Embedding(임베딩)
13 posts
[LLM] 00. Introduction: LLM 밑바닥부터 이해하기
[LLM] 01. AI 수학 기초 — 내적, Softmax, KL Divergence
[LLM] 02. 신경망은 어떻게 학습하는가 — 역전파와 Adam
[LLM] 03. RNN에서 Transformer까지 — 언어모델의 진화
[LLM] 04. 토크나이징과 임베딩 — 텍스트를 벡터로
[LLM] 05. Self-Attention 완전분해 — Q, K, V부터 Multi-head까지
[LLM] 06. GPT 아키텍처 해부 — 정규화, FFN, Residual, 샘플링
[LLM] 07. 지식은 어디에 저장되는가 — FFN과 Superposition
[RAG] 00. Introduction: RAG와 정보검색
[RAG] 02. Dense Retrieval — BERT로 의미를 검색하기
[RAG] 03. RAG 파이프라인 구축 — Retriever-Reader
[RAG] 04. 고차원 근사 검색 — LSH와 그래프 인덱스
[Vision AI] 03. Vision Transformer — 이미지를 패치로 자르기
Home