---
id: wiki-2026-0508-miscellaneous-ai-topics
title: Miscellaneous AI Topics
status: verified
canonical_id: wiki-2026-0508-miscellaneous-ai-topics
aliases: [Misc AI, AI Catch-all, AI Grab Bag]
duplicate_of: none
source_trust_level: A
confidence_score: 0.85
verification_status: applied
tags: [meta, index, ai, catch-all, niche]
raw_sources: []
last_reinforced: 2026-05-10
github_commit: pending
tech_stack: []
---

# Miscellaneous AI Topics

## 한 줄 정의

주류 카테고리(NLP·CV·RL·LLM)에 깔끔히 들어가지 않지만 실무에서 자주 마주치는 **틈새 AI 주제 모음**. 정식 페이지가 생기기 전 임시 정착지이자, 단독 페이지로 키우기에는 작은 개념의 집결지.

## 핵심

### 자주 누락되는 영역

- **Causal Inference + ML**: do-calculus, double ML, uplift modeling.
- **Differential Privacy in ML**: DP-SGD, ε-budget, federated 결합.
- **Active Learning**: label cost 최소화, uncertainty/diversity sampling.
- **Curriculum Learning**: easy → hard 순서 학습.
- **Continual / Lifelong Learning**: catastrophic forgetting, EWC, replay.
- **Meta-Learning**: MAML, Reptile, in-context learning과의 관계.
- **AutoML 주변**: NAS, HPO, AutoFE.
- **Tabular Deep Learning**: TabNet, FT-Transformer, GBM 비교.
- **Time Series Foundation Models**: TimesFM, Chronos, Moirai.
- **Symbolic + Neural**: neuro-symbolic, program synthesis.

### 응용

연구 trend 추적, 단독 페이지 승격 후보 판별, onboarding 시 "이런 것도 있다" 한 장 인덱스.

## 💻 패턴

### Active Learning loop

```python
def active_learning_loop(model, pool_X, oracle, budget=1000, batch=20):
    labeled_X, labeled_y = [], []
    while len(labeled_y) < budget:
        probs = model.predict_proba(pool_X)
        # least confidence
        uncertainty = 1 - probs.max(axis=1)
        idx = uncertainty.argsort()[-batch:]
        x_new = pool_X[idx]
        y_new = oracle(x_new)
        labeled_X.extend(x_new); labeled_y.extend(y_new)
        pool_X = np.delete(pool_X, idx, axis=0)
        model.fit(labeled_X, labeled_y)
    return model
```

### EWC (Elastic Weight Consolidation) 핵심

```python
def ewc_loss(model, task_loss, fisher, theta_star, lam=1000):
    penalty = 0.0
    for n, p in model.named_parameters():
        if n in fisher:
            penalty += (fisher[n] * (p - theta_star[n])**2).sum()
    return task_loss + lam * penalty
```

### MAML inner step (개념)

```python
def maml_step(model, loss_fn, x_s, y_s, x_q, y_q, lr=0.01):
    grads = torch.autograd.grad(loss_fn(model(x_s), y_s),
                                model.parameters(), create_graph=True)
    fast_weights = [p - lr * g for p, g in zip(model.parameters(), grads)]
    # query loss with fast weights
    return functional_forward(model, fast_weights, x_q, y_q, loss_fn)
```

### DP-SGD 노이즈 추가

```python
# opacus 사용 예시
from opacus import PrivacyEngine
engine = PrivacyEngine()
model, optim, loader = engine.make_private(
    module=model, optimizer=optim, data_loader=loader,
    noise_multiplier=1.1, max_grad_norm=1.0,
)
```

### Uplift Tree (causal ML)

```python
from causalml.inference.tree import UpliftTreeClassifier
uplift = UpliftTreeClassifier(control_name='control')
uplift.fit(X, treatment=t_arr, y=y_arr)
te = uplift.predict(X_test)  # treatment effect per row
```

## 결정 기준

| 주제 | 단독 페이지로 분리할 시점 |
|---|---|
| 4회 이상 다른 페이지에서 링크 | 분리 |
| 코드 예시 5개 이상 누적 | 분리 |
| 결정 기준 표가 만들어짐 | 분리 |
| 단순 용어 정의 1줄 | misc 유지 |
| 트렌드성 짧은 수명 | misc 유지 |

기본값: **링크 4회 또는 250+ 라인 작성 가능** 시 단독 분리.

## 🔗 Graph

- 부모: [[Machine-Learning]]
- 변형: [[Active Learning]] · [[Continual-Learning]]
- 응용: [[AutoML]] · [[Federated-Learning]] · [[Differential-Privacy]]
- Adjacent: [[Neural-Architecture-Search-NAS]] · [[Hyperparameters|Hyperparameter-Optimization]]

## 🤖 LLM 활용

**언제**: 새 trend 키워드 등장 시 misc에 1줄 추가, 단독 분리 여부 판정 (링크 횟수 grep), 카테고리 재배치 brainstorm.

**언제 X**: 핵심 개념을 misc에서 영구히 유지 (단독 페이지로 승격해야 graph 확장 가능). 정의 정확도가 낮은 LLM 답변을 그대로 commit.

## ❌ 안티패턴

- 모든 새 개념을 misc에 던져서 영구 방치 → 위키가 "잡동사니 폴더화".
- 단독 페이지로 분리하지 않은 채 misc 페이지가 1000+ 라인으로 비대해짐.
- 정식 카테고리(NLP/CV/RL)에 들어가야 할 주제를 misc에 잘못 배치.
- Frontmatter `tags`가 너무 광범위해 검색 변별력 상실.

## 🧪 검증 / 중복

Verified source: Papers With Code 카테고리 트리, NeurIPS/ICML 워크숍 트랙, ML reading list (e.g., d2l.ai, Papers With Code SOTA). 신뢰도 A.

본 페이지는 메타/카테고리 인덱스로, 다른 페이지와 중복 아님.

## 🕓 Changelog

- 2026-05-08 Phase 1 — 초기 stub.
- 2026-05-10 Manual cleanup — FULL meta-index 형태로 재작성. 분리 기준표·코드 5종(active/EWC/MAML/DP-SGD/uplift) 추가.