Machine Learning & AI
기술 노트통계적 수학과 대규모 하드웨어 연산을 결합하여 기계가 스스로 규칙을 추출하고, 인간의 고등 추론을 수리적으로 모사하는 인공지능의 모든 계층을 다룹니다.
machine-learning-ai
주제28
machine-learning-ai
이 주제 아래 묶인 기록을 섹션별로 살펴봅니다.
Deep Learning & Transformer
기술 노트인간 뇌의 뉴런 구조를 수리적으로 모사하여 복잡한 비선형 데이터를 처리하고, 이미지와 시퀀스 데이터에서 물리적 특징을 자동 추출하는 딥러닝의 역학을 다루는 학습 노드입니다.
machine-learning-ai / deep-learning-transformerCNN & Computer Vision Mechanics
기술 노트시각적 데이터의 공간적 구조를 보존하며 계층적으로 특징을 추출하는 합성곱 신경망의 물리적 필터링과, 기계가 세상을 '보는' 수리적 메커니즘을 다룹니다.
machine-learning-ai / deep-learning-transformer / cnn-computer-vision-mechanicsModern Transformer Architectures
기술 노트고정된 시퀀스의 한계를 넘어 데이터 간의 상관관계를 한꺼번에 주목(Attention)하여 병렬로 처리하고, 현대 LLM의 심장이 된 트랜스포머의 수리적 구조와 물리적 혁신을 다룹니다.
machine-learning-ai / deep-learning-transformer / modern-transformer-architecturesNeural Network Foundations
기술 노트생물학적 뇌의 뉴런 동작 방식을 수리적으로 모방하여, 다층 구조의 레이어를 통해 복잡한 비선형 패턴을 학습하는 딥러닝의 물리적 근간과 퍼셉트론 원리를 다룹니다.
machine-learning-ai / deep-learning-transformer / neural-network-foundationsRNN & Sequential Data Physics
기술 노트시간의 흐름이나 배열의 순서가 중요한 시계열 데이터의 상태를 기억하고 전달하며, 과거의 수리적 흐름으로부터 미래를 예측하는 순환 신경망의 물리적 역동성을 다룹니다.
machine-learning-ai / deep-learning-transformer / rnn-sequential-data-physicsLearning & Optimization
기술 노트기계가 데이터로부터 수리적 규칙을 스스로 물리 학습하는 기본 원리와, 오차를 줄여나가는 최적화의 역학을 다루는 학습 노드입니다.
machine-learning-ai / learning-optimization