---
id: moc-ai_and_ml
title: "AI_and_ML — 학습 지도 (MOC)"
category: "MOC"
status: "active"
type: "map-of-content"
tags: ["MOC", "AI_and_ML"]
updated_at: 2026-06-08
---

# 🗺️ AI_and_ML — 학습 지도 (MOC)

> 이 클러스터의 **1174개 문서**에 대한 진입점과 학습 순서. 자동 생성(moc_generator.mjs) — 재실행 시 갱신.

## 🚀 여기서 시작 (Start here)
- [[프론트엔드 기초 구조 이해]]
- [[프론트엔드 기초 구조 이해 핵심 목적]]
- [[AI Overviews and SGE (Search Generative Experience)]] — **Google 의 search 의 매 query 의 AI-generated answer + cited source**. 매 brand 의 매 click 의 lose, 매 citation 의 gain. **Direct answer + structure
- [[Introduction to Programming]]
- [[LLM Fundamentals]]
- [[Neural Networks (신경망 기초)]]
- [[Neural Networks (신경망 기초)]]
- [[SCA Fundamentals (Software Composition Analysis)]]

## 📚 전체 문서 (Topics)

> ⚠️ 문서가 많은 클러스터(1166개) — 첫 글자별로 묶음. 하위 폴더로 재구성 검토 권장.

### 0-9
- [[2014 Combat Controls Update (War Commander)]] — **"매 player 의 unit micro-management 의 hotkey-based realtime"**. 옛 stance system → modern dynamic command. 매 RTS / MOBA 의 standard interactio
- [[2026 AI Visual Language Generation Paradigm Shift]] — **Single shot → continuous workflow**. 매 draft mode 의 fast iteration + omni reference 의 consistency + post-edit 의 polish. 매 prompt 의 camera 
- [[20k Skinned Instances Demo (Three.js)]] — **20,000 character 의 same scene + 5 draw call only**. agargaro 의 InstancedMesh2 + frustum culling + LOD + animation throttle. **Mobile 도 300
- [[3D Gaussian Splatting (3DGS)]] — **Implicit field (NeRF) 가 아닌 explicit primitive (millions of 3D Gaussian) 으로 scene 표현**. Real-time rendering (60+ FPS) + 고품질 + differentiabl
- [[4X 전략]]

