새 문서 목록
IT 위키
- 2025년 9월 18일 (목) 05:30 합성 함수 (역사 | 편집) [2,040 바이트] 인공무능 (토론 | 기여) (새 문서: 합성 함수(合成函數, 영어: composite function)는 두 개 이상의 함수를 연결하여 만든 함수이다. 하나의 함수의 출력값을 다른 함수의 입력값으로 사용하는 방식으로 정의된다. ==정의== 두 함수 f, g가 있을 때, g의 정의역에 속하는 x에 대하여 g(x)가 f의 정의역에 속하면 합성 함수 f∘g를 정의할 수 있다. :(f∘g)(x) = f(g(x)) 즉, x에 대해 먼저 g(x)를 적용하고, 그 결과를 f에 대...) 태그: 시각 편집
- 2025년 9월 18일 (목) 05:25 연쇄 법칙 (역사 | 편집) [1,552 바이트] 인공무능 (토론 | 기여) (새 문서: 연쇄 법칙(連鎖法則, 영어: chain rule)은 미적분학에서 합성 함수의 도함수를 구하는 공식이다. 두 함수의 합성으로 이루어진 함수가 있을 때, 그 도함수는 각 함수의 도함수를 곱한 형태로 나타낼 수 있다. ==개요== 연쇄 법칙은 "합성 함수의 미분은 내부 함수의 도함수와 외부 함수의 도함수의 곱"이라는 개념을 바탕으로 한다. 함수가 여러 단계로 연결되어 있을...) 태그: 시각 편집
- 2025년 9월 18일 (목) 05:23 도함수 (역사 | 편집) [2,227 바이트] 인공무능 (토론 | 기여) (새 문서: 도함수(導函數, 영어: derivative)는 함수의 입력값이 변할 때 그 함수의 출력값이 변하는 정도를 나타내는 함수이다. 즉, 주어진 함수의 변화율을 다른 함수의 형태로 표현한 것으로, 미분의 기본 개념 중 하나이다. * 미분(differentiation)은 어떤 함수에 도함수(derivative)를 구하는 과정이고, * 도함수(derivative)는 그 결과로 얻어진 함수이다. ==개요== 도함수는 함수의 순간...) 태그: 시각 편집
- 2025년 9월 17일 (수) 08:48 스프린트 회고 (역사 | 편집) [3,037 바이트] Agiler (토론 | 기여) (새 문서: 스프린트 회고(Sprint Retrospective)는 스크럼 프레임워크에서 한 스프린트가 끝난 뒤, 스크럼 팀이 지난 스프린트 동안의 진행 방식, 협업, 도구, 프로세스 등을 되돌아보고 개선할 점을 찾아 다음 스프린트에 반영하기 위한 회의이다. ==목적 및 개념== 스프린트 회고의 목적은 스크럼 팀이 지난 스프린트에서 잘 된 점(What went well), 문제점(What didn't go well), 개선할 사항(Wha...) 태그: 시각 편집
- 2025년 9월 17일 (수) 08:36 벨로시티 차트 (스크럼) (역사 | 편집) [2,985 바이트] Agiler (토론 | 기여) (새 문서: 벨로시티 차트(Velocity Chart)는 스크럼 팀의 여러 스프린트에 걸친 작업 완료량을 시각적으로 표현한 차트로, 앞으로의 스프린트에서 수행 가능한 예상 작업량을 계획하고 개선점을 탐색하는 데 사용된다. ==정의 및 개념== 벨로시티 차트는 각 스프린트가 시작할 때 약속(commitment)한 작업량과 스프린트가 끝날 때 실제 완료(completed)한 작업량을 비교하여 보여주며, 여...) 태그: 시각 편집
- 2025년 9월 17일 (수) 08:35 INVEST 원칙 (역사 | 편집) [2,997 바이트] Agiler (토론 | 기여) (새 문서: INVEST 원칙(INVEST Principle)은 사용자 스토리(User Story)가 품질 있고 유용하게 작성되기 위한 다섯 가지 기준 혹은 체크리스트로, Agile 커뮤니티에서 널리 받아들여진다.<ref>https://agilealliance.org/glossary/invest/</ref> ==정의 및 개념== ‘INVEST’는 각 글자의 머리글자를 따서 만든 약어로 다음 항목들을 의미한다: Independent(독립적), Negotiable(협상 가능), Valuable(가치 있음), Estimable(...) 태그: 시각 편집
