최근 바뀜
IT 위키
이 페이지에서 위키의 최근 바뀜을 추적합니다.
약어 목록:
- 새글
- 새 문서 (새 문서 목록도 보세요)
- 잔글
- 사소한 편집
- 봇
- 봇이 수행한 편집
- (±123)
- 바이트 수로 표현한 문서 크기의 차이
2025년 7월 8일 (화)
| 새글 02:52 | 양방향 언어 모델 차이역사 +2,223 인공무능 토론 기여 (새 문서: 양방향 언어 모델(Bidirectional Language Model, 雙方向言語モデル)은 문맥을 이해하기 위해 입력 시퀀스의 앞과 뒤 양쪽 정보를 동시에 고려하여 단어의 의미를 예측하는 방식의 언어 모델이다. ==개요== 양방향 언어 모델은 문장의 전체 구조를 고려해 더 풍부한 의미 정보를 추출할 수 있다는 장점이 있다. 이는 문맥의 앞뒤 정보를 모두 활용함으로써 자연어 처리 작업에...) | ||||
| 새글 02:38 | 자기회귀 언어 모델 차이역사 +2,002 인공무능 토론 기여 (새 문서: 자기회귀 언어 모델(Autoregressive Language Model, 自己回帰言語モデル)은 이전 시점의 단어(또는 토큰) 정보를 기반으로 다음 단어의 확률을 예측하는 방식의 언어 모델이다. ==개요== 자기회귀 언어 모델은 언어 생성에서 중요한 역할을 하며, 입력된 시퀀스의 앞부분을 기준으로 다음 단어를 순차적으로 예측한다. 이 방식은 시계열 데이터 처리에 적합하며, 자연어 처리...) | ||||
| 새글 02:15 | 교차 엔트로피 차이역사 +2,602 인공무능 토론 기여 (새 문서: 교차 엔트로피(cross entropy)는 확률론 및 정보 이론에서 두 확률 분포 사이의 차이를 정량적으로 측정하는 함수로, 주로 머신러닝과 통계학에서 모델의 예측 성능을 평가하는 손실 함수로 사용된다. ==정의== 교차 엔트로피는 두 확률 분포 P(실제 분포)와 Q(예측 분포)에 대해 다음과 같이 정의된다. H(P, Q) = -∑ P(x) log Q(x) 여기서 합은 모든 가능한 사건 x에 대해 계산되...) | ||||
2025년 7월 7일 (월)
|
|
새글 06:07 | 행렬 곱 2개 바뀜 역사 +2,531 [인공무능 (2×)] | |||
|
|
06:07 (최신 | 이전) +24 인공무능 토론 기여 태그: 시각 편집 | ||||
| 새글 |
|
06:07 (최신 | 이전) +2,507 인공무능 토론 기여 (새 문서: 행렬 곱(matrix multiplication, 行列곱)은 두 개의 행렬에서 정의되는 이항 연산으로, 선형대수학에서 중심적인 개념 중 하나이다. 이는 벡터 공간의 선형 변환을 표현하거나, 연립방정식의 해를 계산하는 데 사용된다. ==정의== 두 행렬 A와 B에 대하여, A의 열 수와 B의 행 수가 같을 때에만 행렬 곱 AB가 정의된다. A가 m×n 행렬이고, B가 n×p 행렬이라면, 곱 AB는 m×p 크기의 행...) 태그: 시각 편집 | |||
2025년 7월 6일 (일)
| 새글 09:00 | 파이썬 pandas DataFrame 차이역사 +3,155 인공무능 토론 기여 (새 문서: 파이썬 pandas DataFrame은 pandas 라이브러리에서 제공하는 2차원 데이터 구조로, 표 형태의 데이터를 다루기 위한 핵심 객체이다. ==개요== DataFrame은 행(row)과 열(column)로 구성된 테이블 형태의 자료구조로, 서로 다른 데이터 타입을 각 열에 저장할 수 있다. 엑셀이나 SQL 테이블과 유사한 구조를 가지며, 레이블이 지정된 축을 통해 효율적인 데이터 조작과 분석이 가능하...) | ||||
