All Posts
이 블로그는 AI/ML, 하드웨어, 임베디드, 프로그래밍 등 직접 공부하고 만든 결과물을 정리하는 공간입니다. 총 433개의 글이 카테고리별로 정리되어 있으며, 학습 노트, 프로젝트 진행 보고서, 짧은 팁까지 다양한 형태로 작성되어 있습니다. 카테고리에서 원하는 주제를 선택하시거나, 최신순/인기순 정렬로 둘러보실 수 있습니다.
Deep Learning
10-1. 딥러닝 모델 배포: TensorFlow Serving, Flask API
TensorFlow Serving, Flask API 등을 이용하여 딥러닝 모델을 배포하는 방법을 소개하고, 실제 서비스에 적용하는 과정을 설명합니다.
Deep Learning
11-2. Object Detection 모델: YOLO, SSD, Faster R-CNN 비교 분석
YOLO, SSD, Faster R-CNN 등 대표적인 Object Detection 모델의 특징과 성능을 비교 분석합니다.
Deep Learning
9-2. 배치 정규화 (Batch Normalization): 학습 속도 및 성능 향상
배치 정규화의 원리와 효과를 설명하고, 딥러닝 모델의 학습 속도 및 성능 향상에 기여하는 바를 분석합니다.
Deep Learning
8-5. StyleGAN: 고품질 이미지 생성 모델
StyleGAN의 특징과 구조를 설명하고, 이미지 생성 품질을 향상시키는 기술적 요소들을 분석합니다.
Deep Learning
10-3. ONNX (Open Neural Network Exchange): 모델 포맷 변환
ONNX 포맷의 특징과 장점을 설명하고, 다양한 딥러닝 프레임워크 간 모델 호환성을 높이는 방법을 제시합니다.
Deep Learning
9-4. 하이퍼파라미터 튜닝 (Hyperparameter Tuning): Grid Search, Random Search
Grid Search, Random Search 등 하이퍼파라미터 튜닝 방법을 소개하고, 최적의 하이퍼파라미터 조합을 찾는 전략을 제시합니다.
Deep Learning
3-5. 손실 함수 (Loss Function): 모델 성능 평가 지표
다양한 손실 함수(MSE, Cross-Entropy 등)의 종류와 특징을 설명하고, 문제 유형에 따른 적절한 손실 함수 선택 방법을 제시합니다.
Deep Learning
3-1. 퍼셉트론: 딥러닝의 가장 기본적인 모델
퍼셉트론의 구조와 작동 원리를 설명하고, 단층 퍼셉트론의 한계를 분석합니다.
Deep Learning
10-2. 딥러닝 모델 경량화: Quantization, Pruning
Quantization, Pruning 등 딥러닝 모델을 경량화하는 기법의 원리와 효과를 설명하고, 모바일 및 임베디드 환경에 적용하는 방법을 제시합니다.
Deep Learning
6-4. GRU (Gated Recurrent Unit): LSTM 간소화 버전
GRU의 구조와 작동 원리를 설명하고, LSTM과 비교하여 장단점을 분석합니다.
Deep Learning
3-7. 경사 하강법의 변형: Momentum, AdamW
경사 하강법의 단점을 보완하기 위한 모멘텀, AdamW 등 다양한 최적화 알고리즘에 대해 설명하고, 각 알고리즘의 특징과 사용 사례를 비교합니다.
Deep Learning
11-3. Semantic Segmentation: 픽셀 단위 이미지 분류
Semantic Segmentation의 개념과 응용 분야를 소개하고, 픽셀 단위 이미지 분류 방법을 설명합니다.
Computer
(149)
Operating System
Operating System
1-1. 운영체제 개요
운영체제의 역할, 구조, 주요 기능들을 소개합니다. 운영체제가 왜 필요한지, 어떤 역할을 하는지 살펴봅니다.
Operating System
1-2. 운영체제 구조 및 시스템 콜
운영체제의 커널, 쉘, 시스템 콜의 개념을 설명하고, 시스템 콜의 동작 원리를 알아봅니다.
Operating System
1-3. 가상 머신 (VM) 소개
가상 머신의 개념, 종류, 장단점을 살펴보고, 운영체제와의 관계를 이해합니다.