- 2025년 9월 17일 (수) 08:33 에픽 (스크럼) (역사 | 편집) [2,723 바이트] Agiler (토론 | 기여) (새 문서: 에픽(Epic)은 애자일 및 스크럼 프레임워크에서 사용자 스토리(User Stories)보다 더 크고 고수준의 작업 단위로, 하나의 스프린트만으로 완성하기에는 너무 큰 기능 또는 요구사항을 의미한다. ==정의 및 개념== 에픽은 팀 또는 고객이 추구하는 큰 목표 또는 고수준 기능을 나타내며, 여러 개의 사용자 스토리(User Stories)로 나누어져 Product Backlog에 포함된다. 에픽은 여러...) 태그: 시각 편집
- 2025년 9월 17일 (수) 08:29 사용자 스토리 (역사 | 편집) [3,533 바이트] Agiler (토론 | 기여) (새 문서: 사용자 스토리(User Story)는 애자일 개발, 특히 스크럼 및 칸반 프레임워크에서 사용자 또는 고객(내부 또는 외부)의 관점에서 기능적 요구사항을 간단하고 명확하게 표현한 서술 방식이다. ==정의 및 개념== 사용자 스토리는 최종 사용자의 관점에서 “누구(Who)”, “무엇(What)”, “왜(Why)” 등의 요소를 포함하여 가치를 전달하는 기능이 무엇인지 설명한다. 이 방식...) 태그: 시각 편집
- 2025년 9월 17일 (수) 08:26 벨로시티 (스크럼) (역사 | 편집) [2,640 바이트] Agiler (토론 | 기여) (새 문서: 벨로시티(Velocity)는 스크럼 프레임워크에서 한 스프린트 동안 스크럼 팀이 완료할 수 있는 작업량을 나타내는 지표로, 보통 스토리 포인트(Story Points) 단위로 측정된다. ==정의 및 개념== 벨로시티는 특정 기간(주로 한 스프린트) 내에 완료된 작업 항목들의 스토리 포인트 합으로 계산된다. 이를 통해 팀의 작업 수행 능력(work capacity)을 예측하고, 스프린트 계획 또는...) 태그: 시각 편집
- 2025년 9월 17일 (수) 08:25 스토리 포인트 (역사 | 편집) [2,838 바이트] Agiler (토론 | 기여) (새 문서: 스토리 포인트(Story Point)는 애자일 소프트웨어 개발, 특히 스크럼 프레임워크에서 사용자 스토리 또는 작업 항목의 상대적인 크기, 복잡성, 노력, 불확실성을 추정하는 데 사용되는 단위이다. ==정의 및 개념== 스토리 포인트는 절대적인 시간 단위가 아닌 상대적 추정 방식이다. 이를 통해 팀은 작업 항목 간의 상대적인 크기를 비교할 수 있으며, 경험, 기술 수준, 도...) 태그: 시각 편집
- 2025년 9월 17일 (수) 07:55 기술 부채 (역사 | 편집) [3,260 바이트] Agiler (토론 | 기여) (새 문서: 기술 부채(Technical Debt)는 소프트웨어 개발 과정에서 단기적인 목표 달성을 위해 최적이 아닌 방식으로 코드를 구현하거나 아키텍처를 설계함으로써, 장기적으로 더 많은 유지보수 비용이나 개발 리스크를 초래하게 되는 상태를 말한다.<ref>https://www.ibm.com/kr-ko/think/topics/technical-debt</ref> ==정의 및 개념== 기술 부채는 금융의 '부채' 개념에 빗댄 은유로, 지금은 빨리 해...) 태그: 시각 편집
- 2025년 9월 17일 (수) 07:17 스크럼 미팅 (역사 | 편집) [3,451 바이트] Agiler (토론 | 기여) (새 문서: 스크럼 미팅(Scrum Meeting)은 스크럼 프레임워크 내에서 정기적으로 이루어지는 회의들로, 팀 간 협업, 진행 상황 공유, 문제점 식별, 계획 조정 등을 목적으로 한다. 흔히 ‘스크럼 회의’ 또는 ‘스크럼 이벤트’라고도 한다. <ref>https://blog.clap.company/scrum_meeting/</ref><ref>https://www.atlassian.com/ko/agile/scrum</ref> ==종류 및 구성== 스크럼 미팅은 다음 네 가지 주요 유형이 있으...) 태그: 시각 편집
- 2025년 9월 17일 (수) 07:14 스프린트 (역사 | 편집) [3,281 바이트] Agiler (토론 | 기여) (새 문서: 스프린트(Sprint)는 스크럼(Scrum) 프레임워크에서 사용하는 반복 주기(iteration)로, 일정 기간 동안 정의된 목표를 달성하고 작동 가능한 제품 인크리먼트를 만드는 것을 목적으로 한다. ==정의 및 개념== *스프린트는 보통 1주에서 4주 사이의 고정된 기간(time‑boxed)이다. 한 달을 넘지 않아야 한다. *각 스프린트는 목표(Sprint Goal)를 가지며, 스프린트가 끝날 때 이 목표를...) 태그: 시각 편집
