태그: #deep-learning

한국어English日本語中文

← 전체 글

• [심층 강화학습] 15. Trust Region 방법: TRPO, PPO, ACKTR

  정책 업데이트의 안정성을 보장하는 Trust Region 기법: PPO의 클리핑 목적함수, TRPO의 제약 최적화, ACKTR

  2026-03-19 · 12 분 읽기 #reinforcement-learning#deep-learning#ai

• [심층 강화학습] 12. 강화학습으로 챗봇 훈련하기

  Seq2Seq 모델과 강화학습을 결합한 챗봇 훈련: RNN 기초부터 Self-Critical Sequence Training(SCST)까지

  2026-03-19 · 11 분 읽기 #reinforcement-learning#deep-learning#ai#nlp

• [심층 강화학습] 09. Policy Gradient: 정책 기반 강화학습

  가치 기반 방법과 정책 기반 방법의 차이를 이해하고, Policy Gradient의 수학적 유도 과정과 REINFORCE 알고리즘을 CartPole과 Pong에 적용합니다.

  2026-03-19 · 15 분 읽기 #reinforcement-learning#deep-learning#ai#policy-gradient

• [심층 강화학습] 06. Deep Q-Network: DQN의 원리와 구현

  테이블 기반 Q-러닝의 한계를 극복하는 DQN의 핵심 아이디어(경험 리플레이, 타겟 네트워크)를 이해하고, Pong 환경에서 구현합니다.

  2026-03-19 · 13 분 읽기 #reinforcement-learning#deep-learning#ai#dqn

• [심층 강화학습] 03. PyTorch 딥러닝 기초: 텐서부터 신경망까지

  PyTorch의 텐서 연산, 자동 미분, 신경망 구성 요소를 학습하고, TensorBoard 모니터링과 Atari 이미지를 활용한 GAN 예제를 구현합니다.

  2026-03-19 · 27 분 읽기 #reinforcement-learning#deep-learning#ai#pytorch

• LLM 처음부터 만들기: 코드로 이해하는 GPT 완전 구현 가이드

  대규모 언어 모델(LLM)을 처음부터 직접 구현하며 완전히 이해하는 가이드. 토크나이저부터 Transformer 아키텍처, 사전학습, 파인튜닝까지 PyTorch로 작은 GPT를 완전히 구축합니다.

  2026-03-17 · 28 분 읽기 #llm#gpt#transformer#from-scratch#deep-learning

• CUDA 프로그래밍 완전 정복: GPU 병렬 컴퓨팅 Zero to Hero

  CUDA 프로그래밍의 기초부터 고급 최적화까지 완전히 마스터하는 가이드. GPU 아키텍처 이해, 커널 작성, 메모리 최적화, 혼합 정밀도 학습, cuDNN/cuBLAS 활용까지 실전 예제와 함께 배웁니다.

  2026-03-17 · 44 분 읽기 #cuda#gpu#gpu-cuda#parallel-computing#nvidia

• TensorFlow & Keras 완전 정복 가이드: Zero to Hero - 설치부터 프로덕션 배포까지

  TensorFlow와 Keras의 기초부터 프로덕션 배포까지 완전히 정복하는 가이드. 텐서 연산, Keras API, CNN/RNN/Transformer, TensorBoard, TF-Serving, TFLite까지 실전 예제와 함께 배웁니다.

  2026-03-17 · 34 분 읽기 #tensorflow#keras#deep-learning#ai#python

• Torch-Titan 완전 가이드: PyTorch 대규모 분산 학습의 모든 것

  PyTorch Titan(torchtitan)으로 대규모 LLM 분산 학습을 마스터하는 완전 가이드. FSDP2, 파이프라인 병렬화, Tensor 병렬화, 4D 병렬화, 플래시 어텐션, 혼합 정밀도까지 실전 예제와 함께 배웁니다.

  2026-03-17 · 31 분 읽기 #torch-titan#distributed-training#pytorch#fsdp#deep-learning

• Transformer 아키텍처 완전 분석: Attention부터 최신 LLM까지

  Transformer 아키텍처를 처음부터 완전히 이해하는 가이드. Self-Attention, Multi-Head Attention, Positional Encoding, Encoder-Decoder 구조부터 Flash Attention, RoPE, GQA까지 수식과 코드로 완벽히 설명합니다.

  2026-03-17 · 36 분 읽기 #transformer#attention#deep-learning#nlp#ai

• 자기지도 학습(Self-Supervised Learning) 완전 정복: SimCLR, MAE, DINO, CLIP

  자기지도 학습을 완전히 마스터하는 가이드. 대조 학습(SimCLR, MoCo), 마스크드 오토인코더(MAE, BEiT), DINO, CLIP까지 레이블 없이도 강력한 표현을 학습하는 방법을 실전 코드와 함께 배웁니다.

