Categories
Vlog
- 취업을 위하여
- 깃허브 커밋 오류
- jekyll 블로그와 깃허브 repository 연동
- 깃허브 블로그 만들기 총 정리
- 포스팅 업로드 오류 해결
- 포스팅 애러
- 오늘부터 블로그 시작합니다!
ANTImega
- ATmega128dml A/D 변환기에 sorting 추가.
- ATmega128dml A/D 변환기
- ANTImega128의 타이머 1과 타이머 0
- ANTImega128 타이머 설정하기
Matlab
- 매트랩 트랜스포머 활용시 특성 줄이기 오류 해결
- 매트랩 트랜스포머 활용시 특성 줄이기 오류
- 매트랩으로 선형회귀 인공신경망 만들기
- 매트랩으로 전방, 후방, 중앙 차분 구현
- RLC 값을 활용한 여파기 구현
pynb
- 역전파 미분의 이해?
- CUDA, cuDNN 설치했는데도 글카가 안잡혀서 화가날 떄
- "CloudFlare"
- LLMOps 플랫폼
- 안드로이드 접근성 설정
- CUDA CUDNN 파이터치 버젼에 따른 오류
- 내 컴퓨터 IP 바꾸기
- VRAM이 부족한 경우 해결법
- LLM 활성화 함수 정리
- LLM 완벽이해하기
- 지식증류를 통해 AI 성능 높이기
- GPT 4o를 넘는 AI 로컬에서 실행해보기
- RN에서 AI 실행해 보기
- 여러 프레임워크에서 AI 호환되도록 하기
- 직접 AI 모델 만들어 보기 with 수학 개념들
- Falcon에 RAG에서 실시간 웹 검색 기능 API 없이 구현하기
- Falcon에 RAG에서 실시간 웹 검색 기능 구현하기
- Falcon에 RAG 추가해서 간의 검색 기능 추가하기
- CUDA, cuDNN 설치하기
- lama, Falcon 로컬 설치 및 사용해보기
- 가벼운 트랜스 포머 모델 만들기
- Expo 실행시 오류 설치
- FFmepeg 설치
- Ngrok 설치 및 활용
- 파이썬 가상환경 이용하기
- 한국어 자연어 처리
- DTP로 깊이 측정하기
- 주피터 노트북 import 오류
- openpose 설치
- VAE
- NLP
- openpose
- 파이썬으로 방 사진 3D화 하기
- 파이썬으로 만드는 간단한
- 파이썬으로 만드는 간단한 AI. 트랜스포머 모듈
- 파이썬으로 분류 AI 만들기
- 파이썬으로 만드는 간단한 AI. 트랜스포머 모듈
- 파이썬으로 만드는 간단한 AI. 로지트틱 회귀
- 파이썬으로 만드는 간단한 AI
spring
- spring boot 14. 서버를 열었지만, 열리지 않을 경우
- spring boot 14.스프링 부트 맥락
- 리액트 네이티브 플러그인 버젼 오류
- spring boot 13.애플리케이션 배포
- spring boot 12.애플리케이션 보안
- spring boot 11.애플리케이션 테스트
- 사진 업로드 에러 확인 1
- 사진 업로드 에러 해결
- spring boot 10.리액티브 프로그래밍과 웹플럭스
- spring boot 9. GPT모델 API 활용해서 사이트 만들기
- spring boot 8. AI모델과 병합
- spring boot 7. 모바일 앱 개발
- spring boot 6. 스프링 MVC
- spring boot 5. 데이터 파고들기
- spring boot 4. 애플리케이션 설정과 검사
- spring boot 3. 데이터베이스 액세스
- spring boot 2. 어노테이션
- spring boot 1. 스프링부트 시작 원리 이해
ReactNative
- 리액트 네이티브 Gradle 명령어 정리
- 리액트 네이티브 Gradle 오류
- RN 프로젝트와 AN의 연결
- 리액트 네이티브 변경점과 엑세스 빌리티 서비스
- RN프로젝트 명 바꾸기기
- Android App Bundle 업로드 시 서명 키 불일치 문제 해결하기
- 리액트 네이티브 Foreground
- 리액트 네이티브 빌드 후 앱 중지