- 2025년 9월 17일 (수) 07:09 ZenHub (역사 | 편집) [2,011 바이트] Agiler (토론 | 기여) (새 문서: ZenHub는 GitHub 환경 안에서 작동하는 애자일 프로젝트 관리 도구로, 개발 팀이 코드, 이슈(issue), 스프린트 등 애자일 워크플로우를 GitHub 인터페이스 내에서 관리할 수 있게 한다. ==주요 기능== ZenHub이 제공하는 주요 기능들은 다음과 같다: *GitHub 네이티브 통합(GitHub Native Integration) **GitHub Issues, Pull Requests 등 기존 GitHub 리소스를 프로젝트 관리에 그대로 사용 **GitHub 저...) 태그: 시각 편집
- 2025년 9월 17일 (수) 06:47 스크럼 팀 (역사 | 편집) [3,863 바이트] Agiler (토론 | 기여) (새 문서: 스크럼 팀(Scrum Team)은 스크럼 프레임워크에서 제품을 개발하고 가치를 전달하기 위해 함께 일하는 전문 인력 집단으로, 스크럼 마스터, 프로덕트 오너, 개발자들로 구성된다. ==구성과 역할== 스크럼 팀은 다음 세 가지 책임(accountabilities)을 가진 역할들로 이루어지며, 계층 구조(sub‑teams) 없이 하나의 목표(Product Goal)를 중심으로 협력한다. *프로덕트 오너(Product Owner...) 태그: 시각 편집
- 2025년 9월 17일 (수) 06:37 스크럼 마스터 (역사 | 편집) [4,400 바이트] Agiler (토론 | 기여) (새 문서: 스크럼 마스터(Scrum Master)는 애자일 소프트웨어 개발 방법 중 하나인 스크럼 프레임워크에서, 팀이 스크럼 원칙과 관행을 잘 따르도록 촉진하고 팀의 효율성과 협업을 높이는 역할이다. ==역할 및 책임== 스크럼 마스터의 주요 역할과 책임은 다음과 같다: *스크럼 프레임워크 준수 보장 **팀이 스프린트 계획, 데일리 스크럼, 스프린트 리뷰, 회고 등 스크럼 이벤트를...) 태그: 시각 편집
- 2025년 9월 16일 (화) 04:14 통화 스와프 (역사 | 편집) [4,388 바이트] 슈카 (토론 | 기여) (새 문서: 통화 스와프(英: currency swap)는 두 국가 혹은 두 기관이 자국 통화를 상대국 통화로 미리 약정된 조건하에 교환하는 금융·외환거래 제도이다. 주로 외환 유동성 확보나 외환위기 시 안정장치로 사용된다. ==정의 및 개념== 통화 스와프는 다음 특징을 가진다: *양측이 일정 금액의 각국 통화를 교환(swap)하고, 일정 기간 후에 원래의 통화와 금액으로 회복(re‐exchange)한...) 태그: 시각 편집
- 2025년 9월 15일 (월) 12:15 에너지 저장 시스템 (역사 | 편집) [3,325 바이트] 종목위키 (토론 | 기여) (새 문서: 에너지 저장 시스템(영어: Energy Storage System; 줄여서 ESS)은 생산된 전력 또는 기타 형태의 에너지를 필요할 때 사용할 수 있도록 저장하고 관리하는 시스템이다. 특히 신재생 에너지의 간헐성(출력이 일정치 않은 특성)을 보완하고, 전력망의 안정성 및 효율성을 높이는 역할을 한다<ref>LG전자솔루션, “ESS 개념”, https://www.lgensol.com/mobile/kr/business-ess-battery</ref>. ==종류...) 태그: 시각 편집
- 2025년 9월 15일 (월) 12:14 배터리 (역사 | 편집) [2,464 바이트] 종목위키 (토론 | 기여) (새 문서: 배터리(영어: Battery)는 외부 전원을 통해 충전 가능 여부에 따라 1차 전지(primary battery) 또는 이차 전지(secondary battery)로 구분되는 장치로, 화학적 에너지 저장 특성을 이용해 전기를 공급하는 장치이다. ==종류== *1차 전지 (Primary Battery): 한 번 사용하고 폐기하는 전지 *2차 전지 (Secondary Battery / Rechargeable Battery): 여러 차례 충전하고 방전 가능 *전지 기술 세대 구분: **1...) 태그: 시각 편집