### A
- [[ABA (Applied Behavior Analysis)]] — **"행동 = 환경 + 결과 의 함수"**. ABC (Antecedent → Behavior → Consequence) framework + reinforcement schedule. 자폐 치료 의 root, 게임 progression / AI rew
- [[Abstract Syntax Tree (AST)]]
- [[Academic Integrity]]
- [[Accessibility (a11y)]]
- [[ACI (Agent-Computer Interface)]] — **Human UI ≠ Agent UI**. LLM agent 의 매 file / tool / output 의 representation 가 model 의 perception. **Tool name + description + schema + erro
- [[Activism]]
- [[Actor-Critic Models]]
- [[Ad-hoc Hypotheses]]
- [[Adaptive Compute (적응형 계산량 조절)]]
- [[Addiction Neuroscience]] — **Reward circuit (mesolimbic dopamine) 의 reinforcement + prefrontal cortex 의 control 약화 → 의지 X**. "도덕적 약점" 가 아닌 brain disease. Game / app 의 
- [[ADR-0001: Project Chronicle as Independent Module]] — **Project Chronicle (planning / decision / log / bug / retro 의 record) 의 chat / agent 와 분리 module 로 implement**. SoC 의 적용 — 매 chat / agent 의
- [[AdSense Revenue Blog Architecture]]
- [[agargaro Open Source Libraries (Three.js Extensions)]] — **Three.js 의 native InstancedMesh 의 limit → InstancedMesh2 + batched-mesh-extensions**. 매 instance 의 frustum culling / LOD / BVH raycasting 
- [[AI & Data Sovereignty]] — **"매 data 의 owner 는 누구?"**. Individual / Org / National 의 3 layer. Big Tech AI 의 training data 의 hidden cost. **Federated learning + differe
- [[AI 기반 코드 분석 자동화 (Autofix + Triage)]] — 매 [[AI_Powered_Code_Analysis]] 의 Korean version. 매 same content.
- [[AI 코드 리뷰]]
- [[AI Accountability]] — **"누구 의 잘못?"**. AI 의 harm 의 발생 시 매 actor (developer, deployer, user) 의 responsibility 의 chain. **Transparency + Auditability + Redress** 의 3
- [[AI Alignment]]
- [[AI and Narrative]] — **LLM 의 long-context + creative generation 이 narrative 의 고전 framework (Hero's journey, 3-act structure) + interactive (player choice) 의 결합 의
- [[AI Answer Engine Optimization (AEO)]] — **"Search 의 click → AI answer 의 citation"**. ChatGPT / Perplexity / Google AI Overviews 의 매 brand 의 source 의 selection. **SSR + JSON-LD + se
- [[AI Code Assurance (AI 생성 코드 검증)]] — **AI-generated code 의 inconsistent quality + hallucinated API + 매 unique vulnerability**. 매 PR 의 SAST + LLM-as-judge + human review 의 hybrid
- [[AI Code Review]] — **LLM + AST + 매 PR 의 first-pass review**. CodeRabbit / Greptile / Sourcery / Cursor 가 매 bug / style / security 의 detect. **Human 의 final, AI
- [[AI Code Review + DevSecOps]] — **Shift-left security**. 매 SDLC 의 early 의 SAST + AI review + human. 매 mechanical 의 AI, 매 architectural 의 human.
- [[AI Connect LLM Tool (ConnectAI)]] — **100% local + offline VS Code AI coding agent**. Ollama / LM Studio 의 hardware 직접 사용 — 외부 server X. File edit + terminal + Second Brain (kn
- [[AI Content Production Pipeline]] — **"AI = production line component, not assistant"**. 매 stage 의 AI input → output → next stage. **Keyword → outline → draft → edit → publish 
- [[AI Evaluation & Benchmarks]] — **"좋다" vs "측정"**. 매 capability (math, code, reasoning, long-context, tool use) 의 standardized test. 단점: contamination, Goodhart's law, eval 
- [[AI Exploitation (Game AI 공략)]] — **Game AI 의 deterministic behavior 의 player exploit**. Baiting / kiting / pathing trick. RTS / FPS / MMO 의 player skill 의 큰 부분. **Game desig
- [[AI for Social Good (AI4SG)]] — **AI 의 commercial 외 사용**. 매 UN SDG (climate, health, education, equity) 의 AI 응용. 매 vendor 의 lab + non-profit + government 의 partnership. **H
- [[AI Generated Code Assurance (AI 생성 코드 검증)]]
- [[AI Governance Policy (AI Usage Policy)]] — **"자율 = 책임"**. 조직 의 AI 도입 의 legal / ethical / security 의 framework. 규제 (EU AI Act) + 자체 policy + technical guardrail. **금지 X, sandbox + 교육 +
- [[AI Humanism]] — **AI = 인간 의 replacement X, 인간 의 augmentation**. 매 design / policy 의 인간 dignity 의 center. **Human agency + augmentation + empathy** 의 3 axis.
- [[AI Image Generation]] — **Diffusion model 의 text → image**. 매 prompt 의 noise 의 progressive denoise. **Midjourney (예술), DALL-E (자연어), Stable Diffusion / Flux (open +
- [[AI Image Generation & Editing Workflow]] — **Single perfect prompt 의 myth → iterative loop**. **Draft (cheap variant) → select → refine → upscale → polish (post-edit)**. 매 round 의 qua
- [[AI Image Generation Workflow (canonical)]] — **Prompt → image 의 standard pipeline**. 매 5-layer prompt + iterative + post-edit. 매 single shot 의 expectation X.
- [[AI Image Quality Optimization & Debugging]] — **매 raw output 의 defect (extra finger, blur, watermark) → systematic fix**. **Detect → mask → inpaint → upscale**. 매 specific defect 의 speci
- [[AI Literacy]] — **AI 사용 ≠ AI literacy**. 매 user 가 ChatGPT 사용 가능 가, "왜 이 답?", "이 답 가 신뢰?", "어떻게 더 잘?" 의 답 가 별 skill. **Understand + Utilize + Evaluate + Refl
- [[AI Post-editing Tools (사후 편집)]] — **매 첫 generation 의 limit → iterative refinement**. **Inpainting (specific region), Outpainting (extend canvas), Remix (variation), Upscale (
- [[AI Pursuit Logic (AI 추적 논리)]] — **"매 enemy 의 어떤 target 의 chase?"**. Aggro / threat / line-of-sight / leash 의 4 component. 매 RTS / MMO / FPS 의 fundamental. **매 deterministic
- [[AI Safety]]
- [[AI Safety]]
- [[AI Safety (AI 안전)]]
- [[AI Safety & Constitutional AI]]
- [[AI Safety and Alignment]] — **"AI 가 의도 한 대로 동작?"**. Capability ↑ + Alignment 부족 = catastrophic mismatch. 매 frontier lab 의 큰 problem. **RLHF / DPO / Constitutional AI / 
- [[AI Search Optimization]] — **"Keyword density → Entity authority"**. 매 LLM 의 knowledge graph 의 inclusion. **Semantic + structured + machine-readable + E-E-A-T**. AEO +
- [[AI_and_ML 폴더 시스템 메타]]
- [[AI-Powered Code Analysis (Autofix + Triage)]] — **Pattern matching → LLM understanding**. 매 finding 의 confidence score + auto-fix + human review priority. **Triage (어느 거 먼저) + Autofix (수정 
- [[AI-Powered Code Analysis Tools]] — **LLM + AST + codebase RAG 의 매 file 의 deep context 분석**. SAST + behavioral analysis + cross-repository. **CodeRabbit (PR), Greptile (큰 codeb
- [[Algorithmic Biology]] — **"생명 = 매 우주 의 가장 복잡한 algorithm"**. 매 DNA / RNA / protein 의 computable model. AlphaFold 의 protein folding 의 50 year problem 의 solve. 매 신약 개발
- [[Algorithmic Fairness]] — **"매 group 의 differential impact 의 measure + mitigate"**. 매 ML system 의 bias = data + algorithm + deployment. **Pre-processing / In-processi
- [[Algorithmic Transparency]] — **"매 black box 의 light"**. 매 input + algorithm + output 의 visibility. **Disclosure → Explainability → Auditability** 의 3 layer. 매 user trust
- [[Alignment]]
- [[Allocation Timeline]]
- [[AlphaGo (Monte Carlo Tree Search  RL)] [Autonomous Driving Simulation] [Robotic Manipulation]]
- [[Ambient Declarations]]
- [[Amdahl's Law]] — **"매 bottleneck 가 speed 의 결정"**. 매 90% 의 100× → 매 전체 가 매 10× 의 한계. 매 parallelization 의 ceiling. 매 어디 의 fast 보다 매 어디 의 unchangeable.
- [[Anaemic Domain Model]] — **"매 data 만 의 class + 매 logic 의 service 의 split"**. Martin Fowler 가 anti-pattern 가 — 매 OOP 의 procedural 화. 매 simple CRUD OK 가, 매 complex dom
- [[Anarchism]] — **권위 없는 자유의 질서**. 국가 / 지배 강제 X + 자발적 협력 + 수평 조직. 매 "혼란" 가 아닌 — 매 self-imposed 질서. 매 modern crypto / DAO / open source 의 underlying ideology.
- [[Anarcho-Primitivism]] — **"매 civilization 이전 의 return"**. 매 agriculture / industry 의 alienation 비판 — 매 hunter-gatherer 의 freedom + ecology. 매 radical 가, 매 AI 시대 의 e
- [[Anthropic Principle]] — **"매 우주 가 정교 한 이유 = 매 우리 가 관찰 중"**. 매 selection bias 의 fundamental form. 매 fine-tuned constant 의 explain — 매 우주 가 X 의 condition X 가, 매 X 의 c
- [[Anthropomorphism]] — **기계 의 인간 의 얼굴**. 매 non-human (object, animal, AI) 의 매 emotion / intent / personality 의 project. 매 LLM 의 가장 큰 design lever — trust 의 boost 가
- [[Antifragility]] — **"매 chaos 의 먹고 자라는 힘"**. 매 robust (견딤) 의 위, 매 antifragile (강해짐). Taleb 의 개념. 매 muscle, 매 startup ecosystem, 매 chaos engineering, 매 evolutio
- [[API Response & State Modeling]] — **"매 invalid state 의 unrepresentable"**. Discriminated union + Result type. 매 compile-time exhaustive check. 매 runtime bug 의 prevent.
- [[API Response Modeling + State Machine]] — **Discriminated union 의 baseline + state machine (XState) 의 complex flow**. 매 invalid state + invalid transition 의 prevent. 매 actor model 의 
- [[API-backed Image Generation Workflow]]
- [[Arc 2 — March 2026 Research Drop (War Commander)]] — **"매 firepower → 매 mixed-tactic"**. 매 platform 의 damage-type 별 50% resistance 의 specialization. 매 single-unit steamroll 의 X — 매 mixed platoo
- [[Architecture Anti-patterns]] — **"매 안 하면 좋은 것"**. 매 design 의 mistake catalog. 매 timeout misconfig, 매 distributed monolith, 매 big ball of mud. 매 anti-pattern 의 catalog 의 se
- [[Articulateness]] — **"매 thought 의 high-resolution output"**. 매 head 의 fuzzy idea 의 매 lossless 의 transmit. 매 AI 시대 의 가장 큰 leverage — 매 prompt 의 articulate = 매 o
- [[Artifacts & Infrastructure (Agentic Systems)]] — **"매 agent 의 physical body"**. 매 produced output (code, doc, image) 의 store + index + version. 매 execution 의 sandbox (container / microVM). 
- [[Artificial Intelligence (AI)]]
- [[Artificial Intelligence (AI)]] — **"매 thinking 의 X — 매 data 의 compression + 매 prediction"**. 매 hidden pattern 의 statistical inference. 매 narrow ANI (chess, GPT) 의 dominate 가
- [[Artificial Life (ALife)]] — **"매 life 의 본질 의 digital code 의 recreate"**. 매 simple rule 의 interaction → 매 emergent intelligence. 매 swarm AI / NPC behavior / evolutionary
- [[Arts (Human + AI Era)]] — **"매 language 너머의 communication"**. 매 emotion / experience / idea 의 form / sound / color 의 translate. 매 modern: 매 AI generative 의 democratiz
- [[ASD Intervention (AI-Assisted)]] — **"매 social barrier 의 digital companion"**. 매 ASD 의 communication / emotion 의 difficulty 의 AI 의 supplement. 매 NESCA / VR / robot / AAC. 매 su
- [[Assessment (Educational + ML Evaluation)]] — **"매 성장 의 거울"**. 매 current 의 measure + 매 gap → 매 direction. 매 selection 의 X — 매 growth 의 support. 매 modern AI 의 ML evaluation 의 same princip
- [[Asset-Specific Knowledge]] — **"매 다른 곳 X 의 나만의 무기"**. 매 codebase / business / domain 의 deep context. 매 tacit (문서 X) + 매 high replacement cost. 매 modern AI 시대 의 가장 큰 diff
- [[AST (Abstract Syntax Tree)]]
- [[Atmospheric Intelligence (Ambient AI)]] — **"공기 처럼 스며든 지능"**. 매 screen / button X — 매 environment 자체 의 interface. 매 Matter / edge AI / privacy 의 결합. 매 user 의 의식 X 의 benefit 의 enable.
- [[Attention is All You Need]]
- [[Attention Mechanism]]
- [[Attention Mechanisms]]
- [[Authenticity]] — **"매 진짜 의 힘"**. 매 internal value + 매 external action 의 일치. 매 deepfake 시대 의 가장 큰 differentiator. 매 AI 의 "I'm an AI" 의 honesty 의 trust 의 maxim
- [[Auto-Encoding]] — **"매 information diet + restore"**. 매 input → 매 bottleneck (latent) → 매 input 의 reconstruct. 매 unsupervised representation. 매 PCA 의 deep ver
- [[Automated Mapping (SLAM / HD Map)]] — **"매 unknown 의 explore + 매 self-localize 의 simultaneous"**. 매 SLAM (Simultaneous Localization and Mapping). 매 sensor (LiDAR, camera, IMU) 의 
- [[Automated Refactoring Tools]]
- [[Automated Theorem Proving (ATP)]] — **"매 'works' 의 'cannot fail' 의 강제 proof"**. 매 software trust 의 정점. 매 seL4 / Compcert / Ethereum smart contract / aerospace 의 underlying. 매 L
- [[Autonomous Polling & Wait Automation]] — **"매 sleeping researcher"**. 매 long-running task (3-10 분) 의 완료 의 agent 가 자동 감지 + 매 next step 으로 transition. 매 manual button click 의 X. 매 10초
- [[Autonomous Vehicles]] — **"매 wheels 의 movable computer"**. 매 perception + localization + prediction + planning + control 의 5-stack. 매 modern: 매 end-to-end neural ne
- [[Availability and Persistence]] — **"매 always there + 매 never forget"**. 매 availability = 매 즉시 응답 가능. 매 persistence (durability) = 매 한번 commit 의 절대 lose X. 매 distributed syst
- [[Awards (Recognition Systems)]] — **"매 우수 의 사회적 공인"**. 매 motivation + 매 standard 의 signal + 매 visibility. 매 modern 의 controversy: 매 AI generative 의 award 의 ethics. 매 traditio
- [[Axify (Engineering Productivity Platform)]] — **"매 engineering productivity 의 데이터화"**. 매 DORA + value stream + AI 도입 의 measure. 매 vanity metric (사용량) 의 X — 매 actual outcome (lead time, d
- [[Axioms]] — **"매 의심 없는 지식 의 시작"**. 매 self-evident or 매 agreed. 매 모든 reasoning 의 ground. 매 wrong axiom = 매 정교한 logic 의 collapse. 매 modern AI 의 Constituti