- 리액트 네이티브 8. Emulator
- 리액트 네이티브 7. 콘텍스트와 ref 속성
- 리액트 네이티브 6. 컴포넌트와 리액트 훅
- 리액트 네이티브 5. 컴포넌트 스타일링2
- 리액트 네이티브 4. 컴포넌트 스타일링
- 리액트 네이티브 3. 컴포넌트와 속성
- 리액트 네이티브 2. 스프링 부트와 비교
- 자바 스크립트
- 리액트 네이티브 1.개발 환경 만들기
Expo
- Expo 앱과 로컬 서버 연동
- Expo 앱과 Flask 서버를 활용한 이미지 분류 고도화
- Expo와 Flask 서버 연동
- Expo 프로젝트에서 백엔드와 연동된 데이터 처리 및 관리
- Expo 프로젝트 백앤드에 어울리는 구조
- Expo 프로젝트 백앤드 서버가 내려가도 프론트가 내려가지 않는 이유
- Expo 프로젝트 백앤드 재대로 구현하기
- Expo 프로젝트 백그라운드에서 실행하기
- Expo 프로젝트 생성 밑 APK 생성
- Expo 버전 오류 해결
- 웹뷰 앱 만들기
algorithm
- Firebase Cloud Messaging
- 알고리즘 정리 14. 플로이드-와샬
- 알고리즘 정리 13. 위상정렬
- 알고리즘 정리 12. 최소 스패닝 트리 알고리즘
- 알고리즘 정리 11. 백트래킹 알고리즘
- 알고리즘 정리 10. 분리 집합 알고리즘
- 알고리즘 정리 9. 투 포인터 알고리즘
- 알고리즘 정리 8. 다익스트라 알고리즘
- 알고리즘 정리 7. Prefix Sum (구간 합)
- 알고리즘 정리 6. 너비 우선 탐색(BFS) & 깊이 우선 탐색(DFS)
- 알고리즘 정리 5. 이분탐색 알고리즘
- 알고리즘 정리 4. 쇼팅 알고리즘
- 알고리즘 정리 3. 브루트포스 알고리즘
- 알고리즘 정리 2. 그리디 알고리즘
- 알고리즘 정리 1. 스택과 큐
ERROR
- CUDA 사용시 RuntimeError 해결
- 딥러닝 시 나오는 로그와 마주치는 오류들 with ONNX
- 여러 개의 JDK 버전 활용
- 리엑트 네이티브 빌드시 패키지에 따른 오류
- 리엑트 네이티브 버젼에 따른 homescreen 오류
SQL
arduino
AI
- Momentum
- Adam
- Adagrad
- 3D 모델링 해 주는 사이트
- 전치 표기법
- 분류시 델타 계산
- AI 강의
- Maxpooling Layer
- Conv Layer
- Activation Function
- Overfitting
- Flatten Layer
- Loss Function MSE
- Loss Function MAE
- Gradient Explosion
- local minima global minimum
- Gradient Descent method
- AI 입문용 글 모음
- AI 입문? 번외 1편 : AI 와 수학, 책 추천
- AI 입문 번외편: 머신러닝과 딥러닝의 기초, 트랜스포머와의 연계 및 실전 적용
- Hadamard Product
- AI 입문 10편: 트랜스포머 변형, Fine-Tuning, ONNX)
- AI 입문 9편: 트랜스포머 최적화와 스케일링
- AI 입문 8편: 트랜스포머의, Seq2Seq, 타 아키텍쳐와 비교
- AI 입문 7편: 인코더·디코더와 포지셔널 인코딩
- AI 입문 6편: FFN과 잔차 연결
- AI 입문 5편: 어텐션
- AI 입문 4편 확장 통합판: 정규화
- AI 입문 3편: 활성화 함수
- AI 입문 2편: 미분·적분·Dense Layer
- AI 입문 1편: 토큰화에서 소프트맥스까지
- AI 아키텍쳐 5. T5-base
- "Deep_site"
- "AI 아키텍쳐 4. GPT-oss-20B"
- "AI 아키텍쳐 3. GPT-2"
- "AI 아키텍쳐 2. BART"
- "AI 아키텍쳐 1. BERT"
- 다양한 AI의 아키텍텨를 알아보자
- 프론트 엔드에서 모델 딥러닝시의 텐서플로우 로드
