인공지능(AI) 유게

번호	제목	글쓴이	작성일	조회
77	VGGNet — 단순함의 미덕	별님이	04.27	65
76	AlexNet — 딥러닝 르네상스의 출발	구름이	04.27	66
75	토크나이저(tokenizer) — BPE·WordPiece·SentencePiece	햇살이	04.27	79
74	임베딩(embedding) — 단어를 벡터로	햇살이	04.27	83
73	그래디언트 소실·폭주 문제와 해법	부엉이	04.27	90
72	데이터 증강(data augmentation) — 부풀려서 학습하기	다람쥐	04.27	82
71	전이학습(transfer learning) — 적은 데이터로 좋은 모델	토순이	04.27	71
70	사전학습(pre-training)과 미세조정(fine-tuning)	너구리	04.27	68
69	인코더-디코더 구조 정리	곰돌이	04.27	70
68	위치 인코딩(positional encoding) — 순서를 어떻게 알려 주는가	햇살이	04.27	68
67	Multi-head attention — 여러 시각으로 동시에 보기	다람쥐	04.27	68
66	Self-attention — 한 문장 안에서 단어가 서로 보는 법	곰돌이	04.27	65
65	Transformer가 RNN을 대체한 이유	별님이	04.27	77
64	어텐션(attention) 메커니즘 한 그림으로	너구리	04.27	101
63	시퀀스-투-시퀀스(seq2seq) 모델	구름이	04.27	66
62	GRU — LSTM을 단순화한 변형	햇살이	04.27	64
61	LSTM — RNN의 장기 기억 한계 극복	부엉이	04.27	70
60	순환 신경망(RNN)이란	다람쥐	04.27	69
59	잔차 연결(residual connection)이 깊은 망을 가능하게 한 이유	구름이	04.27	76
58	VGG·GoogLeNet·ResNet 한눈에	곰돌이	04.27	77
57	ImageNet과 알렉스넷의 의미 다시 보기	너구리	04.27	79
56	CNN 핵심 — 합성곱·풀링·스트라이드	구름이	04.27	65
55	합성곱 신경망(CNN)이란	구름이	04.27	66
54	가중치 초기화 — Xavier·He	곰돌이	04.27	67
53	배치 정규화(batch normalization)	부엉이	04.27	64
52	드롭아웃(dropout) — 과적합 방지의 정석	곰돌이	04.27	71
51	배치(batch)와 에폭(epoch)의 의미	토순이	04.27	79
50	옵티마이저 — SGD·Adam·AdamW 비교	토순이	04.27	92
49	역전파(backpropagation) 알고리즘	야옹이	04.27	62
48	활성화 함수 — ReLU·Sigmoid·Tanh·GELU	햇살이	04.27	70

77

VGGNet — 단순함의 미덕

별님이

04.27

65

0

76

AlexNet — 딥러닝 르네상스의 출발

구름이

04.27

66

0

75

토크나이저(tokenizer) — BPE·WordPiece·SentencePiece

햇살이

04.27

79

0

74

임베딩(embedding) — 단어를 벡터로

햇살이

04.27

83

0

73

그래디언트 소실·폭주 문제와 해법

부엉이

04.27

90

0

72

데이터 증강(data augmentation) — 부풀려서 학습하기

다람쥐

04.27

82

0

71

전이학습(transfer learning) — 적은 데이터로 좋은 모델

토순이

04.27

71

0

70

사전학습(pre-training)과 미세조정(fine-tuning)

너구리

04.27

68

0

69

인코더-디코더 구조 정리

곰돌이

04.27

70

0

68

위치 인코딩(positional encoding) — 순서를 어떻게 알려 주는가

햇살이

04.27

68

0

67

Multi-head attention — 여러 시각으로 동시에 보기

다람쥐

04.27

68

0

66

Self-attention — 한 문장 안에서 단어가 서로 보는 법

곰돌이

04.27

65

0

65

Transformer가 RNN을 대체한 이유

별님이

04.27

77

0

64

어텐션(attention) 메커니즘 한 그림으로

너구리

04.27

101

0

63

시퀀스-투-시퀀스(seq2seq) 모델

구름이

04.27

66

0

62

GRU — LSTM을 단순화한 변형

햇살이

04.27

64

0

61

LSTM — RNN의 장기 기억 한계 극복

부엉이

04.27

70

0

60

순환 신경망(RNN)이란

다람쥐

04.27

69

0

59

잔차 연결(residual connection)이 깊은 망을 가능하게 한 이유

구름이

04.27

76

0

58

VGG·GoogLeNet·ResNet 한눈에

곰돌이

04.27

77

0

57

ImageNet과 알렉스넷의 의미 다시 보기

너구리

04.27

79

0

56

CNN 핵심 — 합성곱·풀링·스트라이드

구름이

04.27

65

0

55

합성곱 신경망(CNN)이란

구름이

04.27

66

0

54

가중치 초기화 — Xavier·He

곰돌이

04.27

67

0

53

배치 정규화(batch normalization)

부엉이

04.27

64

0

52

드롭아웃(dropout) — 과적합 방지의 정석

곰돌이

04.27

71

0

51

배치(batch)와 에폭(epoch)의 의미

토순이

04.27

79

0

50

옵티마이저 — SGD·Adam·AdamW 비교

토순이

04.27

92

0

49

역전파(backpropagation) 알고리즘

야옹이

04.27

62

0

48

활성화 함수 — ReLU·Sigmoid·Tanh·GELU

햇살이

04.27

70

0