### B
- [[Backpropagation]]
- [[Backpropagation Through Time]]
- [[Bag of Words (BoW)]] — **"매 단어 의 빈도 만"**. 매 grammar / order 무시 + 매 frequency count. 매 NLP 의 가장 simple. 매 modern transformer 가 dominant 가, 매 baseline / fast classif
- [[Baiting (Game AI Tactic)]] — **"매 NPC chase logic 의 reverse-exploit"**. 매 fortified enemy 의 매 defense 의 outside 의 lure. 매 RTS 의 essential. 매 NPC AI design 의 antithesis —
- [[Baiting Tactics]]
- [[Baseline (Web Platform Features)]] — **"매 widely available API 의 timeline"**. 매 Chrome / Edge / Firefox / Safari 의 30 개월 이상 매 support 된 feature. 매 polyfill 의 drop 의 signal. 매 mo
- [[Batch Inference]] — **"매 GPU 의 공동 구매"**. 매 single request 의 즉시 응답 X — 매 batch 의 throughput 의 maximize. 매 LLM 의 dynamic / continuous batching 의 5-20× throughput.
- [[Bayesian Brain Hypothesis]] — **"매 brain = 매 inference engine"**. 매 incomplete sensor + 매 prior → 매 best guess (posterior). 매 Friston 의 Free Energy Principle 의 unify perc
- [[Bayesian Inference]]
- [[Bayesian Statistics]] — **"매 probability = 매 belief 의 degree"**. 매 frequency X — 매 prior + data → posterior 의 update. 매 small data + prior knowledge 의 strong. 매 res
- [[BCG 2026 Global Gaming Survey]] — **3년 침체 의 끝, 매 4 trend 의 새 growth**: Generative AI, UGC, Cloud Gaming, App Store 개방. 매 game economy / monetization 의 redesign 의 signal.
- [[Be Detailed (Specificity Principle)]] — **"매 devil 의 detail"**. 매 abstraction 의 hide X — 매 number, 매 context, 매 edge. 매 prompt engineering 의 single biggest lever — 매 vague "make it
- [[Beliefs]] — **"매 mind 의 잠정적 결론"**. 매 evidence 의 objective ↔ subjective 의 confidence. 매 action 의 trigger. 매 AI 의 응용 — 매 agent 의 belief state, 매 RAG 의 tru
- [[Bellman Equation]]
- [[Bellman Equation]]
- [[Bellman Equation]]
- [[Benchmarks (AI Evaluation)]] — **"지능 의 줄자"**. 매 standardized 의 same comparison. 매 milestone + 매 marketing. 매 Goodhart's Law (매 metric 의 target 의 saturate). 매 modern era 의 
- [[BERT]]
- [[BERT (Bidirectional Encoder Representations from Transformers)]]
- [[BERT (Bidirectional Encoder Representations from Transformers)]] — **"매 양방향 의 천재"**. 매 left-only 의 LM 의 break — 매 bidirectional context. 매 NLU 의 dominator. 매 GPT 시대 의 generation 의 lose 가, 매 classification / 
- [[Best of N Sampling]]
- [[Best of N Sampling]]
- [[Best of N Sampling ( ø)]]
- [[Best of N Sampling (최적 샘플링)]]
- [[Best-of-N Sampling]] — **"많이 뽑고 best 의 select"**. 매 N response 의 generate + RM 의 score → best 1 의 output. 매 inference-time compute 의 가장 simple form. 매 OpenAI o1 / 
- [[Bias Correction Algorithm]] — **"매 data 의 bias = 매 model 의 discrimination"**. 매 protected attribute (race, sex, age) 의 statistical balance 의 enforce. 매 3 stage: pre / in 
- [[Bias vs Variance Trade-off]] — **"매 model 의 simple 의 underfit + 매 complex 의 overfit"**. 매 generalization 의 sweet spot 의 search. 매 modern deep learning 의 **double descent**
- [[Bias-Variance Tradeoff]]
- [[Bibliometrics]] — **"매 knowledge 의 economics"**. 매 citation count + h-index + impact factor 의 quantify. 매 modern: 매 altmetrics + arXiv 의 real-time. 매 Goodhart
- [[Binary Author Identification]] — **"매 digital fingerprint"**. 매 compiled binary 의 매 author style 의 detect. 매 control flow + 매 register usage + 매 idiom 의 unique. 매 malware fo
- [[Binary Search]] — **"매 절반씩 의 탐색"**. 매 sorted array 의 매 O(log N). 매 100만 = 매 20 step. 매 algorithm 의 elegance 의 가장. 매 git bisect / parametric search / boundary 
- [[Bioenergetics]] — **"매 생명 = 매 entropy 의 저항"**. 매 thermodynamics 2nd law (entropy ↑) 의 against — 매 energy 의 collect + transform → 매 order. 매 ATP 의 currency. 매 
- [[Biological Intelligence]] — **"매 4 billion year 의 deep learning"**. 매 survival + reproduction = 매 reward. 매 evolution = 매 backpropagation. 매 modern AI 의 still 매 surpass
- [[BioShock (2007) — Game AI & Environmental Narrative]] — **"매 ecosystem 의 살아있는 듯"**. 매 BioShock 의 AI 는 매 player 의 chase 만 X — 매 own rule 의 organic actor (Big Daddy ↔ Little Sister). 매 simple FSM + 
- [[Black-Box Optimization]] — **"매 gradient X 의 best 의 search"**. 매 expensive function (1 trial = hour) 의 minimum sample 의 best. 매 hyperparameter / drug / robotics / circ
- [[Blockchain]] — **"매 신뢰 의 technical implementation"**. 매 central authority X — 매 distributed + 매 cryptographic verification. 매 currency 의 base. 매 smart cont
- [[Blog Production Standard Manual]] — **"매 SEO 키워드 + 매 친근한 톤 + 매 5단계 layout"**. 매 검색자 의 의도 의 정확 한 keyword 의 title 의 front. 매 "전문가 가 friend" 의 trust + scanning-friendly visual.
- [[Bloom Filters]] — **"매 set 의 'maybe / definitely not' 의 fast"**. 매 hash + bit array 의 probabilistic. 매 false positive 가능 가, 매 false negative X. 매 cache / DB /
- [[Boltzmann Machines]] — **"매 data distribution 의 energy 의 model"**. 매 stat mech 의 Boltzmann distribution 의 inspire. 매 deep learning 의 spark (Hinton 2006 RBM pre-tra
- [[Boosting Algorithms (XGBoost / LightGBM / CatBoost)]] — **"매 오답 노트 의 군단"**. 매 weak learner 의 sequential 학습 + 매 previous error 의 weight ↑. 매 tabular data 의 still-king (vs deep learning). 매 Kaggle 의
- [[Boss Orchestration & Gimmick Management]] — **"매 boss = 매 HP 의 X — 매 sequence + gimmick"**. 매 multi-part + multi-phase + telegraph + recovery window 의 fight feel. 매 player 의 skill expr
- [[Bottlenecks (Performance & Process)]] — **"매 system 의 throat"**. 매 weakest link 의 throughput 의 결정. 매 non-bottleneck 의 improve = 매 시간 낭비. 매 Goldratt's TOC: 매 5 step. 매 modern AI: 매 
- [[Bounded Contexts (DDD)]] — **"매 모두 의 language = 매 아무도 의 language"**. 매 specific domain 의 internal 의 의미 boundary. 매 같은 word ('Account' = bank 의 계좌 vs login 의 ID) 의 isol
- [[Bounded Rationality]]
- [[Bounded Rationality]]
- [[Bounded Rationality]] — **"매 perfect optimization 의 X — 매 'good enough' 의 satisfice"**. Herbert Simon (1955) 의 Nobel-winning concept. 매 cognitive limit + 매 informat
- [[Bounding Box Regression]] — **"매 image 의 정확한 주소"**. 매 (x, y, w, h) 의 4 number 의 predict + class. 매 object detection 의 core. 매 modern: 매 anchor-free + 매 DETR (transforme
- [[Brain Computer Interface (BCI)]]
- [[Brain Computer Interface (BCI)]]
- [[Brain-Computer Interface (BCI)]] — **"매 thought 의 direct digital translation"**. 매 brain signal 의 capture → 매 ML decode → 매 output (mouse, prosthesis, text). 매 modern AI 의 sur
- [[Brain-Derived Neurotrophic Factor (BDNF)]] — **"매 brain 의 fertilizer"**. 매 protein 의 synapse plasticity + 매 neurogenesis 의 boost. 매 exercise / sleep / fasting / novelty 의 강력 의 인상. 매 cog
- [[Brand Consistency in AI Image Generation]] — **"매 visual identity 의 generation 의 lock"**. 매 prompt 만 의 X — 매 reference image (sref/cref/oref) + 매 LoRA + 매 IP-Adapter 의 결합. 매 marketing c

