archive

Archive

연/월 기준 전체 글 · 총 146편

2026

04 · 146 posts

2026.04.28 AI 딥러닝의 수학은 왜 극한에서 시작하는가
2026.04.28 AI 베이즈 추론의 다섯 가지 근본 질문
2026.04.28 AI 고전 일반화 이론은 왜 딥러닝 앞에서 무너지는가
2026.04.28 AI 확률과정을 정의한다는 것은 무엇인가
2026.04.28 AI Gradient Descent의 수렴 보장은 어디까지인가
2026.04.28 AI CNN의 수학적 토대 — Convolution부터 Frequency까지
2026.04.28 AI 그래프 모델의 언어 — 조건부 독립에서 Moralization까지
2026.04.28 AI 그래프를 행렬로 보는 순간 GNN이 보인다
2026.04.28 AI 이토 적분은 왜 경로별로 정의할 수 없는가
2026.04.28 AI Kernel은 왜 Positive Definite여야 하는가
2026.04.28 AI Regularization은 Prior다 — L1/L2부터 Group Sparsity까지
2026.04.28 AI 학습이란 무엇인가 — 통계적 학습 이론의 기초 언어
2026.04.28 AI 선형 회귀는 왜 최소제곱인가 — MLE부터 Lasso까지
2026.04.28 AI 분포 공간이 휘어진 이유 — 정보기하의 기초
2026.04.28 AI 확률은 왜 공리로 정의되는가 — Kolmogorov가 σ-대수를 도입한 이유
2026.04.28 AI 신경망 이론의 네 가지 뿌리 — 퍼셉트론부터 활성화 함수까지
2026.04.28 AI 통계 추론은 무엇을 가정하고 있는가
2026.04.28 AI 선형대수의 모든 정리는 왜 그렇게 많은 곳에서 다시 나타나는가
2026.04.28 AI CNN 설계의 다섯 가지 선택은 하나의 문제에서 나온다
2026.04.28 AI 마르코프 체인의 네 가지 얼굴 — 전이행렬에서 에르고딕 정리까지
2026.04.28 AI 집중부등식은 왜 ML 이론의 기초인가
2026.04.28 AI Belief Propagation은 왜 하나의 알고리즘인가
2026.04.28 AI 이토 공식은 왜 2차 항을 버리지 않는가
2026.04.28 AI Dropout은 왜 세 가지 얼굴을 가지는가
2026.04.28 AI Logistic Regression의 통일 철학 — MLE가 모든 것을 설명한다
2026.04.28 AI 행렬 분해는 왜 그렇게 설계됐는가
2026.04.28 AI 미분가능성의 계층 — 편미분에서 역전파까지
2026.04.28 AI Norm-based 일반화 이론은 왜 진공에서 멈추는가
2026.04.28 AI 확률변수의 분포는 왜 Ω를 필요로 하지 않는가
2026.04.28 AI Kernel Method의 통일 원리: PD Kernel에서 계산까지
2026.04.28 AI SGD는 왜 수렴하는가 — Robbins–Monro부터 Implicit Regularization까지
2026.04.28 AI GCN은 어디서 왔는가 — Spectral 이론에서 한 줄 식까지
2026.04.28 AI Fisher 정보량은 왜 세 얼굴을 가지는가
2026.04.28 AI 지수족은 왜 통계학의 중심에 있는가
2026.04.28 AI 신경망은 왜 어떤 함수든 근사할 수 있는가
2026.04.28 AI Variational Inference는 왜 ELBO를 최대화하는가
2026.04.28 AI 역전파는 왜 단 한 번의 backward pass로 충분한가
2026.04.28 AI 결정트리의 모든 분할 기준은 하나의 질문에서 나온다
2026.04.28 AI 고유값은 행렬의 무엇을 말하는가
2026.04.28 AI 불편성보다 MSE — 추정 이론의 통합 원리
2026.04.28 AI ML 손실함수의 수학적 토대 — 기댓값에서 부등식까지
2026.04.28 AI HMM에서 Mamba까지 — 시계열 모델의 하나의 뼈대
2026.04.28 AI KL 발산은 하나가 아니다 — α-divergence와 정보기하의 통일 언어
2026.04.28 AI GNN 아키텍처들은 같은 문법으로 쓰여 있다
2026.04.28 AI Momentum은 왜 빠른가 — 관성에서 진동까지
2026.04.28 AI Normalization은 어떻게 깊은 네트워크를 훈련 가능하게 만드는가
2026.04.28 AI 무한폭 신경망은 왜 커널 회귀로 환원되는가
