MATH FOR AI · 概念マップ
数学はあちこちにある。
その場所をつなぐ地図。
AI を学ぶなかで出会った概念を一枚の地図に置きます。点はひとつのページ、線は「これを知るとあれが分かる」という関係です。
- 概念
- 563
- 完成
- 536
- 作成中
- 0
- 予定
- 27
ドラッグまたはスクロールして地図を移動
完成予定手法ハブ(一族)いま辿っている道
最近の更新
質問からページへ
- Q. 다음 후속 과목도 하나 골라서 로드맵 추가부터 집필, 검수, 개선까지 같은 방식으로 진행해줘.
→ 논리 회로 - Q. 다음 후속 과목도 하나 골라서 로드맵 추가부터 집필, 검수, 개선까지 같은 방식으로 진행해줘.
→ 부울 함수 - Q. 다음 후속 과목도 하나 골라서 로드맵 추가부터 집필, 검수, 개선까지 같은 방식으로 진행해줘.
→ 2의 보수 - Q. 다음 후속 과목도 하나 골라서 로드맵 추가부터 집필, 검수, 개선까지 같은 방식으로 진행해줘.
→ 이진수의 사칙연산 - Q. 다음 후속 과목도 하나 골라서 로드맵 추가부터 집필, 검수, 개선까지 같은 방식으로 진행해줘.
→ 진법 - Q. 대우를 이용한 증명에서 음의 정수도 다룰 수 있나요?
→ 대우를 이용한 증명 - Q. 대우를 이용한 증명에서 0은 어떻게 되나요?
→ 대우를 이용한 증명 - Q. 대우를 이용한 증명과 귀류법은 어떻게 다른가요?
→ 대우를 이용한 증명 - Q. 다음 개념인 미니배치 SGD도 글 작성해줘
→ ミニバッチSGD - Q. 다음 개념인 역전파도 글 작성해줘
→ 誤差逆伝播法 - Q. 다음 개념인 그래디언트, 연쇄법칙도 글 작성해줘
→ 連鎖律 - Q. 다음 개념인 그래디언트, 연쇄법칙도 글 작성해줘
→ 勾配 - Q. 다음 개념인 미분, 급수도 글 작성해줘
→ 級数 - Q. 다음 개념인 미분, 급수도 글 작성해줘
→ 微分 - Q. 수학곳곳에서 함수의 극한 글 작성해줘
→ 関数と極限 - Q. 소프트맥스, 시그마(수열의 합), 행렬 연산, 로그 함수, 벡터도 공부하며 읽힐 수 있도록 컨텐츠 추가해줘
→ ソフトマックス - Q. Adam이 뭐야? 모멘텀이랑 뭐가 달라?
→ Adam - Q. 확률 관련 지식 관련한 토픽인데 이 내용도 컨텐츠로 정립하도록
→ 確率の基礎 - Q. 모멘텀이 뭐야? SGD랑 뭐가 달라?
→ モメンタム - Q. 학습률이 0.2를 넘으면 왜 갑자기 발산하지?
→ 勾配降下法 - Q. 학습률이 크면 왜 발산해? 0.2가 왜 경계야?
→ 勾配降下法 - Q. ReLU는 왜 시그모이드보다 기울기 소실이 덜한가
→ 活性化関数 予定 - Q. 가중치 감쇠를 그래디언트와 떼어 내면 무엇이 달라지나
→ AdamW 予定 - Q. 가장 큰 값과 그 값을 내는 자리는 어떻게 다른가
→ 最大値とargmax 予定 - Q. 자동미분은 수치미분·기호 미분과 무엇이 다른가
→ 自動微分 予定 - Q. 배치 사이즈는 얼마로 정하고 학습률과 어떻게 함께 바꾸나
→ バッチサイズ 予定 - Q. 방향마다 휘어짐이 다르면 경사하강법은 왜 느려지나
→ 条件数 予定 - Q. 급수가 수렴하는지 합을 구하지 않고 어떻게 판정하나
→ 級数の収束判定法 予定 - Q. 출발점에 따라 도착하는 최솟값이 왜 달라지나
→ 凸性と局所最小値 予定 - Q. 코사인 유사도와 유클리드 거리는 무엇이 다르고 임베딩 검색은 무엇을 쓰나
→ コサイン類似度 予定 - Q. 최근 값에 더 큰 무게를 주는 평균은 어떻게 계산하나
→ 指数移動平均 予定 - Q. 선형 회귀를 경사하강법으로 풀면 가중치는 어떻게 움직이나
→ 線形回帰 予定 - Q. 평균제곱오차는 왜 오차를 제곱해서 평균하나
→ 損失関数 予定 - Q. 앞의 토큰 몇 개만 보고 다음 토큰을 맞혀도 되나
→ マルコフ仮定 予定 - Q. Nesterov 모멘텀은 왜 수렴 조건이 모멘텀과 다른가
→ Nesterovモメンタム 予定 - Q. 벡터의 크기를 재는 방법은 길이 하나뿐인가
→ ノルム 予定 - Q. 편미분은 어떻게 계산하고 보통의 미분과 무엇이 다른가
→ 偏微分 予定 - Q. 그래디언트 제곱의 평균으로 나누면 무엇이 달라지나
→ RMSProp 予定 - Q. 로짓 하나를 0과 1 사이 확률로 바꾸는 함수
→ シグモイド 予定 - Q. 소프트맥스 회귀는 선형층과 소프트맥스로 어떻게 분류하나
→ ソフトマックス回帰 予定 - Q. top-k와 top-p는 무엇이 다르고 temperature와 어떻게 함께 쓰나
→ top-k・top-pサンプリング 予定 - Q. 층이 깊어지면 왜 기울기가 사라지나
→ 勾配消失 予定