- Supabase로 모델을 저장한다
- GPT oss 모델을 사용해 보자
- 모델 저장용 DB가 필요할 때
- gpt가 공개한 개쩌는 생성형 대화 모델 oss 20b, 120b
- 개쩌는 공짜 img 위키미디아
- [논문리뷰] How LLMs are Shaping the Future of Virtual Reality
- Next.js에서 IndexedDB로 TensorFlow 모델 저장하고 불러오기
- [논문 리뷰] Dropout Reduces UnderfittingLanguage
- 재미나이 CLI 사용하기
- [논문 리뷰] Transformers without Normalization
- [논문 리뷰] Transformers: State-of-the-Art Natural Language Processing
- TransformerEngine
- [논문 리뷰] LoRA: Low-Rank Adaptation of Large Language Models
- [논문 리뷰] Quartet: Native FP4 Training Can Be Optimal for Large Language Models
- Embedding 보드에서 AI
- [논문 리뷰] Training FP8 Large Language Models
- 효율적 미세조정을 위한 LoRA
- AI 경량화를 위한 SSM, SLM, FlashAttention
- AI 는 어떻게 작동하는가에 대해 엄청 자세히 알아보자
- 작은 크기로 높은 성능을 내기 위한 순차적 몬테카를로 기법
- 왜 AI의 모든 레이어에는 NormLayer로 정규화가 필요한가
- 그라디언트 증발 문제와 LSTM 및 LLM에서의 해결 방안
- 스케일링에 따른 딥러닝 시 속도 변화
- 딥러닝 엄추었을 때, 재시작과 CheckPoint
- 나만의 대화 생성형 모델 처음부터 만들기: 레이어 설계와 구현
- KoBART 기반 대화 요약 모델 레이어 분석 및 활용
- 딥러닝 결과 표시
- 대규모 데이터셋 활용시
- 딥러닝 시 성능과 시간, 자원의 저울질 + 기법 정리
- 딥러닝 실패
- 딥러닝 개념 정리
- 딥러닝 데이터셋 얻는 법
- 메모리 오프로드와 flash_mla_with_kvcache
- 딥시크 FlashMLA-main 더 깊게 알아보기
- 딥시크 FlashMLA-main 알아보기
- 딥시크 DeepGEMM-main에 대해 알아보기
- 딥시크 DeepEP-main 알아보기
- 허깅 페이스에 앱 올리기
hadoop
- 하둡 강좌 13편 하둡 클러스터 모니터링 및 관리
- 하둡 강좌 12편 하둡 클러스터 성능 최적화
- 하둡 강좌 11편 보안 설정 및 권한 관리
- 하둡 강좌 10편
- 하둡 강좌 9편 HDFS 데이터 복제
- 하둡 강좌 8편 Hive UDF
- 하둡 강좌 7편 HiveQL
- 하둡 강좌 6편 Hive
- 하둡 강좌 5편 YARN
- 하둡 강좌 4편 HDFS
- 하둡 강좌 3편 MapReduce
- 하둡 강좌 2편 HDFS 기본 개념
- 하둡 강좌 1편 하둡 설치 및 시작
Secure
- 공유기 허브 모드로 돌리기
- 제로 트러스트: 사용자 딜레이 최소화 및 경험 최적화 방법
- 제로 트러스트 통신보안: 원리와 구현 방법
- 랜섬웨어 구현해보기
- tor 활용해서 ip 숨기고 디도스 날리기
- 윈도우에서 디도스 날린놈 찾기
- 윈도우에서 디도스 막는 법
- 윈도우에서 디도스 안들키고 날려보기
- 윈도우에서 디도스 더 고도화 해서 날려보기
- 윈도우에서 디도스 날려보기
- 윈도우에서 네트워크 트래픽 차단하기
- 보안 프로토콜 SHA-256과 HTTPS
- 보안 프로토콜 SHA-256
Design_Patterns
- 디자인 패턴 시리즈 22. 프록시 패턴
- 디자인 패턴 시리즈 21. 플라이웨이트
- 디자인 패턴 시리즈 20. 퍼사드
- 디자인 패턴 시리즈 19. 데코레이터