### C
- [[C4 Model (Architecture Documentation)]] — **"매 architecture 의 zoom-in"**. 매 4 level (Context → Container → Component → Code) 의 progressive detail. 매 Simon Brown 의 simple + 매 effectiv
- [[Call Stack]]
- [[CAP Theorem & PACELC]] — **"매 distributed 의 매 3 중 매 2 만"** — Eric Brewer (2000). Consistency + Availability + Partition tolerance — 매 partition 가 inevitable → 매 CP /
- [[Case Interviews (Consulting)]] — **"매 logical reasoning 의 stress test"**. 매 ambiguous business problem + 매 limited info + 매 30 min. 매 MBB (McKinsey, BCG, Bain) 의 hiring filt
- [[Case Study: Allbirds PWA Redesign]] — **"매 performance + 매 brand value 의 integrated"**. 매 PWA + 매 sustainability metric 의 PDP integration → 매 23% conversion ↑ + 매 $2.3M / quarter
- [[Catastrophic Forgetting & Continual Learning]] — **"매 new task 의 학습 의 매 old 의 destroy"**. 매 NN 의 weight 의 overwrite. 매 lifelong learning 의 fundamental challenge. 매 modern LLM era 의 highly r
- [[Causal Inference]] — **"매 correlation 의 X — 매 cause"**. 매 Judea Pearl 의 ladder. 매 observational 의 limit + 매 RCT / DAG / counterfactual 의 fix. 매 modern AI 의 base 
- [[CFG Scale]]
- [[CFG Scale (Classifier-Free Guidance)]] — **"매 prompt 의 strict 의 dial"**. 매 diffusion 의 generation 의 매 conditioned (prompt) ↔ 매 unconditional 의 trade-off. 매 high CFG = 매 prompt 의 str
- [[Character Consistency (AI Image / Video)]]
- [[Character Reference]]
- [[ChatGPT / Image AI Emoticon Prompt Engineering]] — **"매 photo → 매 character sticker 의 prompt recipe"**. 매 facial feature 의 keep + 매 cute style + 매 white border + 매 multi-expression grid. 매 Ka
- [[ChatGPT 통합 기반 텍스트 투 이미지 (Text-to-Image)]]
- [[ChatGPT Integration (DALL-E + LLM Pipeline)]] — **"매 LLM 의 image 의 wrap"**. 매 user prompt → 매 GPT 의 expand → 매 DALL-E 3 의 generate. 매 entry barrier 의 lower 가, 매 control 의 lose. 매 modern LL
- [[Chrome DevTools]]
- [[Chrome DevTools]]
- [[Chrome DevTools 메모리 프로파일링 및 힙 스냅샷 분석]]
- [[Chrome DevTools Memory Panel]]
- [[Chrome DevTools Memory Profiling]] — **"매 heap 의 snapshot 의 leak 의 detect"**. 매 V8 GC 의 못 하는 reference 의 trace. 매 retaining path 의 root cause. 매 3-snapshot 기법 + 매 allocation tim
- [[Chronic Pain Management Protocols]] — **"매 pain = 매 brain interpretation"**. 매 tissue 의 heal 후 도 매 brain 의 alarm system 의 stuck. 매 modern: 매 biopsychosocial + 매 neuroplasticity r
- [[CI/CD Pipeline & IDE Security Integration]] — **"매 shift-left 의 fastest feedback"**. 매 IDE 의 type 의 즉시 + 매 PR 의 block. 매 production 의 reach 전 의 catch. 매 SAST + SCA + secret + IaC scan 의 
- [[Circuit Discovery]]
- [[Circuit Discovery (회로 발견)]]
- [[Circuit Discovery (Mechanistic Interpretability)]] — **"매 LLM 내부 의 algorithm 의 reverse engineer"**. 매 black box 의 X — 매 specific neuron + attention head 의 연결망 의 algorithmic role. 매 modern Anthr
- [[Clean Code Principles]] — **"매 code 의 communication 의 tool"**. 매 machine 보다 매 future-self / 매 colleague. Robert Martin (Uncle Bob) 의 catalog 가, 매 dogma 의 risk. 매 mode
- [[Client-Server Architecture Pattern]] — **"매 자원 의 request ↔ provider"**. 매 dominant network model. 매 single point of failure 가, 매 scale + control 의 huge. 매 modern: 매 BFF, 매 edge, 매
- [[clinicjs]]
- [[CLIP (Contrastive Language-Image Pre-training)]] — **"매 image + text 의 shared embedding"**. 매 contrastive learning + 매 internet-scale (image, caption) pair → 매 zero-shot vision. 매 modern: 매 S
- [[Cloud Native Architecture]]
- [[Cloud Native Computing]]
- [[Code Smells]] — **"매 code 의 surface 의 sign 의 deeper problem"**. Martin Fowler 의 catalog. 매 syntax 의 OK 가, 매 design 의 ill. 매 refactoring 의 trigger. 매 modern:
- [[Code Smells & Refactoring]]
- [[Codebase Maps and Interactive Tours]] — **"매 codebase 의 visual map + 매 step-by-step tour"**. 매 onboarding 의 weeks → days. 매 senior 의 tacit 의 capture. 매 modern: CodeTour (VS Code), 
- [[Codebase Onboarding Guide]] — **"매 4-step (Inventory → Entry Points → Tracing → Boundaries) + 매 small first task"**. 매 perfectionism 의 reject — 매 fragmented info 의 connec
- [[CodeScene (Behavioral Code Analysis)]]
- [[Cognition · Overcoming · Action (인지 · 극복 · 행동)]] — **"매 認知 + 매 克復 + 매 行動"**. 매 CHAOS / VUCA 환경 의 corporate longevity 의 3-pillar resilience. 매 awareness → 매 strategy → 매 execution. 매 OODA loop
- [[Cognitive Architecture]]
- [[Cognitive Biases]]
- [[Cognitive Computing]]
- [[Cognitive Constraints (Conway's Law & Cognitive Load)]]
- [[Cognitive Evaluation Theory (Self-Determination)]]
- [[Cognitive Reserve Theory]] — **"매 brain 의 savings"**. 매 neural redundancy + 매 enriched environment 의 build 매 buffer. 매 dementia / brain damage 시 의 매 functional resilienc
- [[Cognitive Therapy in CBT]]
- [[Cognitive Training Software (Aim Lab, KovaaK's)]]
- [[Collaborative Filtering]]
- [[Collaborative Programming (Pair & Mob)]]
- [[Collective Intelligence]]
- [[Combat Controls]]
- [[Combat Controls Update (War Commander, Feb 2014)]]
- [[Combat System & Bullet Interaction Pipeline]]
- [[Combined Arms]]
- [[Combined Arms (제병협동) 전술]]
- [[Command and Control (C2)]]
- [[Command and Control (C2) Interface]]
- [[Commercial AI Art Production]]
- [[CompCert (Verified C Compiler)]]
- [[Complexity Theory]]
- [[Complexity Theory]]
- [[Computational Creativity]]
- [[Computational Creativity]]
- [[Computational Creativity]]
- [[Computational Linguistics]]
- [[Computational Neuroscience & Reinforcement Learning]]
- [[Compute Shader (WebGPU)]]
- [[Computer Vision]]
- [[Computer Vision]]
- [[Computer Vision]]
- [[Computer Vision Synthesis (Synthetic Data)]] — **"매 가상 의 image 의 학습 data"**. 매 perfect ground truth + 매 rare event + 매 privacy. 매 sim-to-real domain gap 의 핵심 challenge. 매 modern: 매 genera
- [[Concept Drift]]
- [[Concept Drift (개념 드리프트, 모델 지식의 부패)]]
- [[Concept Drift (개념 드리프트)]]
- [[Connect AI Architecture]] — "지식의 파편은 기록하는 순간 흐르기 시작해야 하며, 로컬의 정교함과 클라우드의 영속성이 만나는 지점에 진정한 '제2의 뇌'가 존재한다." — 로컬 AI 워크스페이스와 GitHub 저장소를 실시간으로 동기화하여 지식의 유실을 방지하고 연속성을 확보하는
- [[Connect AI Documentation]]
- [[ConnectAI Core Optimization Plan]] — ConnectAI의 성능 병목을 해결하기 위해 $O(N^2)$ 알고리즘을 $O(N \log N)$으로 고도화하고, 동기식 I/O를 비동기 파이프라인으로 전환하며, 옵저버 패턴을 통해 모듈 간 결합도를 제거하는 전면적인 코어 아키텍처 개편 계획이다.
- [[ConnectAI Dev Log 20260429]] — **ConnectAI (Brand: G1nation)** 프로젝트의 v2.2.67 스테이블 빌드 완료 보고. 주요 업데이트로는 에이전트 선택 영속화, [[P-Reinforce]] 위키화 규칙 정교화, 그리고 결과물 외부 내보내기(Export to MD
- [[Constitutional AI]]
- [[Constitutional AI (헌법 AI)]]
- [[Constraint Satisfaction Problems]]
- [[Constraint Satisfaction Problems]]
- [[Constraint Satisfaction Problems]]
- [[Constraint Satisfaction Problems (CSP)]]
- [[Container Diagram (C4 Model)]]
- [[Control Systems Engineering]]
- [[Control Systems Engineering]]
- [[Convolutional Neural Networks]]
- [[Conway's Law]]
- [[Core Optimization Plan]]
- [[Core Web Vitals]]
- [[Core Web Vitals]]
- [[Core Web Vitals Metrics]]
- [[Core Web Vitals Optimization (INP, LCP, CLS)]]
- [[Corgea (AI-Native SAST)]]
- [[Corporate LMS Training]]
- [[Cost-Benefit Analysis in AI]]
- [[CPTED (Crime Prevention Through Environmental Design)]] — **"매 공간 으로 범죄 의 prevention"**. 매 CCTV 의 reactive X — 매 building / lighting / fence 의 design 의 의지 의 deter. 매 5 strategy. 매 modern: 매 smart ci
- [[Credit Assignment Problem]]
- [[Critical Rendering Path (CRP)]]
- [[Cross-Entropy Loss]]
- [[CSR vs SSR vs SSG]]
- [[CSS 구조 설계 방식]]
- [[CSS 애니메이션 최적화 (CSS Animations Optimization)]]
- [[CSS 애니메이션 최적화 (Optimizing CSS Animations)]]
- [[CSS Animations & Performance]] — **"매 60 FPS 의 transform + opacity"**. 매 layout property 의 animate = 매 jank. 매 GPU compositor layer 의 ride. 매 modern: 매 `prefers-reduced-moti
- [[CSS Architecture]]
- [[CSS Container Queries]]
- [[CSS Container Queries]]
- [[CSS in JS]]
- [[CSS Variables]]
- [[Custom ESLint Rules]]
- [[Custom ESLint Rules Development]]
- [[Cybernetics]]
- [[Cybernetics Foundations]]