- 2025년 9월 15일 (월) 12:13 이차전지 (역사 | 편집) [3,423 바이트] 종목위키 (토론 | 기여) (새 문서: 이차전지(영어: rechargeable battery, secondary battery)는 외부의 전기 에너지를 화학적으로 저장했다가 필요 시 다시 전기로 변환해 공급할 수 있는 전지로, 여러 번 충전하여 재사용 가능한 배터리를 뜻한다<ref>포스코 뉴스룸, “알기 쉬운 이차전지소재 이야기: 꿈의 배터리라 불리는 전고체전지의 미래”, 2024-09-06, https://newsroom.posco.com/kr/%EC%95%8C%EA%B8%B0-%EC%89%AC%EC%9A%B4-%EC%9D%...) 태그: 시각 편집
- 2025년 9월 15일 (월) 12:11 아이비젼웍스 (역사 | 편집) [2,915 바이트] 종목위키 (토론 | 기여) (새 문서: 아이비젼웍스 주식회사(영어: IvisionWorks Co., Ltd.)는 대한민국 대전광역시에 본사를 둔 이차전지 검사장비 및 머신 비전 검사 시스템 개발 전문기업이다. 코스닥 시장에 상장되어 있으며, 종목 코드는 469750이다. ==회사 개요== *회사명: 아이비젼웍스 주식회사 *영어명: IvisionWorks Co., Ltd. *설립일: 2015년 4월 20일<ref name="nicerpt">NICE BizREPORT, “기업정보 – 아이비젼웍스”, h...) 태그: 시각 편집
- 2025년 9월 15일 (월) 12:09 텔콘RF제약 (역사 | 편집) [3,293 바이트] 종목위키 (토론 | 기여) (새 문서: 텔콘RF제약 주식회사(영어: Telcon RF Pharmaceutical Inc.)는 대한민국 경기도 용인시에 본사를 둔 복합 사업 구조 기업으로, RF 통신 부품 제조와 완제 의약품 제조업을 함께 영위한다. 코스닥 시장에 상장되어 있으며, 종목 코드는 200230이다. ==회사 개요== *회사명: 텔콘RF제약 주식회사 *영어명: Telcon RF Pharmaceutical Inc. *설립일: 1999년 1월 8일<ref name="fnguide">FnGuide, “기업개요...) 태그: 시각 편집
- 2025년 9월 15일 (월) 12:07 휴림에이텍 (역사 | 편집) [2,765 바이트] 종목위키 (토론 | 기여) (새 문서: 휴림에이텍 주식회사(영어: HYULIM A‑TECH Co., Ltd.)는 대한민국 경상남도 밀양시에 본사를 둔 자동차 내외장재 전문 제조기업이다. 코스닥 시장에 상장되어 있으며, 종목 코드는 078590이다. ==회사 개요== *회사명: 휴림에이텍 주식회사 *영문명: HYULIM A‑TECH Co., Ltd. *설립일: 1993년 8월 25일<ref name="fnguide-info">기업개요, FnGuide, https://comp.fnguide.com/SVO2/asp/SVD_Corp.asp?gicode=A078590</...) 태그: 시각 편집
- 2025년 9월 15일 (월) 12:04 한라캐스트 (역사 | 편집) [2,727 바이트] 종목위키 (토론 | 기여) (새 문서: 한라캐스트 주식회사(영어: HALLACAST Co., Ltd.)는 대한민국 인천광역시에 본사를 둔 다이캐스팅 및 금형 전문 제조기업이다. 코스닥에 상장되어 있으며, 종목 코드는 125490이다. ==회사 개요== *회사명: 한라캐스트 주식회사 *영문명: HALLACAST Co., Ltd. *설립일: 2005년 5월 1일<ref name="irbook">한라캐스트 IR Book, "회사 개요", https://w4.kirs.or.kr/download/broadcast/%ED%95%9C%EB%9D%BC%EC%BA%90%EC%8...) 태그: 시각 편집
- 2025년 9월 15일 (월) 12:01 커패시터 (역사 | 편집) [4,073 바이트] 종목위키 (토론 | 기여) (새 문서: 커패시터(영어: Capacitor)는 두 개의 도체(전극)가 절연 물질(유전체)로 분리되어 있고, 전압을 가하면 전극 사이에 전하를 저장하여 전기장을 형성함으로써 에너지를 저장하고 방출할 수 있는 수동 전자 부품이다. ==정의 및 기본 원리== *커패시터는 전극과 유전체로 구성된다. *전압이 인가되면 한쪽 전극에는 양전하, 다른 전극에는 음전하가 축적된다. *전극 사이의...) 태그: 시각 편집
