GAN과 오토인코더 기반 딥페이크 합성 메커니즘부터 엔터테인먼트·교육·마케팅 활용 사례, 허위정보·사생활 침해 위험과 기술·제도적 대응까지 정리한다.
2025-05-23
Document-Term Matrix: 문서 여러 개를 하나의 행렬로 쌓는 법
DTM의 구조와 생성 과정, 희소 행렬 문제, TF-IDF·임베딩·차원 축소로 보완하는 방법과 실무 적용 사례를 정리한다.
2025-05-23
연속 학습에서 망각을 제어하는 모델 운영 설계
Continual Learning과 Lifelong Learning에서 Catastrophic Forgetting을 줄이기 위한 정규화, 리플레이, 격리 전략과 운영 설계 기준
2024-04-29
불균형 데이터에서 비용 민감 학습과 EasyEnsemble 활용법
불균형 데이터 분류에서 Cost-Sensitive Learning과 EasyEnsemble을 적용해 기대 비용, 확률 보정, 임곗값을 운영하는 방법
2024-04-29
CTDE로 설계하는 멀티에이전트 강화학습의 중앙 학습과 분산 실행
CTDE 기반 멀티에이전트 강화학습의 중앙 비평가, 가치 분해, 분산 실행 구조와 MADDPG 운영 고려사항을 정리한다.
2024-04-29
데이터 과학 프로젝트를 운영하는 라이프사이클과 분석 리스크 관리
데이터 과학 프로젝트의 단계별 게이트, 리스크 레지스터, 데이터 거버넌스와 MLOps 통제를 운영 관점에서 정리한다.
2024-04-29
DDPG와 SAC로 이해하는 연속 제어 강화학습
DDPG와 SAC의 Actor-Critic 구조, 오프폴리시 학습, 탐색 전략과 안정화 방식, Stable-Baselines3 적용 방법을 비교한다.
2024-04-29
CNN·RNN/LSTM·Transformer·Attention의 모델 선택과 운영 기준
CNN, RNN/LSTM, Transformer, Attention의 구조와 적용 분야를 비교하고 지연·메모리·데이터 규모에 따른 운영 선택 기준을 정리한다.
2024-04-29
MLP·CNN·RNN/LSTM으로 보는 딥러닝 모델 선택과 운영
MLP, CNN, RNN/LSTM의 구조와 적용 대상, TensorFlow·PyTorch 학습 코드, 배포·운영 시 트레이드오프를 정리합니다.
2024-04-29
깊은 신경망을 안정화하는 ResNet·DenseNet·Batch Normalization
ResNet의 잔차 연결, DenseNet의 특징 재사용, Batch Normalization의 통계 정규화로 깊은 신경망 학습을 안정화하는 방법을 정리한다.
2024-04-29
확산 모델과 정규화 흐름, 생성 모델 선택의 기준
Diffusion Models와 Flow-Based Models, Normalizing Flows의 학습 방식·우도·샘플링 특성을 비교하고 생성 모델 선택 기준을 정리한다.
2024-04-29