Operating System
2-1. 프로세스 개념
프로세스의 정의, 상태, PCB(Process Control Block)를 설명합니다. 프로세스 관리에 필요한 기본 개념들을 다룹니다.
Coding Test
Coding Test
1-1. 코딩 테스트 소개 및 준비
코딩 테스트의 개요, 중요성, 유형 및 성공적인 준비 전략을 소개합니다.
Coding Test
1-2. 코딩 테스트 환경 설정
코딩 테스트에 필요한 개발 환경 설정(IDE, 컴파일러, 버전 관리 등)을 다룹니다.
Coding Test
1-3. 프로그래밍 언어 선택 및 기본 문법
코딩 테스트에 적합한 프로그래밍 언어 선택 기준과 기본 문법을 학습합니다.
Coding Test
1-4. 시간 복잡도와 공간 복잡도
알고리즘의 효율성을 평가하는 시간 복잡도와 공간 복잡도 개념을 이해하고 분석합니다.
AI
(82)
Deep Learning
Deep Learning
1-1. 인공지능과 머신러닝 개요: AI, ML, DL의 관계
인공지능(AI), 머신러닝(ML), 딥러닝(DL)의 개념과 역사, 그리고 이들 간의 관계를 이해합니다.
Deep Learning
1-2. 머신러닝 기초: 데이터, 모델, 학습의 이해
머신러닝의 핵심 구성요소인 데이터, 모델, 학습 과정을 이해하고, 딥러닝 학습을 위한 기초를 다집니다.
Deep Learning
1-3. 딥러닝이란 무엇인가: 신경망과의 관계
딥러닝의 정의와 머신러닝과의 관계, 특히 신경망과의 연관성을 설명하고, 딥러닝의 장점을 강조합니다.
Deep Learning
1-4. 딥러닝의 주요 응용 분야: 이미지, 음성, 자연어 처리
딥러닝이 활발하게 활용되는 주요 분야(이미지 인식, 음성 인식, 자연어 처리)의 대표적인 사례를 소개합니다.
Circuit
(74)
Electronic Circuit
Electronic Circuit
1-1. 전자의 흐름을 이해하다: 전압, 전류, 저항의 기본 원리
전자 회로의 가장 기본적인 개념인 전압, 전류, 저항을 정의하고 옴의 법칙을 통해 이들 사이의 관계를 설명합니다.
Electronic Circuit
1-2. 신호의 세계: AC/DC 신호, 주기, 주파수, 위상
직류(DC)와 교류(AC) 신호의 차이를 이해하고, AC 신호의 주요 특성인 주기, 주파수, 위상 개념을 다룹니다.
Electronic Circuit
1-3. 증폭기의 역할과 이상적인 특성: 이득, 입출력 임피던스, 선형성
증폭기가 무엇인지, 그리고 이상적인 증폭기가 갖춰야 할 이득, 입력 임피던스, 출력 임피던스, 선형성 등의 특성을 소개합니다.
Electronic Circuit
1-4. 데시벨(dB)의 이해: 이득 계산과 주파수 응답 분석에 활용
증폭기의 이득을 표현하는 데 널리 사용되는 데시벨(dB) 단위의 개념과 계산 방법, 그리고 그 활용법을 학습합니다.
Verilog & SystemVerilog
Verilog & SystemVerilog
1-1. Verilog HDL 소개
Verilog HDL의 역사, 특징, 사용 분야를 간략하게 소개합니다. 디지털 시스템 설계에 Verilog가 어떻게 활용되는지 알아봅니다.
Verilog & SystemVerilog
1-2. 디지털 시스템 설계 과정
Verilog를 이용한 디지털 시스템 설계의 전반적인 과정을 설명합니다. 설계, 시뮬레이션, 합성, 검증 단계를 소개합니다.
Verilog & SystemVerilog
1-3. Verilog HDL의 기본 문법
Verilog의 기본 문법인 모듈, 포트, 데이터 타입, 연산자 등을 설명합니다. 간단한 예제를 통해 기본 문법을 익힙니다.
Verilog & SystemVerilog
2-1. Verilog의 데이터 타입
Verilog에서 사용되는 다양한 데이터 타입(net, variable, integer, real 등)을 설명하고, 각 타입의 특징과 사용법을 알아봅니다.