feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]
This commit is contained in:
@@ -1,23 +1,20 @@
|
||||
---
|
||||
# ──────────────────────────────────────────────
|
||||
# FRONTMATTER 작성 가이드 (LLM용 주석 포함)
|
||||
# 이 주석들은 파일 저장 시 삭제하지 않아도 됩니다.
|
||||
# LLM이 각 필드를 채울 때 판단 기준으로 사용합니다.
|
||||
# ──────────────────────────────────────────────
|
||||
|
||||
id: "wiki-2026-0507-029"
|
||||
title: "데이터_사이언스_및_ML_엔지니어링"
|
||||
category: "[[10_Wiki/Topics]]"
|
||||
status: "verified"
|
||||
canonical_id: "self"
|
||||
aliases: ["Machine Learning", "Deep Learning", "ML", "Python", "Data Science", "Generative AI", "Neural Networks", "기계 학습", "데이터 사이언스"]
|
||||
duplicate_of: "none"
|
||||
source_trust_level: "B"
|
||||
id: wiki-2026-0507-029
|
||||
title: 데이터 사이언스 및 ML 엔지니어링
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [wiki-2026-0507-029, Machine Learning, Deep Learning, ML, Python, Data Science, Generative AI, Neural Networks, VAE, LSTM, DQN, Bayesian Inference, MDP, Swarm Intelligence, NLP, Computer Vision, CNN, Reinforcement Learning, 기계 학습, 데이터 사이언스, 강화 학습]
|
||||
duplicate_of: none
|
||||
source_trust_level: B
|
||||
confidence_score: 1.0
|
||||
tags: ["AI", "Machine Learning", "Deep Learning", "Data Science", "Generative AI", "MLOps"]
|
||||
raw_sources: ["직접 입력"]
|
||||
last_reinforced: "2026-05-07"
|
||||
github_commit: "pending"
|
||||
tags: [AI, Machine Learning, Deep Learning, Data Science, Generative AI, MLOps, NeuralNetworks, ProbabilisticModels, ComputerVision, RL]
|
||||
raw_sources: [직접 입력, AI/VAE.md, AI/LSTM.md, AI/DQN.md, AI/Bayesian.md, AI/MDP.md, CNN.md, Neural_Networks_and_Deep_Learning_Foundations.md, Reinforcement_Learning_Fundamentals.md, Reinforcement_Learning_and_Decision_Making.md, Theoretical_Foundations.md, Computer_Vision.md]
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# 데이터_사이언스_및_ML_엔지니어링
|
||||
@@ -28,18 +25,28 @@ github_commit: "pending"
|
||||
---
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
|
||||
**추출된 패턴:**
|
||||
> 데이터 전처리(Cleaning)에서 시작하여 모델 학습(Training)과 최적화(Optimization)를 거쳐, 실제 서비스에 배포하고 모니터링하는 전 과정(MLOps)을 하나의 유기적인 파이프라인으로 구축하는 것이 핵심이다.
|
||||
|
||||
**세부 내용:**
|
||||
- **머신러닝 및 딥러닝 기초:**
|
||||
- **3대 학습 패러다임:** 지도 학습, 비지도 학습, 강화 학습.
|
||||
- **인공신경망 (Neural Networks):** 뇌의 뉴런 구조를 모방하여 다층적 추상화를 수행. CNN(이미지), RNN/Transformer(텍스트) 등 도메인별 특화 아키텍처 활용.
|
||||
- **생성형 AI (Generative AI):**
|
||||
- **디퓨전 모델 (Diffusion):** 노이즈를 점진적으로 제거하며 고품질 이미지를 생성하는 원리.
|
||||
- **과학적 예측 모델:** 기상 관측 데이터를 입력받아 온도, 풍향 등을 엔드투엔드로 예측하는 AI 기상 예보 파이프라인 등 실세계 데이터 분석 적용.
|
||||
- **LLM (Large Language Models):** 방대한 텍스트 데이터를 학습하여 맥락을 이해하고 텍스트를 생성.
|
||||
- **인공신경망 아키텍처 (Neural Architectures):**
|
||||
- **CNN (Convolutional Neural Networks):** 이미지 데이터의 공간적 구조를 보존하며 특징을 추출하는 표준 아키텍처. 풀링(Pooling), 필터(Filter), 스트라이드(Stride) 등을 통해 고수준 시각적 패턴 학습.
|
||||
- **LSTM (Long Short-Term Memory):** 시계열 데이터의 장기 의존성 문제를 해결하는 순환 신경망(RNN) 변형. 게이트 메커니즘(Forget, Input, Output)으로 정보의 흐름 제어.
|
||||
- **VAE (Variational Autoencoder):** 데이터의 잠재 공간(Latent Space)을 학습하여 새로운 데이터를 생성하는 확률론적 생성 모델.
