AI 2026.04.28 · 12 min
Advanced Bayesian Ml Deep Dive · 1
베이즈 추론의 다섯 가지 근본 질문
Prior에서 Posterior까지, MLE·MAP·Full Bayesian의 등가성부터 Bernstein–von Mises 수렴까지 베이지안 ML의 핵심 구조를 추적한다.
series · bayesian-ml-deep-dive
📚 Bayesian Ml Deep Dive
총 7편 · 순서대로 읽기를 권장
AI 2026.04.28 · 12 min
Advanced Bayesian Ml Deep Dive · 2
Variational Inference는 왜 ELBO를 최대화하는가
Intractable posterior를 tractable 분포로 근사하는 VI의 아이디어부터 ELBO의 세 분해, CAVI의 단조 수렴, reparameterization trick의 저분산 원리까지 하나의 최적화 철학으로 추적한다.
AI 2026.04.28 · 11 min
Advanced Bayesian Ml Deep Dive · 3
VAE의 모든 설계 결정은 하나의 질문에서 나온다
ELBO 유도부터 β-VAE의 disentanglement, Normalizing Flow의 정확한 likelihood, Amortized Inference의 gap, IWAE의 단조 수렴까지 — VAE 계열 생성모델의 통일 원리를 추적한다.
AI 2026.04.28 · 12 min
Advanced Bayesian Ml Deep Dive · 4
MCMC는 왜 evidence 없이도 posterior를 얻는가
Metropolis-Hastings의 detailed balance부터 NUTS의 자동 튜닝, VI와의 정확도-속도 트레이드오프까지 — MCMC 추론 체계의 핵심 원리를 추적한다.
AI 2026.04.28 · 10 min
Advanced Bayesian Ml Deep Dive · 5
BNN은 왜 그토록 어려운가 — 근사 추론의 스펙트럼
가중치를 확률변수로 취급하는 BNN의 수학적 출발점부터 Laplace, Bayes by Backprop, MC Dropout, SWAG까지, posterior 근사 전략의 트레이드오프를 추적한다.
AI 2026.04.28 · 10 min
Advanced Bayesian Ml Deep Dive · 6
Bayesian Optimization은 어떻게 적은 실험으로 최적을 찾는가
GP posterior로 불확실성을 정량화하고, acquisition function으로 탐색-활용 균형을 수학적으로 구현하는 BO 프레임워크의 설계 원리부터 고차원 확장과 수렴 보장까지.
AI 2026.04.28 · 10 min
Advanced Bayesian Ml Deep Dive · 7
Bayesian Deep Learning은 불확실성을 어떻게 다루는가
Diffusion Model의 Hierarchical VAE 해석부터 PPL, Epistemic/Aleatoric 분해, OOD Calibration까지 — Bayesian 프레임워크가 현대 딥러닝을 관통하는 하나의 언어임을 추적한다.