ANN 구현 실전: 데이터 준비 → 모델 설계 → 학습 → 평가 → 튜닝을 최소 반복으로 끝내기
데이터 누수 방지부터 평가·콜백·튜닝까지 ANN 구현 파이프라인을 안정적으로 돌리는 방법
okorion
ANN 기본기: 왜 뉴런·레이어·활성화·손실부터 시작해야 하는가
뉴런·활성화·손실·역전파로 ANN 학습 골격을 잡고 딥러닝 전 모델의 공통 원리를 정리
LLM 구현 핵심만 정리: 트랜스포머 → SFT/LoRA/QLoRA → 의료 챗봇 → RAG → Agentic AI
트랜스포머부터 SFT·LoRA/QLoRA·RAG·Agentic AI까지 제품화 중심 LLM 구조를 한눈에 정리
왜 실무는 PPO / SAC인가: 안정성, 연속 제어, 엔트로피, 그리고 튜닝 현실
PPO와 SAC가 실무 표준이 된 이유와 연속 제어·안정성·튜닝 전략을 구조적으로 정리
A3C의 핵심: Actor–Critic, Advantage, 비동기 학습, 멀티 환경, (선택) LSTM
Actor–Critic 분리, 비동기 워커, 멀티 환경, LSTM 활용까지 A3C 핵심을 압축 정리
DCQN: CNN으로 ‘보는’ 강화학습 만들기 (Atari·팩맨 계열)
이미지 상태를 위한 DCQN 전처리, CNN 구조, 디버깅 체크리스트를 정리한 가이드
DQN 실전 템플릿: Q-Network, Target Network, Replay Buffer, ε-greedy, Soft Update
대규모 상태 공간용 DQN 설계 부품과 디버깅 포인트를 묶은 실전 템플릿
Q-Learning의 핵심 직관: Bellman, TD Error, Living Penalty, 탐험–활용, 그리고 V→Q 전환
Bellman부터 TD Error, Living Penalty, 탐험–활용까지 Q-Learning 원리를 직관적으로 정리
강화학습 한 장 요약: MDP, Policy, Value/Q, On·Off-policy, 그리고 알고리즘 계보
MDP·Policy·Value/Q·On/Off-policy 핵심과 알고리즘 계보를 한 장으로 정리한 RL 개요
추천 시스템 문제의 본질
협업필터링으로 추천 시스템의 본질과 선호 추정 가정을 정리한 실무 메모