Neural-Network - 42JerryKim

Neural-Network52 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

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

[Vocabulary] stimulation 뜻과 의미 - 명사 핵심 정리

[AI] DeepSeek-OCR, 비전-텍스트 압축의 새 패러다임

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

[AI] GPT-5 완전 가이드: OpenAI 혁신 모델의 모든 것

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

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

[Architecture] Generative AI 기업 아키텍처 설계

[DeepLearning] JAX vs PyTorch 딥러닝 프레임워크 비교

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

[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

Home