### D
- [[Damage Types (Game Design)]]
- [[Data Augmentation Strategies]]
- [[Data Cleaning Algorithms]]
- [[Data Distillation]]
- [[Data Ethics and Privacy]]
- [[Data Flywheel Effect]]
- [[Data Pipeline Orchestration]]
- [[DCGAN (Deep Convolutional GAN)]]
- [[Debugging Methods]]
- [[Deceptive Alignment (기만적 정렬)]]
- [[Decision Tree & XGBoost]]
- [[Decision Trees and Random Forests]]
- [[Deep Grammar]]
- [[Deep Q Networks (DQN)]]
- [[Deep Q Networks DQN]]
- [[DeepCode AI (Snyk Code)]]
- [[Deepfake Technology]]
- [[Default Mode Network (DMN)]]
- [[Defensive Architecture (Game Design)]]
- [[Defensive Stances (Game Design)]]
- [[Degrees of Freedom (DOF)]]
- [[Deliberate Practice]]
- [[Denavit-Hartenberg Parameters]]
- [[Dependency Injection (DI)]]
- [[Depth Pre-Pass]]
- [[Development Communication Standards]]
- [[DevSecOps]]
- [[Diagrams as Code]]
- [[Differentiable Programming]] — | 측면 | 1.0 | 2.0 |
- [[Dimensionality Reduction]]
- [[Discriminated Unions]]
- [[Distillation]]
- [[Distributed Computing]]
- [[Distributed Systems]]
- [[Distributed Systems Engineering]]
- [[DOM vs Virtual DOM]]
- [[Domain Objects]]
- [[Domain-Specific Languages (DSL)]]
- [[Dopamine Modeling]]
- [[Dopaminergic Reward System]]
- [[Dopaminergic Reward Systems]]
- [[DPO (Direct Preference Optimization)]]
- [[DQN]]
- [[Drama Management Systems]]
- [[DRY Principle (Don't Repeat Yourself)]]
- [[Dynamic Creative Optimization (DCO)]]
- [[Dynamic Difficulty Adjustment (DDA)]]
- [[Dynamic Environment Handling]]
- [[Dynamic Few-Shot Selection]]
- [[Dynamic Pricing]]
- [[Dynamic Pricing & Offers]]

