MATH FOR AI · CONCEPT MAP

Math is everywhere.
This is the map between the places.

Every concept met while studying AI, placed on one map. Each dot is a page; each line means “you need this to understand that.”

Concepts
563
Done
536
Draft
0
Planned
27
DonePlannedMethodHub (family)The path being followed

From questions to pages

  1. Q. 다음 후속 과목도 하나 골라서 로드맵 추가부터 집필, 검수, 개선까지 같은 방식으로 진행해줘.
    → Logic Circuits
  2. Q. 다음 후속 과목도 하나 골라서 로드맵 추가부터 집필, 검수, 개선까지 같은 방식으로 진행해줘.
    → Boolean Functions
  3. Q. 다음 후속 과목도 하나 골라서 로드맵 추가부터 집필, 검수, 개선까지 같은 방식으로 진행해줘.
    → Two's Complement
  4. Q. 다음 후속 과목도 하나 골라서 로드맵 추가부터 집필, 검수, 개선까지 같은 방식으로 진행해줘.
    → Binary Arithmetic
  5. Q. 다음 후속 과목도 하나 골라서 로드맵 추가부터 집필, 검수, 개선까지 같은 방식으로 진행해줘.
    → Numeral Systems
  6. Q. 대우를 이용한 증명에서 음의 정수도 다룰 수 있나요?
    → Proof by Contrapositive
  7. Q. 대우를 이용한 증명에서 0은 어떻게 되나요?
    → Proof by Contrapositive
  8. Q. 대우를 이용한 증명과 귀류법은 어떻게 다른가요?
    → Proof by Contrapositive
  9. Q. 다음 개념인 미니배치 SGD도 글 작성해줘
    → Mini-batch SGD
  10. Q. 다음 개념인 역전파도 글 작성해줘
    → Backpropagation
  11. Q. 다음 개념인 그래디언트, 연쇄법칙도 글 작성해줘
    → Chain Rule
  12. Q. 다음 개념인 그래디언트, 연쇄법칙도 글 작성해줘
    → Gradient
  13. Q. 다음 개념인 미분, 급수도 글 작성해줘
    → Series
  14. Q. 다음 개념인 미분, 급수도 글 작성해줘
    → Derivatives
  15. Q. 수학곳곳에서 함수의 극한 글 작성해줘
    → Functions & Limits
  16. Q. 소프트맥스, 시그마(수열의 합), 행렬 연산, 로그 함수, 벡터도 공부하며 읽힐 수 있도록 컨텐츠 추가해줘
    → Softmax
  17. Q. Adam이 뭐야? 모멘텀이랑 뭐가 달라?
    → Adam
  18. Q. 확률 관련 지식 관련한 토픽인데 이 내용도 컨텐츠로 정립하도록
    → Probability Basics
  19. Q. 모멘텀이 뭐야? SGD랑 뭐가 달라?
    → Momentum
  20. Q. 학습률이 0.2를 넘으면 왜 갑자기 발산하지?
    → Gradient Descent
  21. Q. 학습률이 크면 왜 발산해? 0.2가 왜 경계야?
    → Gradient Descent
  22. Q. ReLU는 왜 시그모이드보다 기울기 소실이 덜한가
    → Activation Functions Planned
  23. Q. 가중치 감쇠를 그래디언트와 떼어 내면 무엇이 달라지나
    → AdamW Planned
  24. Q. 가장 큰 값과 그 값을 내는 자리는 어떻게 다른가
    → Max and Argmax Planned
  25. Q. 자동미분은 수치미분·기호 미분과 무엇이 다른가
    → Automatic Differentiation Planned
  26. Q. 배치 사이즈는 얼마로 정하고 학습률과 어떻게 함께 바꾸나
    → Batch Size Planned
  27. Q. 방향마다 휘어짐이 다르면 경사하강법은 왜 느려지나
    → Condition Number Planned
  28. Q. 급수가 수렴하는지 합을 구하지 않고 어떻게 판정하나
    → Convergence Tests Planned
  29. Q. 출발점에 따라 도착하는 최솟값이 왜 달라지나
    → Convexity and Local Minima Planned
  30. Q. 코사인 유사도와 유클리드 거리는 무엇이 다르고 임베딩 검색은 무엇을 쓰나
    → Cosine Similarity Planned
  31. Q. 최근 값에 더 큰 무게를 주는 평균은 어떻게 계산하나
    → Exponential Moving Average Planned
  32. Q. 선형 회귀를 경사하강법으로 풀면 가중치는 어떻게 움직이나
    → Linear Regression Planned
  33. Q. 평균제곱오차는 왜 오차를 제곱해서 평균하나
    → Loss Function Planned
  34. Q. 앞의 토큰 몇 개만 보고 다음 토큰을 맞혀도 되나
    → Markov Assumption Planned
  35. Q. Nesterov 모멘텀은 왜 수렴 조건이 모멘텀과 다른가
    → Nesterov Momentum Planned
  36. Q. 벡터의 크기를 재는 방법은 길이 하나뿐인가
    → Norms Planned
  37. Q. 편미분은 어떻게 계산하고 보통의 미분과 무엇이 다른가
    → Partial Derivatives Planned
  38. Q. 그래디언트 제곱의 평균으로 나누면 무엇이 달라지나
    → RMSProp Planned
  39. Q. 로짓 하나를 0과 1 사이 확률로 바꾸는 함수
    → Sigmoid Planned
  40. Q. 소프트맥스 회귀는 선형층과 소프트맥스로 어떻게 분류하나
    → Softmax Regression Planned
  41. Q. top-k와 top-p는 무엇이 다르고 temperature와 어떻게 함께 쓰나
    → Top-k and Top-p Sampling Planned
  42. Q. 층이 깊어지면 왜 기울기가 사라지나
    → Vanishing Gradient Planned