docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

10_Wiki/Topics_GD/Normalization.md

@@ -1,12 +1,12 @@
 ---
-id: [[P-Reinforce]]-AUTO-NORM-001
+id: [[P-Reinforce|P-Reinforce]]-AUTO-NORM-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
-tags: [auto-reinforced, normalization, data-[[Processing]], database, machine-learning, [[Statistics]]]
+tags: [auto-reinforced, normalization, data-[[Processing|Processing]], database, machine-learning, [[Statistics|Statistics]]]
 last_reinforced: 2026-04-20
 ---
 
-# [[Normalization]]
+# [[Normalization|Normalization]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 체급 맞추기: 서로 다른 척도를 가진 데이터들을 동일한 범위(예: 0~1)로 정렬하여 수치가 큰 하나가 전체 결과를 좌우하는 왜곡을 막고, 학습이나 연산이 가장 안정적이고 빠르게 일어날 수 있는 최적의 평원을 만드는 일."
@@ -14,7 +14,7 @@ last_reinforced: 2026-04-20
 ## 📖 구조화된 지식 (Synthesized Content)
 정규화(Normalization)는 데이터를 일정한 규칙에 따라 변형하는 과정입니다.
 
-1.  **데이터베이스 정규화**: 중복을 제거하고 데이터 무결성을 보장하기 위해 테이블을 쪼개는 과정. ([[Efficiency]]와 연결)
+1.  **데이터베이스 정규화**: 중복을 제거하고 데이터 무결성을 보장하기 위해 테이블을 쪼개는 과정. ([[Efficiency|Efficiency]]와 연결)
 2.  **머신러닝 정규화 (Min-Max Scaling)**: 특성(Feature)들의 범위를 맞춤.
     *   **Layer Normalization / Batch Normalization**: 인공 신경망 내부에서 층을 통과할 때마다 요동치는 값들을 진정시켜 학습 속도를 비약적으로 높임. (Deep Learning (DL)와 연결)
 3.  **왜 중요한가?**:
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 0~1 사이로 맞추는 정책을 넘어, 평균 0, 표준편차 1로 만드는 '표준화(Standardization)' 정책과 구분하여 사용하며, 모델의 아키텍처 정책에 따라 적절한 기법을 선택하는 것이 엔지니어의 핵심 역량 정책이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- Deep Learning (DL), [[Efficiency]], [[Optimization]], [[Machine Learning (ML)]], [[Linear-Algebra]]
+- Deep Learning (DL), [[Efficiency|Efficiency]], [[Optimization|Optimization]], [[Machine Learning (ML)|Machine Learning (ML)]], [[Linear-Algebra|Linear-Algebra]]
 - **Modern Tech/Tools**: Batch Normalization, Layer Norm (Transformer), RMSProp, SQL Normal forms (1NF-3NF).
 ---