### E
- [[E-commerce Optimization]]
- [[Ecology and Ecosystem Modeling]]
- [[Economics of Information]]
- [[Edge AI and Computing]]
- [[Edge Artificial Intelligence]]
- [[Edge Computing]]
- [[Edge Computing]]
- [[Eligibility Traces]]
- [[Elite Sport Science Protocols]]
- [[Elite Strength and Conditioning]]
- [[Embodied AI]]
- [[Embodied Cognition]]
- [[Emergence in Complex Systems]]
- [[Emotional AI (Affective Computing)]]
- [[Emotionally Intelligent Tutoring Systems (EITS)]]
- [[Empathy in AI]]
- [[Encapsulation and Information Hiding]]
- [[Encapsulation of Domain Invariants]]
- [[Endurance Athletics & Cognition]]
- [[Ensemble Methods]]
- [[Enterprise Software Engineering]]
- [[Epidemiological Modeling]]
- [[Epistemic Uncertainty]]
- [[Epistemology]]
- [[ESLint Static Analysis]]
- [[Ethics & AI]]
- [[Ethics in Artificial Intelligence]]
- [[Ethics of Autonomous Systems]]
- [[Eudaimonia and Well-being]]
- [[Eugen Systems 모딩 매뉴얼]]
- [[Eugen Systems의 냉전기 가상 시나리오 및 모딩 생태계]]
- [[Eugen Systems의 Iriszoom 엔진 및 전략 게임 개발]]
- [[Event Sourcing]]
- [[Event Sourcing Pattern]]
- [[Event-Driven Architecture]]
- [[Evolutionary Biology]]
- [[Evolutionary Computation]]
- [[Evolutionary Computation]]
- [[Excess Property Checking]]
- [[Excessive Agency (LLM)]]
- [[Execution Environment (Sandbox)]]
- [[Executive Dysfunction]]
- [[Executive Function Deficit]]
- [[Exhaustiveness Checking]]
- [[Experience Replay]]
- [[Explainable AI (XAI)]]
- [[Explainable AI (XAI)]]
- [[Exploding Gradient Problem]]
- [[Exploration vs Exploitation]]
- [[Exploration vs Exploitation]]
- [[Exploratory Data Analysis (EDA)]]
- [[Expo 2025 Osaka]]
- [[Exponential Growth]]
- [[Extended Reality (XR)]]
- [[Extreme Programming (XP)]]

### F
- [[Factor Analysis]]
- [[Factory Pattern]]
- [[Failable Task Handling]]
- [[Fate War]]
- [[Feature Clamping (피처 고정)]]
- [[Feature Engineering]]
- [[Feature Engineering]]
- [[Figma Integration]]
- [[Figurative Language]]
- [[Fine Tuning & Alignment]]
- [[Fine-tuning]]
- [[Finished Goods (제품 완성품)]]
- [[Finite Element Analysis (FEA)]]
- [[Finite State Machines]]
- [[Finite State Machines (FSM)]]
- [[First Contentful Paint (FCP)]]
- [[First Input Delay (FID)]]
- [[Fitness Landscape]]
- [[Flash Attention]]
- [[Flexbox]]
- [[Flow State]]
- [[Flow State]]
- [[Focal Loss]]
- [[Formal Methods]]
- [[Foundation Models]]
- [[Foundational LLM Concepts]]
- [[Frame Type Restoration]]
- [[Free Energy Principle (FEP)]]
- [[Frontend Architecture]]
- [[Functional Programming]]
- [[Functional Programming]]
- [[Fuzzy Logic]]