|
||||
- **Transformer:** 셀프 어텐션(Self-Attention) 메커니즘을 통해 병렬 연산과 전역 문맥 파악이 가능한 현대 NLP의 표준.
|
||||
- **강화 학습 및 의사 결정 (RL & Decision Making):**
|
||||
- **보상 기반 학습:** 환경과의 상호작용을 통해 누적 보상을 최대화하는 정책(Policy) 학습.
|
||||
- **DQN (Deep Q-Network):** Q-Learning에 딥러닝을 결합하여 고차원 상태 공간에서 최적 정책 학습. 경험 재생(Experience Replay)과 타겟 네트워크 사용.
|
||||
- **MDP (Markov Decision Process):** 불확실성 하에서의 순차적 의사 결정을 정형화한 수학적 프레임워크.
|
||||
- **Swarm Intelligence:** 개별 개체들의 단순한 규칙 상호작용을 통해 복잡한 문제를 해결하는 집단 지성 알고리즘.
|
||||
- **확률 및 정보 이론:**
|
||||
- **Bayesian Inference:** 새로운 증거가 나타날 때마다 가설의 확률을 갱신하는 통계적 추론 방식.
|
||||
- **Information Theory:** 데이터의 압축, 전송 및 엔트로피(Entropy)를 다루는 통신과 학습의 기초 이론.
|
||||
- **도메인별 AI 응용:**
|
||||
- **Computer Vision:** 이미지 및 비디오 데이터의 특징 추출(CNN), 객체 탐지(YOLO, Faster R-CNN), 분할 및 생성.
|
||||
- **NLP (Natural Language Processing):** 언어의 구문 분석, 감성 분석, 기계 번역 및 텍스트 생성.
|
||||
- **데이터 엔지니어링 및 사이언스:**
|
||||
- **EDA (Exploratory Data Analysis):** 데이터의 특성과 패턴을 시각화 및 통계적으로 파악.
|
||||
- **데이터 정제:** 결측치, 이상치 처리 및 피처 엔지니어링을 통한 모델 성능 극대화.
|
||||
@@ -50,7 +57,6 @@ github_commit: "pending"
|
||||
---
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- 데이터 기반의 예측 모델이나 추천 시스템을 기획하고 개발할 때.
|
||||
- Stable Diffusion, DALL-E 등 생성형 AI 모델의 작동 원리를 이해하고 커스텀 학습(LoRA 등)을 수행할 때.
|
||||
@@ -74,7 +80,6 @@ github_commit: "pending"
|
||||
---
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
|
||||
- **정보 상태:** verified
|
||||
- **출처 신뢰도:** B
|
||||
- **검토 이유:** 해당 없음
|
||||
@@ -82,7 +87,6 @@ github_commit: "pending"
|
||||
---
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
|
||||
- **기존 유사 문서:** [[Machine Learning (ML)]], [[Deep-Learning]], [[Neural Networks]], [[Generative AI]], [[Diffusion 모델 작동 원리]] 등 150여 개
|
||||
- **처리 방식:** MERGE
|
||||
- **처리 이유:** 기초 통계부터 딥러닝, 생성형 AI, 그리고 MLOps까지 AI 엔지니어링 전반을 다룬 수많은 중복 문서를 통합하여 전사적 AI 지능 아키텍처 표준으로 구축함.
|
||||
@@ -90,14 +94,12 @@ github_commit: "pending"
|
||||
---
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
|
||||
- **과거 데이터와의 충돌:** 없음
|
||||
- **정책 변화:** 단순한 분석 도구 활용에서 '데이터 중심(Data-centric)의 파이프라인 자동화' 및 '생성형 AI의 실전적 응용'으로 초점 이동.
|
||||
|
||||
---
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- **Parent:** [[10_Wiki/Topics]]
|
||||
- **Related:** [[AGI_및_지능형_에이전트_설계]], [[벡터_DB_및_RAG_검색_고도화]], [[AI_이미지_생성_워크플로우]]
|
||||
- **Raw Source:** 직접 입력
|
||||
@@ -105,7 +107,29 @@ github_commit: "pending"
|
||||
---
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-07 | 150개 이상의 AI/ML/데이터 사이언스 관련 중복 문서를 통합 및 v3.0 규격 적용 | MERGE | B |
|
||||
|
||||
## 💻 코드 패턴 (Code Patterns)
|
||||
|
||||
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
|
||||
|
||||
```text
|
||||
# TODO
|
||||
```
|
||||
|
||||
## 🤔 의사결정 기준 (Decision Criteria)
|
||||
|
||||
**선택 A를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
|
||||
**선택 B를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
|
||||
**기본값:**
|
||||
> *(TODO)*
|
||||
|
||||
## ❌ 안티패턴 (Anti-Patterns)
|
||||
|
||||
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
|
||||
Reference in New Issue
Block a user