- 2025년 9월 15일 (월) 11:57 슈퍼커패시터 (역사 | 편집) [2,764 바이트] 종목위키 (토론 | 기여) (새 문서: 슈퍼커패시터(영어: Supercapacitor 또는 Ultracapacitor)는 일반적인 커패시터에 비해 훨씬 큰 정전용량을 가지며, 화학 반응보다는 전극과 전해질 계면에서 전하를 저장하는 방식으로 작동하는 에너지 저장 장치이다. ==개요== 슈퍼커패시터는 전해질, 전극, 분리막 등으로 구성되어 있으며, 전하를 전기 이중층(electric double layer) 또는 표면 화학 반응(pseudocapacitance)을 통...) 태그: 시각 편집
- 2025년 9월 15일 (월) 11:53 코칩 주식회사 (역사 | 편집) [3,715 바이트] 종목위키 (토론 | 기여) (새 문서: 코칩 주식회사(영어: KORCHIP Corporation)는 대한민국 경기도 안양시에 본사를 둔 전자부품 제조 기업으로, 주력 제품은 소형 슈퍼커패시터, 칩셀 2차전지, MLCC 유통 등이다. 코스닥 시장에 상장되어 있으며, 종목 코드는 126730이다. ==회사 개요== *회사명: 코칩 주식회사 *영문명: KORCHIP Corporation *설립일: 미공개 *대표이사: 손진형 *본사 소재지: 경기도 안양시 만안구 만안...) 태그: 시각 편집
- 2025년 9월 15일 (월) 11:50 자율이동 로봇 (역사 | 편집) [4,423 바이트] 종목위키 (토론 | 기여) (새 문서: 자율이동로봇(영어: Autonomous Mobile Robot; 줄여서 AMR)은 고정된 경로나 트랙 없이도 주변 환경을 인식하고 스스로 경로를 계획하며 자율적으로 이동하고 작업을 수행할 수 있는 모바일 로봇이다. 사람이나 물체가 동적으로 존재하는 환경에서도 유연하게 작동한다. ==정의 및 특징== *자율성: 센서와 소프트웨어를 사용해 실시간으로 경로 탐색, 장애물 회피 등을 수행 *...) 태그: 시각 편집
- 2025년 9월 15일 (월) 11:46 직각좌표 로봇 (역사 | 편집) [3,310 바이트] 종목위키 (토론 | 기여) (새 문서: 직각좌표 로봇(영어: Cartesian Coordinate Robot, 직교좌표형 로봇)은 각 관절이 회전 운동 대신 직선 운동(prismatic joint)만을 하며, X, Y, Z 축이 서로 직각(90도)을 이루는 좌표계 상에서 움직이는 산업용 로봇이다. 작업 영역(workspace)은 직선, 직사각형, 또는 직육면체 형태를 갖는다. ==구성 요소== *축(axis): 일반적으로 X축, Y축, Z축. 필요한 자유도에 따라 축 수가 조정됨 *이동...) 태그: 시각 편집
- 2025년 9월 15일 (월) 11:46 휴림로봇 (역사 | 편집) [2,346 바이트] 종목위키 (토론 | 기여) (새 문서: 휴림로봇 주식회사(영어: Hyulim Robot Co., Ltd.)는 대한민국의 산업용 로봇 및 자동화 장비를 개발·제조·판매하는 기업이다. 본사는 충청남도 천안시에 위치하며, 코스닥(KOSDAQ)에 상장되어 있다. ==회사 개요== *회사명: 휴림로봇 주식회사 *영어명: Hyulim Robot Co., Ltd. *설립일: 1998년 11월 29일 *상장일: 2006년 12월 5일 *상장 시장: 코스닥 (KOSDAQ) *종목 코드: 090710 *본사 소재지...) 태그: 시각 편집
- 2025년 9월 15일 (월) 11:03 TeX (역사 | 편집) [3,409 바이트] 인공무능 (토론 | 기여) (새 문서: TeX(텍, 또는 테크)는 도널드 크누스(Donald Knuth)가 개발한 고급 조판 시스템으로, 복잡한 수학식과 정밀한 문서 형식을 표현하기 위해 설계된 프로그래밍 가능한 조판 언어이다. ==개요== TeX는 1978년 도널드 크누스가 수학 및 과학 논문의 조판 품질을 개선하기 위해 개발하였다. 기존 조판 시스템이 고급 수식 표현이나 정밀한 레이아웃을 지원하지 못하던 한계를 극복...) 태그: 시각 편집
