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
2-2. 미분과 경사하강법: 딥러닝 최적화의 핵심
미분의 개념과 경사하강법을 설명하고, 딥러닝 모델 학습 과정에서 최적화를 위해 어떻게 사용되는지 설명합니다.
Deep Learning
6-1. 순환 신경망 (RNN) 기초: 순환 구조, 은닉 상태
순환 신경망(RNN)의 기본적인 구조와 작동 원리를 설명하고, 시퀀스 데이터 처리 방식의 특징을 강조합니다.
Deep Learning
2-3. 확률 및 통계 기초: 확률 분포, 기댓값, 분산
딥러닝에서 자주 사용되는 확률 및 통계 개념(확률 분포, 기댓값, 분산)을 소개하고, 활용 사례를 제시합니다.
Deep Learning
11-6. Evaluation Metrics for Object Detection
Object Detection 모델의 성능을 평가하기 위한 다양한 지표 (Precision, Recall, mAP 등)를 설명하고, 각 지표의 의미와 계산 방법을 자세히 다룹니다.
Deep Learning
8-2. Variational Autoencoder (VAE): 확률 모델 기반의 생성 모델
VAE의 구조와 작동 원리를 상세히 설명하고, 잠재 공간을 활용한 데이터 생성 방법을 제시합니다.
Deep Learning
9-5. Learning Rate Scheduling: 학습률 조절 전략
다양한 Learning Rate Scheduling 전략(Step Decay, Exponential Decay 등)을 설명하고, 학습 성능 향상에 기여하는 바를 분석합니다.
Deep Learning
10-4. Docker를 이용한 딥러닝 환경 구축 및 배포
Docker를 이용하여 딥러닝 개발 환경을 구축하고, 모델을 컨테이너화하여 배포하는 방법을 설명합니다.
Deep Learning
9-1. 딥러닝 모델 최적화: Regularization, Dropout
딥러닝 모델의 과적합을 방지하기 위한 Regularization, Dropout 기법의 원리와 효과를 설명합니다.
Deep Learning
7-3. BERT: Pre-training 기반의 자연어 처리 모델
BERT 모델의 특징과 학습 방법을 설명하고, 다양한 자연어 처리 태스크에 적용하는 방법을 소개합니다.
Deep Learning
6-6. 자연어 생성 (Text Generation) 실습: RNN 모델 활용
RNN 모델을 이용하여 자연어 생성 문제를 해결하는 실습 과정을 상세히 설명하고, 생성된 텍스트의 품질을 평가합니다.
Deep Learning
11-1. Object Detection 기초: IoU, Non-Maximum Suppression (NMS)
Object Detection의 기본적인 개념(IoU, NMS)을 설명하고, 객체 탐지 성능 평가 지표를 소개합니다.
Deep Learning
1-5. 딥러닝 개발 환경 설정: GPU, CUDA, cuDNN
딥러닝 연구 및 실습을 위한 GPU, CUDA, cuDNN 설치 및 설정 방법, 환경 점검 방법을 다룹니다.
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.