- 디자인 패턴 시리즈 18. 복합체
- 디자인 패턴 시리즈 17. 어댑터
- 디자인 패턴 시리즈 16. 비지터
- 디자인 패턴 시리즈 15. 메멘토
- 디자인 패턴 시리즈 14. 중재자
- 디자인 패턴 시리즈 13. 반복자
- 디자인 패턴 시리즈 12. 브리지
- 디자인 패턴 시리즈 11. 책임 연쇄
- 디자인 패턴 시리즈 10. 커맨드
- 디자인 패턴 시리즈 9. 탬플릿
- 디자인 패턴 시리즈 8. 상태
- 디자인 패턴 시리즈 7. 옵저버
- 디자인 패턴 시리즈 6. 프로토타입 패턴
- 디자인 패턴의 구분과 종류
- 디자인 패턴 시리즈 5. 전략
- 디자인 패턴 시리즈 4. 빌더
- 디자인 패턴 시리즈 3. 추상 팩토리
- 디자인 패턴 시리즈 2. 팩토리
- 디자인 패턴 시리즈 1. 싱글턴
Architecture_Patterns
- 스트랭글러 패턴: 단계적 시스템 전환의 전략
- 아키텍처 패턴 시리즈 17. CQRS (Command Query Responsibility Segregation)
- 아키텍처 패턴 시리즈 16. 헥사고날 아키텍처 (Hexagonal Architecture)
- 아키텍처 패턴 시리즈 15. 서비스 지향 아키텍처 (Service-Oriented Architecture, SOA)
- 아키텍처 패턴 시리즈 14. 마이크로서비스 아키텍처 (Microservices Architecture)
- 아키텍처 패턴 시리즈 13. 인터프리터 패턴 (Interpreter Pattern)
- 아키텍처 패턴 시리즈 12. 블랙보드 패턴 (Blackboard Pattern)
- 아키텍처 패턴 시리즈 11. FLUX 패턴
- 아키텍처 패턴 시리즈 10. MVVM 패턴 (Model-View-ViewModel Pattern)
- 아키텍처 패턴 시리즈 9. MVP 패턴 (Model-View-Presenter Pattern)
- 아키텍처 패턴 시리즈 8. MVC 패턴 (Model-View-Controller Pattern)
- 아키텍처 패턴 시리즈 7. 이벤트 기반 패턴 / 이벤트-버스 패턴
- 아키텍처 패턴 시리즈 6. 피어 투 피어 패턴
- 아키텍처 패턴 시리즈 5. 브로커 패턴
- 아키텍처 패턴 시리즈 4. 파이프-필터 패턴
- 아키텍처 패턴 시리즈 3. 마스터-슬레이브 패턴
- 아키텍처 패턴 시리즈 2. 클라이언트-서버 패턴
- 아키텍처 패턴 시리즈 1. 계층화 패턴
- 아키텍쳐 패턴 시리즈 종류와 구분
- 개인 사업자 내는 법
- 정보보안 글 목록
- 구글에 앱 올리기 2
- 구글에 앱 올리기 1
- 앱의 특수 권한에 따른 앱 출시
- 구글 플레이 스토어에 앱 출시중 발생하는 오류들
- 구글 코랩: 클라우드 기반의 무료 머신러닝 플랫폼
Deep_Learning
- 딥러닝 모델 설계: 노드와 레이어 배치의 중요성
- 활성화 함수와 다른 이것저것
- F1스코어와 평가지표
- 모델 경량화 및 배포: 딥러닝의 실용화
- 최신 아키텍처 및 기술: 딥러닝의 혁신
- 배치 처리 및 샘플링: 효율적인 학습 전략
- 트랜스포머 기반 기술: 딥러닝의 혁신을 이끄는 핵심 기술
- 정규화 레이어: 딥러닝 모델의 안정적인 학습을 위한 핵심 기술
- 손실 함수: 모델 성능을 좌우하는 핵심 요소
- 학습률 조정: 모델 학습 효율을 높이는 핵심 전략
- 최적화 알고리즘: 딥러닝 성능을 극대화하는 핵심 기술
- 정규화 기법: 딥러닝 모델의 일반화 성능을 높이는 핵심
Natural_Language_Processing
- NLP에서 데이터 증강 (Data Augmentation)의 역할과 기법
- NLP에서 사전 학습된 언어 모델 (Pretrained Language Models)의 활용
- NLP에서 전이 학습 (Transfer Learning) 활용하기
- 토큰화 이후: 임베딩과 표현 학습
- 서브워드 토큰화: 자연어 처리의 기초 기술