- 2025년 9월 15일 (월) 11:02 LaTeX (역사 | 편집) [3,317 바이트] 인공무능 (토론 | 기여) (새 문서: LaTeX(라텍 또는 레이텍)은 주로 과학, 수학, 공학 분야에서 널리 사용되는 고품질 조판 시스템으로, 특히 수식 표현에 강력한 기능을 제공하는 문서 준비 시스템이다. ==개요== LaTeX는 원래 레슬리 램포트(Leslie Lamport)가 도널드 크누스(Donald Knuth)의 TeX 조판 시스템을 기반으로 개발한 매크로 패키지이다. TeX의 강력한 기능을 보다 쉽게 사용할 수 있도록 설계되어, 사용...) 태그: 시각 편집
- 2025년 9월 15일 (월) 11:00 아핀 변환 (역사 | 편집) [2,466 바이트] 인공무능 (토론 | 기여) (새 문서: 아핀 변환(Affine transformation)은 선형 변환과 평행 이동을 조합한 기하학적 변환이다. 벡터 공간에서의 점, 선, 도형 등을 변환할 때 직선성, 평행성, 비율 등을 보존한다. ==정의== 아핀 변환은 한 점 x에 대해 다음과 같은 형태로 표현된다. y = A * x + b 여기서 A는 선형 변환 행렬이며, b는 이동 벡터이다. 즉, 선형 변환 뒤에 평행 이동이 적용되는 구조이다. 아핀 변환은...) 태그: 시각 편집
- 2025년 9월 14일 (일) 01:43 Ed25519 (역사 | 편집) [5,650 바이트] 리게티 (토론 | 기여) (새 문서: '''Ed25519'''은 EdDSA(Edwards‑curve Digital Signature Algorithm)의 구현체 중 하나로, 보안성과 성능을 고려하여 설계된 타원곡선 디지털 서명 알고리즘이다. Curve25519 계열의 twisted Edwards 곡선을 사용하며, SHA‑512 해시 함수와 결합되어 빠른 서명(sign) 및 검증(verification)을 제공한다. <ref>“Ed25519 signatures are elliptic-curve signatures …” ed25519.cr.yp.to</ref><ref>RFC 8032: Edwards‑curve Digital Sig...) 태그: 시각 편집
- 2025년 9월 12일 (금) 12:49 Dying ReLU (역사 | 편집) [4,983 바이트] 인공무능 (토론 | 기여) (새 문서: '''Dying ReLU'''은 인공신경망에서 ReLU(Rectified Linear Unit) 활성 함수가 일부 혹은 많은 뉴런(neuron)에 대해 학습 과정 중 거의 항상 0만 출력하게 되어, 해당 뉴런이 사실상 “죽은(dead)” 상태가 되는 현상이다. ==정의== ReLU 활성 함수는 입력이 양수일 때는 입력값을 그대로 반환하고, 음수일 때는 0을 반환한다. 즉, :f(x) = max(0, x) 이다. Dying ReLU 문제는 뉴런의 선형 조합 w·x...) 태그: 시각 편집
- 2025년 9월 11일 (목) 03:58 안장점 (인공지능) (역사 | 편집) [2,234 바이트] 인공무능 (토론 | 기여) (새 문서: 안장점(saddle point)은 머신러닝 및 딥러닝에서 사용하는 손실 함수의 최적화 과정에서 등장하는, 기울기(gradient)가 0이지만 지역 최소값이나 지역 최대값은 아닌 지점을 가리킨다. 고차원 파라미터 공간에서는 지역 최소값보다 안장점이 훨씬 많아 최적화 경로에서 더욱 큰 영향을 미친다. ==정의== 안장점은 수학적으로, 모든 방향에서 함수의 기울기가 0(정칙점)인 지...) 태그: 시각 편집
- 2025년 9월 11일 (목) 03:57 지역 최소값 (인공지능) (역사 | 편집) [2,742 바이트] 인공무능 (토론 | 기여) (새 문서: 지역 최소값(local minima)은 머신러닝 및 딥러닝에서 사용하는 손실 함수(loss function)의 매개변수 공간(parameter space) 내에서, 해당 점 근방에서는 손실 값이 최소인 지점을 가리키는 개념이다. 최적화를 통해 모델이 도달하는 위치가 전역 최소값이 아니더라도, 이러한 지역 최소값이 될 수 있다. ==정의== 수학적으로 f가 실수값 함수일 때, 점 x₀가 지역 최소값이라는 것...) 태그: 시각 편집