| 새글 08:56 | 파이썬 np.random.randn 차이역사 +1,740 인공무능 토론 기여 (새 문서: np.random.randn는 파이썬의 넘파이(NumPy) 라이브러리에서 표준 정규 분포를 따르는 난수를 생성하는 함수이다. ==개요== np.random.randn는 평균이 0이고 분산이 1인 표준 정규 분포에서 샘플을 생성한다. 이 함수는 머신 러닝, 통계학, 시뮬레이션 등의 분야에서 무작위 초기화나 확률적 데이터 생성을 위해 자주 사용된다. 생성된 값들은 정규 분포의 특성상 대부분 -3에서 3...) | ||||
| 새글 07:54 | 소프트맥스 차이역사 +2,006 인공무능 토론 기여 (새 문서: 소프트맥스(softmax)는 다중 클래스 분류 문제에서 각 클래스에 대한 확률 분포를 계산하기 위해 사용되는 함수이다. ==개요== 소프트맥스 함수는 입력값 벡터를 받아 각 항목에 대해 0과 1 사이의 값으로 변환하며, 전체 출력값의 합이 1이 되도록 정규화한다. 이 함수는 주로 신경망의 출력층에서 사용되어, 각 클래스에 속할 확률을 추정하는 데 활용된다. 입력값이 클...) | ||||
| 새글 07:31 | 손실 함수 차이역사 +1,846 인공무능 토론 기여 (새 문서: 손실 함수(損失函數, loss function)는 머신 러닝이나 통계학 등에서 예측값과 실제값 간의 차이를 수치적으로 표현하는 함수이다. ==개요== 손실 함수는 모델이 얼마나 잘 작동하고 있는지를 평가하기 위한 기준으로 사용된다. 주어진 입력에 대해 모델이 출력한 예측값과 실제 정답 값 사이의 오차를 계산하며, 이 값을 최소화하는 방향으로 모델이 학습된다. 손실 함수...) | ||||
|
|
07:30 | 역전파 2개 바뀜 역사 +58 [인공무능 (2×)] | |||
|
|
07:30 (최신 | 이전) +13 인공무능 토론 기여 태그: 시각 편집 | ||||
|
|
07:29 (최신 | 이전) +45 인공무능 토론 기여 태그: 시각 편집 | ||||
| 07:29 | 올리기 기록 인공무능 토론 기여님이 파일:역전파.png 파일을 올렸습니다 | ||||
2025년 7월 5일 (토)
2025년 7월 4일 (금)
| 13:20 | ISMS-P 인증심사원 자격 시험 출제 범위 차이역사 0 203.226.142.11 토론 (→출제 범위) | ||||
|
|
새글 02:31 | LongMem 2개 바뀜 역사 +2,913 [인공무능 (2×)] | |||
|
|
02:31 (최신 | 이전) +138 인공무능 토론 기여 태그: 시각 편집 | ||||
| 새글 |
|
02:26 (최신 | 이전) +2,775 인공무능 토론 기여 (새 문서: '''LongMem'''(영어: Long‑Term Memory augmentation)은 장기 문맥을 기억하고 활용할 수 있도록 언어 모델을 확장하는 Meta의 딥러닝 프레임워크이다. ==개요== LongMem은 Language Models Augmented with Long‑Term Memory의 약자이며, 기존 LLM의 입력 길이 제한(고정된 컨텍스트 윈도우)을 극복하기 위해 개발된 메모리 향상 구조이다. Meta AI 연구진(Weizhi Wang 등)은 2023년 arXiv에 본 프레임워크를...) 태그: 시각 편집 | |||
2025년 7월 2일 (수)
| 09:05 | ISMS-P 인증 기준 2.6.2.정보시스템 접근 차이역사 −90 162.158.193.104 토론 | ||||