  2026-03-17 · 40 분 읽기 #self-supervised-learning#contrastive-learning#simclr#mae#dino

• 딥러닝 추천 시스템 완전 가이드: 협업 필터링부터 LLM 기반 추천까지

  추천 시스템의 기초부터 최신 딥러닝 기법까지 완전 정복 가이드. 협업 필터링, Matrix Factorization, NCF, Two-Tower 모델, 시퀀스 추천, GNN 기반 추천, LLM 추천까지 실전 코드로 마스터합니다.

  2026-03-17 · 33 분 읽기 #recommendation-system#collaborative-filtering#deep-learning#two-tower#llm

• PyTorch 고급 기법 완전 가이드: torch.compile, Custom Ops, Memory 최적화

  PyTorch 고급 기법을 완전히 마스터하는 가이드. torch.compile, 커스텀 연산자, 메모리 최적화, Gradient Checkpointing, torch.vmap, functorch, PyTorch Profiler까지 실전 예제로 배웁니다.

  2026-03-17 · 23 분 읽기 #pytorch#advanced#torch-compile#memory-optimization#custom-operators

• 자연어 처리(NLP) 완전 정복 가이드: Zero to Hero - 텍스트 처리부터 LLM까지

  자연어 처리의 기초부터 최신 LLM까지 완전히 정복하는 가이드. 텍스트 전처리, Word2Vec, RNN/LSTM, Attention, Transformer, BERT, GPT까지 실전 코드와 함께 단계별로 배웁니다.

  2026-03-17 · 49 분 읽기 #nlp#natural-language-processing#transformer#bert#gpt

• 메타러닝과 퓨샷 학습 완전 가이드: MAML, Prototypical Networks, In-Context Learning

  메타러닝과 퓨샷 학습을 완전히 마스터하는 가이드. "학습하는 방법을 학습"하는 아이디어부터 MAML, Prototypical Networks, Matching Networks, Reptile, 그리고 LLM의 In-Context Learning까지 실전 코드로 배웁니다.

  2026-03-17 · 37 분 읽기 #meta-learning#few-shot-learning#maml#prototypical-networks#in-context-learning

• Mamba와 상태 공간 모델(SSM) 완전 정복: Transformer를 넘어서

  Mamba와 상태 공간 모델(SSM)을 완전히 이해하는 가이드. Transformer의 이차 복잡도 문제를 해결한 S4, H3, Mamba 1/2 아키텍처를 수식과 코드로 깊이 분석하고, MambaFormer와 Jamba 같은 하이브리드 모델까지 다룹니다.

  2026-03-17 · 31 분 읽기 #mamba#state-space-model#ssm#deep-learning#sequence-modeling

• 지식 증류(Knowledge Distillation) 완전 가이드: 모델 경량화와 압축 기법

  지식 증류와 모델 압축 기법을 완전히 마스터하는 가이드. Teacher-Student 학습, 중간 레이어 증류, 관계 기반 증류, 구조적 프루닝, 가중치 공유, 신경망 구조 탐색(NAS)까지 실전 PyTorch 코드로 배웁니다.

  2026-03-17 · 32 분 읽기 #knowledge-distillation#model-compression#pruning#deep-learning#ai

• 딥러닝 시계열 분석 완전 가이드: LSTM, Transformer, PatchTST, TimesFM

  딥러닝으로 시계열 데이터를 완전히 마스터하는 가이드. 시계열 전처리, ARIMA, LSTM, Temporal Fusion Transformer, PatchTST, Mamba, TimesFM 같은 최신 파운데이션 모델까지 실전 예제로 배웁니다.

  2026-03-17 · 30 분 읽기 #time-series#lstm#transformer#forecasting#deep-learning

• 적대적 머신러닝(Adversarial ML) 가이드: 공격과 방어 기법 완전 정복

  적대적 머신러닝을 완전히 마스터하는 가이드. FGSM, PGD, C&W 공격, 데이터 포이즈닝, 모델 도용, 백도어 공격과 이에 대한 방어 기법(Adversarial Training, 인증 방어)까지 실전 코드로 배웁니다.

  2026-03-17 · 35 분 읽기 #adversarial-ml#ai-security#deep-learning#robustness#ai

• CNN 아키텍처 완전 정복: LeNet부터 EfficientNet, Vision Transformer까지

  CNN 아키텍처의 역사와 발전을 완전히 이해하는 가이드. LeNet, AlexNet, VGG, ResNet, DenseNet, EfficientNet, Vision Transformer까지 구조 분석과 PyTorch 구현으로 완벽히 마스터합니다.

  2026-03-17 · 32 분 읽기 #cnn#computer-vision#deep-learning#resnet#vgg