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

10_Wiki/Topics_GD/Self-Supervised Learning (SSL).md

@@ -1,12 +1,12 @@
 ---
-id: [[P-Reinforce]]-AUTO-SSL-001
+id: [[P-Reinforce|P-Reinforce]]-AUTO-SSL-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
-tags: [auto-reinforced, machine-learning, self-supervised, pre-training, [[Representation-Learning]]]
+tags: [auto-reinforced, machine-learning, self-supervised, pre-training, [[Representation-Learning|Representation-Learning]]]
 last_reinforced: 2026-04-20
 ---
 
-# [[Self-Supervised Learning (SSL)]]
+# [[Self-Supervised Learning (SSL)|Self-Supervised Learning (SSL)]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터 스스로가 스승이 되는 학습: 인간의 라벨링 없이도 데이터의 숨겨진 구조를 이용해 '스스로 문제(Pretext Task)를 내고 맞히며' 지능의 기초 체력을 기르는 방식."
@@ -22,7 +22,7 @@ last_reinforced: 2026-04-20
     *   **Data Scailng**: 비싼 인간 라벨러 없이 인터넷상의 천문학적 데이터를 그대로 학습에 활용 가능.
     *   **Foundational Base**: 특정 작업에 국한되지 않은 범용적인 지식 베이스를 구축할 수 있음.
 3.  **대표 사례**:
-    *   **[[BERT]]/GPT**: 다음 단어나 중간 단어를 맞히는 과정을 통해 언어 구조 파악.
+    *   **[[BERT|BERT]]/GPT**: 다음 단어나 중간 단어를 맞히는 과정을 통해 언어 구조 파악.
     *   **DINO/MAE**: 이미지의 가려진 부분을 복구하며 시각적 이해도 향상.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 데이터 라벨링에 드는 막대한 비용과 윤리적 문제를 해결하기 위해, 공공 및 기업 부문의 데이터 자산화 정책은 이제 SSL을 통한 '공통 모델 인프라' 구축에 집중하고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- Foundational Models, [[SFT (Supervised [[Fine-tuning]])]], Representation-Theory, [[Philosophy]] of Science, Algorithm-Ethics
+- Foundational Models, [[SFT (Supervised Fine-Tuning)|SFT (Supervised [[Fine-tuning]])]], Representation-Theory, [[Philosophy|Philosophy]] of Science, Algorithm-Ethics
 - **Modern Tech/Tools**: PyTorch, TensorFlow, SimCLR, BERT, Contrastive Learning.
 ---