- 2025년 9월 11일 (목) 03:28 학습률 스케줄링 (역사 | 편집) [2,565 바이트] 인공무능 (토론 | 기여) (새 문서: 학습률 스케줄링(learning rate scheduling)은 머신러닝 및 딥러닝 모델의 학습 과정에서 학습률을 시간 경과나 손실 함수의 상태에 따라 동적으로 조정하는 전략을 의미한다. 학습률은 최적화 성능에 큰 영향을 미치므로, 정적인 값 대신 변화하는 학습률을 사용하면 더 빠르고 안정적인 수렴을 유도할 수 있다. ==개요== 학습률은 경사 하강법 기반 최적화 알고리즘에서 파...) 태그: 시각 편집
- 2025년 9월 11일 (목) 03:21 학습률 (인공지능) (역사 | 편집) [2,234 바이트] 인공무능 (토론 | 기여) (새 문서: 학습률(learning rate)은 머신러닝 및 딥러닝에서 모델의 매개변수를 업데이트할 때 사용하는 보폭(step size)을 결정하는 하이퍼파라미터이다. 학습률은 손실 함수의 기울기에 곱해져 파라미터 갱신의 크기를 조절하는 역할을 한다. ==정의 및 역할== 학습률은 최적화 알고리즘이 손실 함수를 최소화하기 위해 파라미터를 얼마나 크게 변경할지를 정하는 계수이다. 학습률...) 태그: 시각 편집
- 2025년 9월 11일 (목) 03:14 배치 경사 하강법 (역사 | 편집) [2,529 바이트] 인공무능 (토론 | 기여) (새 문서: 배치 경사 하강법(Batch Gradient Descent)은 머신러닝 및 딥러닝 모델에서 손실 함수를 최소화하기 위해 전체 훈련 데이터를 사용해 한 번에 기울기를 계산하고 파라미터를 갱신하는 최적화 방법이다. ==개요== 배치 경사 하강법은 경사 하강법의 가장 기본적인 형태로, 전체 훈련 데이터를 대상으로 손실 함수의 그래디언트를 계산한 후 이를 바탕으로 파라미터를 갱신한...) 태그: 시각 편집
- 2025년 9월 11일 (목) 03:05 미니배치 경사 하강법 (역사 | 편집) [2,687 바이트] 인공무능 (토론 | 기여) (새 문서: 미니배치 경사 하강법(Mini-Batch Gradient Descent)은 머신러닝 및 딥러닝에서 전체 훈련 데이터를 일정한 크기의 소규모 집합으로 나눈 후, 각 집합(미니배치)을 사용하여 손실 함수의 기울기를 계산하고 파라미터를 갱신하는 최적화 알고리즘이다. ==개요== 미니배치 경사 하강법은 배치 경사 하강법과 확률적 경사 하강법(SGD)의 절충안으로, 계산 효율성과 수렴 안정성 사...) 태그: 시각 편집
- 2025년 9월 11일 (목) 03:04 확률적 경사 하강법 (역사 | 편집) [5,109 바이트] 인공무능 (토론 | 기여) (새 문서: 확률적 경사 하강법(Stochastic Gradient Descent, SGD)은 머신러닝 및 딥러닝에서 손실 함수를 최소화하기 위해 훈련 데이터 중 하나의 샘플만을 사용하여 매개변수를 업데이트하는 최적화 알고리즘이다. ==개요== 확률적 경사 하강법은 경사 하강법의 변형 기법으로, 전체 데이터셋이 아닌 단일 샘플을 기준으로 손실 함수의 기울기를 계산하고 그 결과를 즉시 반영해 파라...) 태그: 시각 편집
- 2025년 9월 11일 (목) 03:03 경사 하강법 (역사 | 편집) [2,438 바이트] 인공무능 (토론 | 기여) (새 문서: '''경사 하강법(Gradient Descent)'''은 머신러닝 및 딥러닝에서 손실 함수의 값을 최소화하기 위해 매개변수를 반복적으로 갱신하는 최적화 기법이다. ==개요== 경사 하강법은 손실 함수의 기울기, 즉 그래디언트(gradient)를 계산하여, 그 반대 방향으로 파라미터를 이동시킴으로써 손실 값을 점차 줄여 나가는 방식이다. 함수의 기울기가 0에 가까워질수록 최솟값에 수렴하...) 태그: 시각 편집
- 2025년 9월 11일 (목) 02:49 배치 (인공지능) (역사 | 편집) [2,368 바이트] 인공무능 (토론 | 기여) (새 문서: 배치(Batch)는 딥러닝 또는 머신러닝 모델 훈련 시, 한 번의 가중치 갱신을 위해 처리하는 데이터 샘플의 묶음을 의미하는 하이퍼파라미터이다. ==정의== 배치 크기(batch size)는 모델에 입력되어 순전파(forward pass)와 역전파(backward pass)를 통해 한 번의 가중치 업데이트가 이루어지기 위해 처리하는 훈련 샘플의 수를 나타낸다. 즉, 한 iteration에서 사용되는 데이터의 개수...) 태그: 시각 편집