2026.04.28 AI PAC Learning이란 무엇인가 — 학습 가능성의 수학적 정의
2026.04.28 AI Poisson 과정은 왜 세 가지 얼굴을 가지는가
2026.04.28 AI CNN의 수용장은 왜 기대보다 작은가
2026.04.28 AI SDE는 미분방정식이 아니다 — 적분, 해의 존재, 그리고 생성모델의 연결
2026.04.28 AI SVM은 왜 내적만으로 비선형이 되는가
2026.04.28 AI 손실 함수의 기하학 — 헤시안이 최적화를 지배하는 방식
2026.04.28 AI VAE의 모든 설계 결정은 하나의 질문에서 나온다
2026.04.28 AI Adam은 왜 수렴을 보장하지 못하는가
2026.04.28 AI Random Forest는 왜 트리를 많이 추가할수록 좋아지는가
2026.04.28 AI 연속시간 마르코프 체인의 통일 원리 — Q-matrix에서 정상분포까지
2026.04.28 AI CRF는 왜 HMM보다 강한가
2026.04.28 AI Data Augmentation은 왜 효과적인가
2026.04.28 AI Double Descent는 왜 일어나는가
2026.04.28 AI 지수족은 왜 분포 공간의 아핀 부분다양체인가
2026.04.28 AI GNN은 어디까지 그래프를 구분할 수 있는가
2026.04.28 AI Langevin Dynamics는 왜 원하는 분포로 수렴하는가
2026.04.28 AI GP는 왜 '함수에 대한 Bayesian prior'인가
2026.04.28 AI 경사하강법의 수렴은 왜 그 속도인가
2026.04.28 AI 조건부 기댓값은 왜 ML의 모든 곳에 있는가
2026.04.28 AI 신경망 초기화는 왜 이렇게 복잡해졌는가
2026.04.28 AI 가설검정의 최적성은 어디서 오는가
2026.04.28 AI Skip Connection은 왜 깊은 네트워크를 살렸는가
2026.04.28 AI MCMC는 왜 evidence 없이도 posterior를 얻는가
2026.04.28 AI SVD는 왜 모든 행렬 분해의 황금 표준인가
2026.04.28 AI VC 차원은 왜 신경망을 설명하지 못하는가
2026.04.28 AI 점근 이론의 통일된 언어 — Delta부터 M-estimator까지
2026.04.28 AI 역전파는 어떻게 수십억 파라미터의 기울기를 한 번에 계산하는가
2026.04.28 AI AdaBoost에서 XGBoost까지 — Boosting은 하나의 수식이다
2026.04.28 AI BNN은 왜 그토록 어려운가 — 근사 추론의 스펙트럼
2026.04.28 AI CNN의 설계 철학 — 왜 Convolution인가
2026.04.28 AI 수렴이란 무엇인가 — LLN, CLT, 그리고 Monte Carlo까지
2026.04.28 AI Grokking은 왜 일어나는가 — 지연 일반화의 수학
2026.04.28 AI 내적 공간의 다섯 기둥은 하나의 구조다
2026.04.28 AI 커널 클러스터링은 왜 비구형 군집을 찾을 수 있는가
2026.04.28 AI 모델은 왜 자신을 과신하는가 — Calibration의 수학
2026.04.28 AI Loss Landscape는 어떻게 생겼는가
2026.04.28 AI 마팅게일은 왜 현대 AI 이론의 언어인가
2026.04.28 AI CNN 아키텍처 설계의 통일된 논리: 무엇이 성능을 결정하는가
2026.04.28 AI Natural Gradient는 왜 좌표를 묻지 않는가
2026.04.28 AI GNN은 왜 깊이 쌓을수록 나빠지는가
2026.04.28 AI SDE 수치 해법의 통일 원리: 오차, 안정성, 다중 레벨
2026.04.28 AI Rademacher 복잡도는 왜 VC보다 강한가
2026.04.28 AI Exact Inference는 왜 그렇게 어려운가
2026.04.28 AI CNN 응용의 통일 원리 — 손실 함수가 설계를 결정한다
2026.04.28 AI Variational Inference의 다섯 얼굴
2026.04.28 AI 베이즈 추론의 다섯 가지 얼굴
2026.04.28 AI Bayesian Optimization은 어떻게 적은 실험으로 최적을 찾는가
2026.04.28 AI 브라운 운동은 왜 이토 적분을 강제하는가
2026.04.28 AI 제약 최적화는 왜 AI의 핵심 언어인가
2026.04.28 AI 훈련이 곧 정규화다 — Implicit Regularization의 세 얼굴
