[P-Reinforce] Substantial content added to Finance/CPG/LLM/CleanArch (Count: 2,166)
This commit is contained in:
+2
-2
@@ -182,6 +182,7 @@
|
||||
},
|
||||
"active": "5e19c94f304a33d1",
|
||||
"lastOpenFiles": [
|
||||
"AI/Chain-of-Thought (CoT 罽).md",
|
||||
"AI/Best-of-N Sampling ( ø).md",
|
||||
"00_Raw/2026-04-20/Diffusion-Models.md",
|
||||
"00_Raw/2026-04-20/API 응답 모델링 및 상태 머신(State Machine) 설계.md",
|
||||
@@ -208,7 +209,6 @@
|
||||
"Project_Architecture_Guidelines.md",
|
||||
"Systemic_Simulation_Principles.md",
|
||||
"DevOps_Environment_Setup.md",
|
||||
"Separation_of_Concerns.md",
|
||||
"Single_Source_of_Truth.md"
|
||||
"Separation_of_Concerns.md"
|
||||
]
|
||||
}
|
||||
@@ -1,25 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-A72BA3
|
||||
id: P-REINFORCE-AI-FINANCE
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
confidence_score: 0.98
|
||||
tags: [Behavioral Finance, Psychology, Market, Investment]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Behavioral Finance"
|
||||
---
|
||||
|
||||
# [[Behavioral Finance]]
|
||||
# [[Behavioral-Finance]] (행동 재무학)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> 주식 시장은 '가치'가 아니라 '군중의 광기와 공포'에 의해 움직이며, 이 비합리적 패턴을 수학적으로 모델링하여 초과 수익(Alpha)을 찾는 학문이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **Overconfidence Bias (자기과신 편향)**:
|
||||
- 자신이 평균보다 정보를 더 잘 해석한다고 믿는 착각. 이로 인해 과도한 거래가 발생하고 수수료로 수익이 깎이는 현상이 발생한다.
|
||||
- **Herd Behavior (群集 심리)**:
|
||||
- 뚜렷한 근거 없이 남들이 사니까 따라 사는 것. 버블(Bubble)이 형성되고 붕괴되는 심리적 메커니즘의 핵심이다.
|
||||
- **Mental Accounting (심적 회계)**:
|
||||
- 공짜로 얻은 돈과 힘들게 번 돈을 다르게 대하는 태도. 도박꾼의 오류(Gambler's Fallacy)와 연결되어 비합리적인 베팅을 유도한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 행동 재무학은 시장의 비합리성을 말하지만, 이를 이용해 돈을 버는 것은 또 다른 문제다(효율적 시장 가설과의 충돌). 최근에는 AI를 통해 소셜 미디어의 감정(Sentiment)을 분석하여 군중 심리를 정량화하는 고도화된 퀀트(Quant) 전략이 사용된다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Behavioral Finance.md]]
|
||||
---
|
||||
- Related: [[Behavioral-Economics]] , [[Game Design Theory]]
|
||||
- Foundation: [[Information Theory]]
|
||||
|
||||
@@ -1,25 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-FC5C34
|
||||
id: P-REINFORCE-AI-CPG
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
confidence_score: 0.96
|
||||
tags: [CPG, Robotics, Neuroscience, Locomotion]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Central-Pattern-Generators"
|
||||
---
|
||||
|
||||
# [[Central-Pattern-Generators]]
|
||||
# [[Central-Pattern-Generators]] (중추 패턴 생성기 CPG)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> 뇌의 복잡한 연산 없이도 척수 수준에서 리듬감 있는 동작(걷기, 수영, 비행)을 자동으로 만들어내는 생체 회로의 신비다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **Neural Oscillators (신경 진동자)**:
|
||||
- 외부의 지속적인 입력이 없어도 스스로 리드미컬한 신호를 만들어내는 뉴런의 집단. 생명체의 보행을 제어하는 핵심 엔진이다.
|
||||
- **Robotics Application**:
|
||||
- 로봇이 험지에서 매 순간 계산을 통해 걷는 대신, CPG 모델을 적용하여 자연스러운 반사 신경(Reflex)처럼 장애물을 넘게 만드는 방식.
|
||||
- **Distributed Control (분산 제어)**:
|
||||
- 중앙 집중 스케줄러가 아닌, 각 다리나 마디가 고유의 진동자를 가지고 서로 동기화(Synchronization)되어 전체의 조화를 이루는 구조.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- CPG만으로는 복잡한 환경 변화에 대응하기 어렵다. 따라서 상위 레벨의 강화학습(RL)이 방향과 속도를 결정하고, 하위 레벨의 CPG가 실제 관절 리듬을 담당하는 계층적 제어(Hierarchical Control)가 현대 로보틱스의 정석이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Central-Pattern-Generators.md]]
|
||||
---
|
||||
- Related: [[Robotic Manipulation]] , [[Autonomous-Vehicle-Path-Planning]]
|
||||
- Foundation: [[Systemic_Simulation_Principles]]
|
||||
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-COT
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.99
|
||||
tags: [LLM, Chain-of-Thought, CoT, Inference, Search]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Chain-of-Thought]] (사고의 사슬 CoT)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 거대 언어 모델에게 "생각해 봐"라고 한마디 하는 것만으로도, 문제를 단계적으로 분해하여 정답 도출 가능성을 비약적으로 높이는 추론의 기적이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Step-by-Step Reasoning**:
|
||||
- 질문에 바로 답하지 않고, 중간 과정(Rationales)을 텍스트로 먼저 생성하게 유도함으로써 모델이 자신의 이전 출력을 다음 추론의 근거로 활용하게 하는 기법.