### G
- [[G-Stack Principles]]
- [[Game System Design Prompt]]
- [[Game Theory in AI]]
- [[GAN]]
- [[Gaussian Processes (GP)]]
- [[Gen AI]]
- [[Generalization in AI]]
- [[Generative Adversarial Networks (GAN)]]
- [[Generative Adversarial Networks (GANs) in Fine Arts]]
- [[Generative AI]]
- [[Generative AI Impact]]
- [[Genetic Algorithms]]
- [[Geriatric Medicine]]
- [[Git Branching Strategies]] — **"매 collaboration 의 traffic rule"**. 매 team size + CI maturity + release rhythm 의 따라 다름. 매 modern: **Trunk-Based + Feature Flag** 의 dominan
- [[Global Standard]]
- [[Global vs Local Optima]]
- [[Goal Misgeneralization]]
- [[Goal-Oriented Action Planning (GOAP)]]
- [[Google Page Experience 2025 Update]]
- [[GPT Architecture Foundations]]
- [[GPU]]
- [[GPU 가속 및 Compositing]]
- [[GPU 가속(GPU Acceleration)]]
- [[GPU Acceleration (Compositing)]]
- [[GPU Architecture]]
- [[GPU Infrastructure]]
- [[GPU Programming with CUDA]]
- [[Gradient Boosting Machines]]
- [[Gradient Descent]]
- [[Graph Neural Networks (GNN)]]
- [[Graph Theory]]
- [[Grit]]
- [[Grouped-Query Attention (GQA)]]
- [[Growth Mindset]]
- [[Growth Mindset Intervention]]
- [[GRPO (Group Relative Policy Optimization)]]
- [[GRU]]

### H
- [[Hallucination (환각)]]
- [[Hallucination in LLM]]
- [[Hallucination in LLMs]]
- [[Hardware Acceleration for AI]]
- [[HCI (Human Computer Interaction)]]
- [[Heap Snapshot]]
- [[Heuristic Search]]
- [[Heuristics]]
- [[Hexagonal Architecture]]
- [[Hexagonal Architecture Pattern]]
- [[HHH (Helpful, Harmless, Honest)]]
- [[Hidden Markov Model (HMM)]]
- [[Hierarchical Task Network (HTN)]]
- [[High Availability Systems]]
- [[Homeostasis (항상성)]]
- [[Homomorphic Encryption (HE)]]
- [[Hopfield Network]]
- [[Human Computer Interaction HCI]]
- [[Human-AI Collaboration]]
- [[Human-Centered AI (HCAI)]]
- [[Human-in-the-Loop (HITL)]]
- [[Human-in-the-loop AI]]
- [[Hybrid Search]]
- [[Hyperparameter Optimization]]
- [[Hyperparameters]]
- [[Hypothesis Tree]]

### I
- [[ICRE Framework]]
- [[IEEE P3652.1 (Federated ML Standard)]]
- [[Ikigai (이키가이)]]
- [[Image Classification]]
- [[Image Parameters]]
- [[Image Prompt 작성 방법]]
- [[Image Segmentation]]
- [[Image Segmentation Techniques]]
- [[Imbalanced Data Handling]]
- [[Independent Component Analysis]]
- [[Independent Component Analysis (ICA)]]
- [[Index (Wiki Index)]]
- [[Index 692]]
- [[Inductive Bias]]
- [[Inference Optimization]]
- [[Information Retrieval (IR)]]
- [[Information Theory]]
- [[Information Theory]]
- [[Innovative Problem Solving]]
- [[InstancedMesh2 library]]
- [[Instruction Tuning]]
- [[Integrated Development Environment]]
- [[Intellectual Property in AI]]
- [[Intentional Failure Induction]]
- [[Interaction to Next Paint (INP)]]
- [[Interaction to Next Paint (INP)]]
- [[Interdisciplinary Research]]
- [[Interop 2026]]
- [[Interpretability vs Explainability]]
- [[Introspection (자기성찰)]]
- [[Inverse Kinematics (IK)]]
- [[IoT and AI Integration]]
- [[Isaac Asimov's Laws of Robotics]]
- [[Iterative Prompting]]

### J
- [[JIT Compilation in AI Engines]]
- [[JSON-LD Structured Data]]
- [[Just-in-time Data Loading]]

### K
- [[K-Means Clustering]]
- [[K-Nearest Neighbors (k-NN)]]
- [[Kernel Methods and SVMs]]
- [[Key-Value (KV) Cache]]
- [[Knowledge Distillation]]
- [[Knowledge Graph]]
- [[Knowledge Representation in AI]]
- [[KV Cache Compression]]

### L
- [[L1 and L2 Regularization]]
- [[L2 Regularization]]
- [[Label Noise and Robustness]]
- [[Language Models]]
- [[Large Frontend Projects]]
- [[Large Language Model (LLM)]]
- [[Large Language Models (LLM)]]
- [[Largest Contentful Paint (LCP)]]
- [[Largest Contentful Paint (LCP)]]
- [[Latent Dirichlet Allocation]]
- [[Latent Semantic Analysis (LSA)]]
- [[Layer Normalization]]
- [[Layout Thrashing]]
- [[Lazy Loading Strategies]]
- [[Leaky ReLU and Activations]]
- [[Lean Operations]]
- [[Legacy Modernization]]
- [[Legacy Systems]]
- [[Level of Detail (LOD)]]
- [[Level of Detail (LOD)]]
- [[Lifecycle Hooks]]
- [[Lighthouse]]
- [[Lighting and Composition]]
- [[Linear Algebra]]
- [[Linear Discriminant Analysis]]
- [[Linear Programming]]
- [[Linear Regression Mastery]]
- [[Linguistic Analysis in AI]]
- [[LlamaIndex]]
- [[LLM]]
- [[LLM Hallucinations]]
- [[LLM Inference Optimization]]
- [[LLM Large Language Model]]
- [[LLM Ops and Tuning]]
- [[LLM-as-a-Judge (LaaJ)]]
- [[LLM-based Code Analysis]]
- [[Load Balancing Strategies]]
- [[Local AI and Infrastructure]]
- [[Local Brain Management]]
- [[Local LLM Infrastructure MiniPC]]
- [[LOD]]
- [[Logic]]
- [[Logistic Regression]]
- [[Logistic Regression Foundations]]
- [[Long Animation Frames API]]
- [[Long Short Term Memory]]
- [[Long Short Term Memory (LSTM)]]
- [[Long Tail]]
- [[Long Tasks API]]
- [[Loss Functions]]
- [[Loss Functions Foundations]]
- [[LSTM]]
- [[LSTM (Long Short Term Memory)]]

