Machine-Learning(머신러닝)

Machine-Learning(머신러닝)82 posts

[Android Hardware] 16. On-Device AI/ML 통합

[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

[LLM] 08. 파인튜닝 실전 — Classification Fine-tuning과 LoRA

[LLM] 09. 지시 미세튜닝 — 프롬프트 포맷과 마스킹

[LLM] 10. RLHF와 DPO — 사람의 선호를 학습시키는 법

[LLM] 11. 추론 모델의 시대 — Chain-of-Thought와 GRPO

[LLM] 12. LLM 서빙 효율화 — KV Cache, GQA, MLA

[On-Device AI] 00. Introduction: On-Device AI 경량화

[On-Device AI] 01. Pruning — 가지치기로 모델 슬림화하기

[On-Device AI] 02. Quantization — 비트 수를 줄이는 법

[On-Device AI] 03. Knowledge Distillation — Teacher와 Student

[On-Device AI] 04. LLM을 위한 Pruning — OBS와 SparseGPT

[On-Device AI] 05. LLM Quantization — SmoothQuant와 AWQ

[On-Device AI] 06. 추론 가속 — Speculative Decoding, FlashAttention

[RAG] 00. Introduction: RAG와 정보검색

[RAG] 01. Classical IR — 역색인, TF-IDF, BM25

[RAG] 02. Dense Retrieval — BERT로 의미를 검색하기

[RAG] 03. RAG 파이프라인 구축 — Retriever-Reader

[RAG] 04. 고차원 근사 검색 — LSH와 그래프 인덱스

[RAG] 05. GraphRAG — 지식을 그래프로 검색하기

[RAG] 06. MCP 기반 Text2SQL — LLM과 데이터베이스 연결하기

[RAG] 07. Cross-Encoder 파인튜닝 — InfoNCE로 재정렬 모델 학습하기

[Vision AI] 00. Introduction: Vision AI 파운데이션

[Vision AI] 01. 비전을 위한 배경지식 — 카메라와 확률통계

[Vision AI] 02. DNN에서 CNN으로 — 합성곱과 ResNet

[Vision AI] 03. Vision Transformer — 이미지를 패치로 자르기

[Vision AI] 04. ViT의 변형들 — DeiT, Swin, CLIP, DINO

[Vision AI] 05. Object Detection — R-CNN에서 DETR까지

[Vision AI] 06. Tracking — ByteTrack과 TrackFormer

[Vision AI] 07. Segmentation — FCN에서 SAM까지

[Extreme 08] AI 추론 최적화

[Extreme 08] GPU Offloading 기초

[AI] insane-research: Claude Code 멀티 에이전트 딥 리서치 플러그인

[Self-Improvement] 박용후가 말하는 성공하는 사람의 네 가지 기둥

[Performance 08] Introduction: 극한 Low-latency 최적화 특수기술

[AI] 녹음 음성 화자 인식·STT 오픈소스 정리 (Reverb, WhisperX, pyannote)

[AI] Everything Claude Code: 강력한 AI 코딩 에이전트 설정 가이드

[Research] 생성형 AI 가장 인기 프롬프트 통계·트렌드 완전 분석

[Science] 바이오스피어 2 - 테라포밍 전 지구 최대 밀폐 생태계 실험

[AI] Composer: RL로 구축한 빠른 프론티어 코딩 모델

[AI] DeepSeek-OCR, 비전-텍스트 압축의 새 패러다임

[AI] 엔지니어를 위한 ChatGPT 활용 가이드: 프롬프트와 사용 사례

[IT] ChatGPT를 활용한 IT 팀 업무 효율화 실무 가이드

[Guide] 대학생을 위한 ChatGPT 100 프롬프트 (Study·Career·Life)

[News] 카카오-오픈AI 전략적 제휴 - 카톡·카나나 오픈AI 기술 적용

[AI] GPT-5 완전 가이드: OpenAI 혁신 모델의 모든 것

[AI] ChatGPT 공부 모드(Study Mode) 소개: 학습 특화 AI 튜터

[Orthography] 나라 맞춤법 검사기 리뉴얼: 바른 한글 새 기능과 특징

[Coding] 코딩의 300년 역사: 천공 카드에서 현대 프로그래밍까지

[LLM] DeepSearcher: 로컬 오픈소스 심층 리서치 도구 개요와 아키텍처

[PC] GPD Pocket 4 모듈형 핸드헬드 AI PC 리뷰

[NVIDIA] Project DIGITS(DGX Spark) 개인용 AI 슈퍼컴퓨터 정리

[AI] 가짜 학술 논문이 학술지를 침투하는 이유

[Tutorial] 팟플레이어 AI 자동 자막 생성 가이드 (Whisper)

[Science] 붉은 여왕 효과(Red Queen): 진화와 공진화의 경쟁

[Design Patterns] 24. 새로운 패턴 발견과 정의 — 실습

[Design Patterns] 24. 새로운 패턴 발견과 정의

[Technology] Chip Huyen 블로그 소개 — ML·AI 시스템과 커리어 인사이트

[ComputerScience] 알론조 처치: 컴퓨터 과학의 숨은 거장

[Philosophy] 시간의 본질: 계산적 관점에서 바라본 시간과 관찰자

[AI] 인공 일반 지능(AGI)의 정의, 5단계 발전, 기술 기반과 미래 전망

[Python] 고급 파이썬 튜토리얼: OOP·데코레이터·제너레이터·테스트

[Tech] LangGraph로 LLM 에이전트·워크플로우 구축하기

[Algorithm] 알고리즘의 주제별 분류와 설계 기법

[Architecture] Generative AI 기업 아키텍처 설계

[Python] 정규 표현식(Regex) 기초부터 고급·실전 활용까지

[DeepLearning] JAX vs PyTorch 딥러닝 프레임워크 비교

[MachineLearning] PyTorch vs JAX: 성능·확장성·선택 기준

[Study] 수학 필기를 위한 유용한 팁

[Reinforcement Learning] 강화 학습 이해와 실전 가이드

[Processor] CPU vs GPU: 구조·역할·사용처 완전 정리

[AI] AI의 미래 - 기회, 위험, 오픈소스 연구의 필요성

[ChatGPT] GPT-4 품질 저하(너핑) 논란과 비조정형 AI 논의

[Tutorial] Learn Prompting - 프롬프트 엔지니어링 무료 가이드 정리

[SW] 개발자가 갖춰야 할 필수 마인드와 원칙

Home