|
||||
- **Zero-shot CoT**:
|
||||
- 프롬프트 끝에 "Let's think step by step"이라는 문구만 추가해도 상식 추론과 수학 문제 해결 능력이 폭발적으로 증가한다.
|
||||
- **Self-Consistency**:
|
||||
- 여러 개의 CoT 경로를 생성하게 하여 가장 공통적으로 도출된 결론을 정답으로 선택하는 기법.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- CoT는 항상 유리하지 않다. 단순 사실 확인 문제에서는 오히려 불필요한 텍스트 생성으로 인해 에러(Hallucination)가 발생할 확률이 있다. 최근에는 이를 고도화한 `Tree-of-Thoughts (ToT)` 또는 `OpenAI o1`처럼 내부적으로 강화학습을 통해 최적의 사고 경로를 찾는 모델로 진화 중이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Best-of-N-Sampling]] , [[Automated-Reasoning]]
|
||||
- Foundation: [[Information Theory]]
|
||||
@@ -1,25 +1,30 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-B131E0
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
id: P-REINFORCE-AI-CLEANARCH-IMP
|
||||
category: "[[10_Wiki/💡 Topics/Software Architecture]]"
|
||||
confidence_score: 0.98
|
||||
tags: [Clean Architecture, Implementation, Layering, SOLID]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Clean-Architecture-Implementation"
|
||||
---
|
||||
|
||||
# [[Clean-Architecture-Implementation]]
|
||||
# [[Clean-Architecture-Implementation]] (클린 아키텍처 구현)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> "데이터베이스나 프레임워크는 세부 사항일 뿐이다." 비즈니스 규칙(Domain)을 외부 세계로부터 철저히 격리하여 평생 변하지 않는 단단한 원핵(Core)을 유지하는 아키텍처다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **의존성 규칙 (Dependency Rule)**:
|
||||
- 의존성의 방향은 항상 안쪽(Domain)으로만 향해야 한다. 도메인은 외부 라이브러리나 UI 라이브러리를 절대 알면 안 된다.
|
||||
- **4대 레이어 구성**:
|
||||
1. **Entities**: 가장 핵심적인 비즈니스 객체 및 규칙.
|
||||
2. **Use Cases**: 애플리케이션 특유의 비즈니스 논리 구현.
|
||||
3. **Interface Adapters**: Controller, Presenter 등 데이터 변환기.
|
||||
4. **Frameworks & Drivers**: DB, UI, 외부 API 등 인프라스트럭처.
|
||||
- **DIP (Dependency Inversion Principle)**:
|
||||
- 중심부가 외부를 호출해야 할 땐 인터페이스를 정의하고, 실체는 외부에서 주입(Injection)받는다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 작은 프로젝트에 클린 아키텍처를 도입하는 것은 '보일러플레이트 지옥'을 초래할 수 있다. 소규모일 땐 생산성을 챙기고, 코드 베이스가 1만 라인을 넘어가는 시점부터 점진적으로 레이어를 분리하는 **'점진적 아키텍처링'**이 실무에서 더 선호된다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Clean-Architecture-Implementation.md]]
|
||||
---
|
||||
- Related: [[Separation_of_Concerns]] , [[Domain-Driven Design (DDD)]]
|
||||
- Foundation: [[React_Clean_Code_Best_Practices]]
|
||||
|
||||
@@ -1,25 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-3B1D45
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
id: P-REINFORCE-AI-CLEANARCH-TS
|
||||
category: "[[10_Wiki/💡 Topics/Software Architecture]]"
|
||||
confidence_score: 0.99
|
||||
tags: [TypeScript, Clean Architecture, Type Safety, Mapping]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Clean-Architecture-TypeScript"
|
||||
---
|
||||
|
||||
# [[Clean-Architecture-TypeScript]]
|
||||
# [[Clean-Architecture-TypeScript]] (타입스크립트와 클린 아키텍처)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> 타입스크립트의 강력한 타입 시스템은 클린 아키텍처의 '레이어 간 경계'를 물리적으로 강제하는 가장 완벽한 감시자다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **Domain Interface First**:
|
||||
- Use Case는 구체적인 레포지토리가 아닌, 타입스크립트 `interface`에만 의존하게 설계하라. 이렇게 하면 테스트 작성 시 가짜(Mock) 객체를 갈아 끼우는 것이 숨 쉬듯 쉬워진다.
|
||||
- **Data Transfer Object (DTO) Mapping**:
|
||||
- DB 엔티티 타입을 UI까지 그대로 끌고 가지 마라. 레이어를 넘나들 때마다 `Mapper`를 통해 필요한 데이터만 추출한 전용 타입을 사용해야 '오염'을 막을 수 있다.
|
||||
- **Branded Types for ID**:
|
||||
- `UserId`, `OrderId`를 단순한 `string`이 아닌 고유 타입으로 정의하여, 실수로 유저 ID 칸에 주문 ID를 넣는 실수를 컴파일 타임에 잡아낸다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 과도한 'Mapping'은 런타임 성능과 개발 시간을 소모한다. 도메인과 데이터 계층의 모양이 90% 이상 일치한다면, 무리하게 분리하기보다 `Pick`이나 `Omit` 유틸리티 타입을 활용하여 유연하게 대응하는 것이 실용적이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Clean-Architecture-TypeScript.md]]
|
||||
---
|
||||
- Related: [[TypeScript_Type_Safety]] , [[React_State_Management_Strategy]]
|
||||
- Foundation: [[Clean-Architecture-Implementation]]
|
||||
|
||||
Reference in New Issue
Block a user