AI·머신러닝
AI 이론, 머신러닝·딥러닝 개념
363 POSTS · 8 / 13
AI 에이전트 메모리 계층화와 생명주기 설계
AI 에이전트 메모리를 단기·중기·장기로 나누고 회수, 만료, 감사, 복구를 설계하는 방법을 정리한다.
2026-09-16
MCP 기반 에이전트 통합에서 벤더 종속을 관리하는 설계
MCP 기반 에이전트 통합에서 표준 준수 경계, 확장 격리, 오류 정규화, 교체 검증으로 벤더 종속을 관리하는 방법
2026-09-05
MCP 무상태 전환 이후의 확장 아키텍처 설계
MCP 무상태 프로토콜 전환에 맞춰 요청 완결성, 맥락 외부화, 요청별 인증, 호환성과 서버리스 운영 구조를 설계하는 방법
2026-09-02
MoE 라우팅과 활성 파라미터로 추론 비용을 설계하는 방법
MoE의 총·활성 파라미터, 게이팅 라우팅, 부하 균형, 전문가 병렬을 통해 추론 단가와 지식 용량을 분리하는 설계를 다룬다.
2026-08-31
멀티에이전트 협업을 지탱하는 메시지 규약과 권한 경계
멀티에이전트 환경에서 조율 비용과 프롬프트 인젝션 위험을 관리하기 위한 메시지 규약, 권한 경계, 교착 탐지 설계를 다룬다.
2026-08-06
형식 검증 가능한 AI 산출물 설계와 검사기 파이프라인
형식 증명, 타입 검사, 스키마 검증, 테스트를 연결해 AI 산출물을 기계 판정하고 사람 검토 범위를 설계하는 방법
2026-08-03
메시징 채널 에이전트의 승인 흐름과 통제 설계
메시징 채널을 에이전트 진입점으로 활용할 때 승인 요청, 작업 세션, 오인 승인 방지, 되돌리기 경로를 설계하는 방법
2026-08-03
모델 세대 교체 시 비용·품질 기준을 다시 설계하는 방법
동일 단가로 성능이 높아진 AI 모델을 도입할 때 라우팅, 회귀 평가, 토큰 비용, 롤백을 재설계하는 기준
2026-07-31
MIT TLT로 살펴보는 유휴 GPU 활용과 LLM 강화학습 훈련
MIT의 TLT 연구를 바탕으로 LLM 강화학습 롤아웃 병목, 유휴 GPU 재활용, 3D 병렬화와 학습 비용 최적화 방법을 정리한다.
2026-05-04
MDP를 그래프로 그리면 강화학습의 의사결정 구조가 보인다
MDP를 방향성 그래프로 표현해 상태·행동·전이확률·보상의 관계를 시각화하고, 가치 반복법과 정책 반복법으로 최적 정책을 구하는 과정을 정리한다.
2026-04-09
MDP 전이확률: 상태가 어떻게 변하는지 확률로 모델링하기
MDP의 전이확률 P(s'|s,a)의 정의와 행렬 표현, 가치·정책 계산에서의 역할, 추정 방법, 자율주행·재고관리·의료 응용을 정리한다.
2026-04-09
MIT의 LLM 훈련 효율 2배 향상 방법론: 토큰 가중치부터 중복 연산 제거까지
MIT CSAIL의 동적 토큰 가중치 조정·계층별 적응형 학습률·중복 연산 제거 세 기법이 어떻게 LLM 훈련 연산을 절반으로 줄이는지, 실험 결과와 한계, 산업계 영향을 정리한다.
2026-03-24
MIT의 개념 기반 반사실적 설명(C-CE): LIME·SHAP 다음의 XAI
LIME의 불안정성과 SHAP의 계산 비용 문제를 개념 병목 모델과 반사실적 설명 결합으로 푸는 MIT의 C-CE 방법론을 정량 비교와 의료·금융 응용 사례로 정리한다.
2026-03-17
모델링만 잘하면 끝이라는 착각이 만드는 ML 기술부채
모델 수정 불가능성, 학습-생산 데이터 불일치, 블랙박스화, 추상화 경계 소실이 만드는 ML 기술부채의 원인과 MLOps 기반 예방·상환 체계
2025-12-03
머신러닝 프로덕션 아키텍처: 피처 스토어부터 카나리 배포까지
기계학습 모델을 프로덕션에서 안정적으로 운영하기 위한 피처 스토어·모델 레지스트리·카나리 배포·드리프트 감지 파이프라인을 모델 계열 비교와 함께 정리한다.