- 2025년 9월 11일 (목) 02:47 에포크 (인공지능) (역사 | 편집) [2,248 바이트] 인공무능 (토론 | 기여) (새 문서: 에포크(epoch)는 머신러닝 또는 딥러닝 모델 학습에서 '''전체 훈련 데이터를 한 번 전부 신경망에 통과시켜 처리하는 과정'''을 의미하는 하이퍼파라미터이다. ==정의== 에포크(epoch)란 훈련 데이터 전체를 한 번 모델에 입력하여 순전파와 역전파를 통해 가중치를 업데이트하는 과정을 말한다. 즉, 데이터셋 전체가 한 차례 네트워크를 통과하는 시점 하나를 에포크 하...) 태그: 시각 편집
- 2025년 9월 11일 (목) 01:56 리키 렐루 (역사 | 편집) [2,010 바이트] 인공무능 (토론 | 기여) (새 문서: 리키 렐루(Leaky ReLU)는 입력값이 음수일 때에도 완전히 0이 되지 않고, 작은 기울기를 유지하는 활성화 함수이다. 이 함수는 딥러닝에서 흔히 사용되는 ReLU(Rectified Linear Unit)의 변형으로, '죽은 뉴런(dying neuron)' 문제를 완화하기 위해 제안되었다. ==정의== 리키 렐루는 입력값 x가 0보다 크면 x 그대로 출력하고, 0 이하일 경우 작은 기울기를 곱한 값(예: 0.01 × x)을 출력하...) 태그: 시각 편집
- 2025년 9월 11일 (목) 01:26 멀티 레이어 퍼셉트론 (역사 | 편집) [2,101 바이트] 인공무능 (토론 | 기여) (새 문서: 멀티 레이어 퍼셉트론(Multi‑Layer Perceptron, MLP)은 입력층, 하나 이상의 은닉층 및 출력층으로 구성된 완전 연결(feedforward) 인공 신경망이다. ==구조== MLP는 최소 세 개의 층, 즉 입력층, 하나 이상의 은닉층(hidden layer), 그리고 출력층(output layer)으로 구성된다. 각 은닉층과 출력층의 뉴런은 이전 층의 모든 뉴런과 완전하게 연결되어 있다. ==활성화 함수== MLP에서는 각 뉴...) 태그: 시각 편집
- 2025년 9월 10일 (수) 07:53 도커파일 (역사 | 편집) [3,450 바이트] 리게티 (토론 | 기여) (새 문서: 도커파일(Dockerfile)은 도커 이미지(Docker image)를 자동으로 빌드하기 위해 필요한 명령들을 순서대로 나열한 텍스트 파일이다. ==정의== 도커파일은 도커 엔진이 이미지 생성 시 실행할 모든 명령을 담고 있는 텍스트 문서이며, 명령어 하나하나가 이미지의 레이어(layer)를 구성한다. ==주요 지시어(Instructions)== 도커파일에는 다음과 같은 지시어들이 가장 일반적으로 사...) 태그: 시각 편집
- 2025년 9월 10일 (수) 07:47 컨테이너 저장소 (역사 | 편집) [2,914 바이트] 리게티 (토론 | 기여) (새 문서: 컨테이너 저장소(Container Registry)는 컨테이너 이미지를 저장, 배포, 관리하는 중앙 집중형 저장소이다. ==개요== 컨테이너 저장소는 도커(Docker), 쿠버네티스(Kubernetes) 등의 플랫폼에서 컨테이너 이미지의 저장 및 공유를 담당하는 핵심 인프라이다. 개발자 또는 자동화 시스템이 컨테이너 이미지를 저장소에 푸시(push)하거나, 필요 시 풀(pull)하여 실행할 수 있도록 한다....) 태그: 시각 편집
- 2025년 9월 10일 (수) 07:38 베이그런트 (소프트웨어) (역사 | 편집) [2,299 바이트] 리게티 (토론 | 기여) (새 문서: 베이그런트(Vagrant)는 개발자가 포터블하고 일관된 가상 개발 환경을 손쉽게 구축하고 관리할 수 있도록 지원하는 오픈소스 구성 관리 도구이다. ==역사== 베이그런트는 2010년 1월 미첼 하시모토(Mitchell Hashimoto)가 개인 프로젝트로 시작했으며, 같은 해 3월에 최초 버전이 발표되었다<ref>https://github.com/hashicorp/vagrant/releases/tag/v0.1.0</ref>. 이후 2012년에는 베이그런트 1.0 버...) 태그: 시각 편집