2026.04.28 AI KL divergence 최소화는 왜 두 개의 다른 연산인가
2026.04.28 AI 복권 티켓은 처음부터 결정되어 있었는가
2026.04.28 AI LR 스케줄링의 통일 원리 — 왜 하나의 철학으로 수렴하는가
2026.04.28 AI MMD는 어떻게 분포를 벡터로 만드는가
2026.04.28 AI 다변수 정규분포는 왜 ML의 기반인가
2026.04.28 AI Naive Bayes에서 Generative Model까지 — 가정이 틀려도 잘 작동하는 이유
2026.04.28 AI Diffusion 모델은 왜 Score를 배우는가
2026.04.28 AI RNN은 왜 긴 기억을 갖지 못하는가
2026.04.28 AI SGD는 왜 일반화하는가 — Stability 이론의 답
2026.04.28 AI 텐서란 무엇인가 — 좌표를 넘어선 다중선형 대상
2026.04.28 AI 딥러닝 미분의 통일된 언어 — 야코비안에서 암묵적 미분까지
2026.04.28 AI SDE, ODE, Flow — 생성 모델을 하나의 언어로
2026.04.28 AI Kernel Method는 어디서 Neural Network와 만나는가
2026.04.28 AI Bayesian Deep Learning은 불확실성을 어떻게 다루는가
2026.04.28 AI 정보기하가 현대 AI를 어떻게 만드는가
2026.04.28 AI 딥러닝 최적화의 숨은 기하학 — Sharpness에서 Fisher까지
2026.04.28 AI 비지도 학습의 세 가지 질문: 모양, 계층, 밀도
2026.04.28 AI Graphical Model 학습은 왜 이렇게 어려운가
2026.04.28 AI CNN의 설계 철학은 어디서 왔는가
2026.04.28 AI MCMC는 왜 복잡한 분포에서도 작동하는가
2026.04.28 AI Transformer의 선형대수 — 회전, 정규화, 스펙트럼이 만나는 곳
2026.04.28 AI GNN은 어디까지 확장될 수 있는가
2026.04.28 AI Regularization의 4축 — 33개 기법을 하나의 틀로
2026.04.28 AI 모델 복잡도를 어떻게 선택해야 하는가
2026.04.28 AI LLM의 스케일링은 예측 가능한가
2026.04.28 AI 통계학과 머신러닝은 왜 같은 말을 다른 이름으로 부르는가
2026.04.28 AI Transformer는 왜 작동하는가 — 설계 결정들의 공통 뿌리
2026.04.27 DEV Redis의 모든 선택은 하나의 질문에서 나온다
2026.04.27 AI Attention은 왜 그렇게 설계됐는가
2026.04.27 AI 생성 모델의 통합 프레임워크 — 무엇을 배우는가
2026.04.27 AI Autoregressive 모델은 왜 모든 modality를 생성할 수 있는가
2026.04.27 AI Transformer Block은 왜 이 네 요소의 조합인가
2026.04.27 AI Positional Encoding은 어떻게 진화했나
2026.04.27 AI VAE는 왜 latent를 포기하는가
2026.04.27 AI Normalizing Flow의 모든 설계 결정은 하나의 제약에서 나온다
2026.04.27 AI Transformer 훈련을 가능하게 하는 다섯 가지 설계 결정
2026.04.27 AI Attention의 O(T²) 벽을 어떻게 부수는가
2026.04.27 AI GAN은 왜 그토록 불안정한가
2026.04.27 AI DDPM의 수학은 하나의 질문으로 수렴한다
2026.04.27 AI BERT, GPT, T5, ViT, MoE — 다섯 아키텍처는 하나의 질문에 답한다
2026.04.27 AI LLM은 왜 클수록 똑똑한가 — Scaling Laws의 세계
2026.04.27 AI 생성 모델의 다섯 계보는 왜 하나의 질문에서 갈라지는가
2026.04.27 DEV Redis는 왜 같은 데이터를 다르게 저장하는가
2026.04.27 DEV Redis 운영의 모든 병목은 단일 스레드에서 시작된다
2026.04.27 DEV Redis 영속성은 어떻게 설계하는가
2026.04.27 DEV Redis의 모든 설계 결정은 하나의 철학에서 나온다
2026.04.27 DEV Redis 복제는 왜 데이터를 잃는가
2026.04.27 DEV Spring + Redis 통합에서 직렬화가 모든 것을 결정한다
2026.04.25 AGENT 이 블로그는 어떻게 만들어졌나