2025-11-26
머신러닝과 데이터마이닝의 차이: 학습 자동화와 규칙 탐색
머신러닝과 데이터마이닝의 차이를 학습 주체, 패턴 정의, 운영 피드백과 적용 상황을 중심으로 정리합니다.
2025-10-14
기억기반추론 MBR: 유사 사례를 검색해 의사결정에 재사용하는 방법
기억기반추론(MBR)의 검색·재사용·수정·비교·유지 흐름과 거리·결합 함수, 인덱싱 및 운영 설계 기준을 정리한다.
2025-10-14
메타러닝에서 MAML·Prototypical Networks·Reptile 선택하기
MAML, Prototypical Networks, Reptile의 학습 방식과 자원·서빙 트레이드오프를 비교해 Few-shot 메타러닝 적용 기준을 정리한다.
2025-10-14
분류 모델 성능을 평가하는 정밀도·재현율·ROC와 PR-AUC
혼동행렬을 바탕으로 정밀도, 재현율, 정확도, FPR, ROC·PR 곡선과 AUC를 해석하고 운영 임계값을 설정하는 방법
2025-10-14
LSTM의 셀 상태와 게이트 메커니즘
망각·입력·출력 세 게이트가 셀 상태를 갱신하는 LSTM의 작동 원리와 응용, 트랜스포머와의 관계를 정리한다.
2025-05-23
분류 알고리즘, 무엇을 기준으로 고를 것인가
나이브 베이즈부터 앙상블까지 머신러닝 분류 알고리즘의 원리와 실제 적용 사례, 데이터 특성에 따른 선택 기준을 비교한다.
2025-05-23
기계학습 입문: 지도·비지도·강화학습부터 실무 도구까지
기계학습의 정의와 세 가지 학습 방식, 데이터 수집부터 모델 해석까지의 절차, 산업별 적용 사례와 구현 도구를 정리한 입문 가이드.
2025-05-23
머신러닝 모델은 어떻게 학습되는가: 파라미터·손실함수·경사하강법의 메커니즘
하이퍼파라미터와 파라미터의 차이부터 분류·회귀 문제 정의, 손실함수·경사하강법의 수학적 기반, 평가지표와 과적합 방지 기법까지 머신러닝 학습 과정의 내부 메커니즘을 정리한다.
2025-05-23
MDP(마르코프 결정 과정): 순차적 의사결정을 모델링하는 프레임워크
상태·행동·전이확률·보상·할인율로 정의되는 MDP의 구조와 정책·가치함수·벨만 방정식, 강화학습에서의 해법을 정리한다.
2025-05-23
머신러닝 평가지표 — 회귀와 분류, 무엇으로 성능을 잴 것인가
MAE·MSE·RMSE·R²부터 정확도·정밀도·재현율·F1·ROC-AUC까지 회귀·분류 모델의 평가지표를 정리하고 비즈니스 목표에 맞는 선택 기준을 살펴본다.
2025-05-23
기계학습 레이블링 전략 — 액티브 러닝부터 준지도학습까지 방법론 선택법
기계학습에서 레이블링 비용과 데이터 가용성에 따라 액티브 러닝·자기지도학습·약지도학습·준지도학습 중 무엇을 선택할지 실무 기준과 의사결정 프레임워크로 정리한다.
2025-05-23
머신러닝 파이프라인: 단계별 구성과 오케스트레이션 도구, 설계 원칙
데이터 수집부터 모니터링까지 이어지는 머신러닝 파이프라인의 단계와 오케스트레이션 도구, 모듈성·재현성 같은 설계 원칙, 산업별 구현 사례를 정리한다.
2025-05-23
대규모 멀티에이전트 학습을 위한 Mean-Field Games와 게임이론적 강화학습
Mean-Field Games와 게임이론적 강화학습의 평형 계산, 수렴 관리, 분산 운영 방식과 적용 판단 기준을 정리한다.
2024-04-29
MFCC·HMM·엔드투엔드 음성 인식 파이프라인 운영
MFCC 특징 추출부터 HMM 하이브리드와 엔드투엔드 ASR까지, 음성 인식 모델 선택·디코딩·배포·운영 기준을 정리한다.
2024-04-29
머신러닝 편향 감지와 XAI 운영 설계
Fairlearn으로 편향을 진단·완화하고 SHAP와 LIME으로 예측 근거를 설명하는 머신러닝 거버넌스 운영 방법
2024-04-29