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