Exploring the intersection of Code, Data, and Life.
PMF, PDF, CDF의 정의와 차이를 주사위와 연속 확률변수 예제로 정리한다. PMF의 확률, PDF의 확률밀도와 면적, CDF의 누적확률이 어떻게 연결되는지 알아본다.
DeepMind의 A3C 논문 「Asynchronous Methods for Deep Reinforcement Learning」을 바탕으로 asynchronous learning, Actor-Critic, Advantage, n-step return, entropy regularization을 DDQN과 비교하며 정리한다.
확률과 통계를 공부하다 보면 가장 먼저 등장하는 핵심 개념 중 하나가 Random Variable, 확률변수이다. 이름만 보면 ‘무작위로 변하는 변수’처럼 느껴지지만, 수학적으로 확률변수는 단순한 숫자가 아니라 확률 실험의 결과를 숫자로 대응시키는 함수(Function)이다. Expectation, Variance, Probability Distribution 같은 이후의 개념들은 모두 확률변수를 대상으로 정의된다. 따라서 확률변수가 정확히 무엇인지 이해하는 것이 확률·통계 공부의 출발점이라고 볼 수 있다. 확률 ...
이번 글에서는 WWW 2026에 발표된 “Iterative Semantic Reasoning from Individual to Group Interests for Generative Recommendation with LLMs” 논문을 정리한다. 이 논문에서 제안하는 모델의 이름은 ISRF(Iterative Semantic Reasoning Framework)다. 핵심 아이디어를 먼저 한 문장으로 정리하면 다음과 같다. 사용자가 직접 보여준 행동만으로 관심사를 모델링하는 데서 그치지 않고, 상품의 의미를 추론한 뒤 의미적으로 비슷한 사용자 집단의 행동까지 ...
Large-batch training이 높은 학습 정확도에도 테스트 성능이 낮아지는 이유를 sharp·flat minima와 mini-batch gradient noise 관점에서 정리한다. Local minimum에 대한 오해와 논문의 실험 결과도 함께 살펴본다.
깊은 신경망이 잘 학습되지 않는 원인을 Sigmoid 포화와 Vanishing Gradient 관점에서 살펴본다. 순전파와 역전파의 분산 보존 조건을 통해 Xavier 초기화 공식이 도출되는 과정과 실제 효과를 정리한다.
최근 연구실에서 양자 커널과 관련된 연구를 진행하고 있다. 양자 역학 등 양자에 대해서 많은 것들을 알고 있지 않아, 어려움이 따르지만 Low Level 단에서 부터 하나씩 파악하며 정복해나가려고 한다. 양자 머신러닝은 단순히 코드를 돌리는 것이 아니라, 고전 데이터를 양자 공간으로 쏘아올린 뒤, 다시 고전적인 정답으로 끌어내리는 과정이다. 그 과정에 대해서 데이터가 어떠한 변화를 거치는 지 확인해보고자 ...
기존 Docker 컨테이너로 운영하던 Jenkins를 K3s(Kubernetes) 환경으로 마이그레이션한 과정을 정리합니다. Docker 볼륨 데이터를 PV로 이관하는 방법, 권한 문제 해결, 그리고 Helm Chart 적용 시 계정 병합 이슈를 다룹니다.
Next.js와 WordPress를 활용한 홈서버 기술 블로그 구축기. Docker Hairpinning으로 인한 ETIMEDOUT 해결 방법부터 Jenkins 병렬 빌드, 이미지 최적화를 통한 Lighthouse 성능 개선까지, 실제 운영 환경에서의 트러블슈팅 과정을 공유합니다.
minho
쩝
View discussion →
nolji.dev
잘보고 갑니다. 같은 문제가 발생한 적이 있네요…
John Doe
Oh, 멋진 블로그 글이네요. 참고하여 만들어볼 수 있도록 해보겠습니다. 감사합니다.