### M
- [[Machine Zone의 4X 포트폴리오 확장 및 라이브 서비스 모델 고도화]]
- [[Macros (매크로)]]
- [[Main Thread]]
- [[Main Thread]]
- [[Management Consulting]]
- [[Manhattan Distance]]
- [[MAP Estimation (Maximum A Posteriori)]]
- [[Markov Chain Monte Carlo (MCMC)]]
- [[Markov Chains]]
- [[Markov Decision Process (MDP)]]
- [[Markov Decision Process MDP]]
- [[Markov Decision Processes]]
- [[Matrix Factorization]]
- [[Matrix Operations and AI]]
- [[Mean Absolute Error (MAE)]]
- [[Mean Squared Error (MSE)]]
- [[Mechanistic Interpretability (기계적 해석 가능성)]]
- [[Mechanistic Interpretability & Steering]]
- [[Medical Imaging Data Augmentation]]
- [[Memory Hierarchy]]
- [[Mental Models]]
- [[Mermaid Diagrams as Code]]
- [[Micro-management (RTS)]]
- [[Microservices Architecture]]
- [[Microservices Architecture (MSA)]]
- [[Microservices Architecture Pattern]]
- [[Midjourney]]
- [[Midjourney Parameter]]
- [[Midjourney Parameters]]
- [[Midjourney V7 및 V6 워크플로우]]
- [[Midjourney V7 Draft Mode]]
- [[Mipmap]]
- [[Miscellaneous AI Topics]]
- [[Mixed Platoons (혼합 편대)]]
- [[Mixture of Experts (MoE) & Sparse Architectures]]
- [[Mobile AI Optimization]]
- [[Mobile-First Approach]]
- [[Model Compression]]
- [[Model Compression & Quantization]]
- [[Model Compression Strategies]]
- [[Model Ensemble Methods]]
- [[Model Interpretability Tools]]
- [[Model Parameters]]
- [[Modern Engineering Practices (현대적 엔지니어링 프랙티스)]]
- [[Modern Scalable Frontend Architecture]]
- [[Modular Monolith]]
- [[Momentum and Optimization]]
- [[Monetization (BM)]]
- [[Monopoly GO! 및 Royal Match의 라이브 이벤트 구조]]
- [[Monte Carlo Methods]]
- [[Monte Carlo Tree Search MCTS]]
- [[Moodboard Creation]]
- [[Morphological and Syntactic Analysis]]
- [[Multi Head Attention Mechanism]]
- [[Multi-armed Bandit Problem]]
- [[Multinomial Naive Bayes]]

### N
- [[Naive Bayes Classifiers]]
- [[Named Entity Recognition (NER)]]
- [[National Language Processing]]
- [[Natural Language Generation (NLG)]]
- [[Natural Language Processing]]
- [[Natural Language Processing (NLP)]]
- [[Natural Language Processing (NLP)]]
- [[Nearest Neighbor Search]]
- [[Negative Prompt]]
- [[Negative Prompts]]
- [[Neural Architecture Search]]
- [[Neural Architecture Search (NAS)]]
- [[Neural Darwinism]]
- [[Neural Networks for Beginners]]
- [[Neural Style Transfer]]
- [[Neural-Symbolic Integration]]
- [[Neuro Symbolic AI]]
- [[Neuro Symbolic AI]]
- [[Neuro-Symbolic AI]]
- [[Neurodevelopmental Disorders]]
- [[Neuroevolution]]
- [[Neuropharmacology of Substance Use Disorders]]
- [[Neuroplasticity]]
- [[Neuroprosthetics Development]]
- [[Neuropsychiatric Disorders]]
- [[Neuropsychology]]
- [[Neurorehabilitation after Stroke]]
- [[Neurorehabilitation Post-Stroke]]
- [[NLP (Natural Language Processing)]]
- [[NLP Attention Mechanisms]]
- [[No Man's Sky]]
- [[Nodejs]]
- [[Nodejs 메모리 누수 분석]]
- [[Nodejs 프로덕션 메모리 누수 진단]]
- [[Nodejs 프로덕션 메모리 병목 분석]]
- [[Noise Reduction in AI]]
- [[Non-linear Activation Functions]]
- [[Non-parametric Models]]
- [[Normalization]]
- [[Normalization Strategies]]
- [[NotebookLM Research Workflow]]
- [[NVIDIA CUDA and AI]]

### O
- [[Object Detection Foundations]]
- [[Objective Functions]]
- [[Occupational Therapy]]
- [[Ollama Local LLM Setup Guide]]
- [[Olympic Training Cycles]]
- [[Olympic Training Models]]
- [[Olympic Training Protocols]]
- [[Omni Reference]]
- [[Omni Reference (--oref)]]
- [[On-Device AI (Mobile / Gemma)]]
- [[One-Hot Encoding]]
- [[Ontological Engineering]]
- [[Ontology and Knowledge Representation]]
- [[Ontology Engineering]]
- [[Ontology-Driven Relevancy Filtering]]
- [[Ontology-Guided Knowledge Extraction]]
- [[Open Source AI Ecosystem]]
- [[OpenAI API Integration]]
- [[Operation - Western Sun]]
- [[Optical Character Recognition]]
- [[Optimization in AI]]
- [[Ordinal Data Analysis]]
- [[Out-of-Distribution Detection]]
- [[Outer Alignment vs Inner Alignment]]
- [[Outlier Detection Techniques]]
- [[Overfitting]]
- [[Overfitting and Underfitting]]

### P
- [[P-Reinforce]]
- [[PagedAttention]]
- [[PageSpeed Insights]]
- [[Parameter]]
- [[Parameter Control]]
- [[Parameter Sharing]]
- [[Parameter-Efficiency in LLMs]]
- [[Parameter-Efficient Fine-Tuning (PEFT)]]
- [[Pareto Principle]]
- [[Pattern Recognition]]
- [[PEFT (Parameter Efficient Fine Tuning)]]
- [[PEFT (Parameter-Efficient Fine-Tuning)]]
- [[Perceptrons-Foundations]]
- [[Periodization Theory]]
- [[Personal Brain Management]]
- [[Personal Knowledge Management (PKM) & AI]]
- [[Philosophy]]
- [[Physical Intelligence]]
- [[Physics-informed Neural Networks]]
- [[Plutchik's Wheel of Emotions]]
- [[PMI Technique (Pointwise Mutual Information)]]
- [[Poetic Computation]]
- [[Point Cloud Processing]]
- [[Point of Sale]]
- [[Policy Gradient Methods]]
- [[Policy Optimization]]
- [[PolicyIQ]]
- [[POMDP]]
- [[Pooling]]
- [[Ports and Adapters]]
- [[Pose Estimation]]
- [[Positive Prompt]]
- [[Positive Prompts]]
- [[Positive Reinforcement]]
- [[Pre-processing Data for AI]]
- [[Precision-Recall Tradeoff]]
- [[Predictive Analytics]]
- [[Predictive Coding]]
- [[Predictive Maintenance]]
- [[Prenatal Neurology]]
- [[Principal Component Analysis]]
- [[Prioritized Experience Replay]]
- [[Privacy Preserving AI]]
- [[Probability and Logic Fusion]]
- [[Problem Solving]]
- [[Problem Solving Test (PST)]]
- [[Procedural Narrative Generation]]
- [[Process Automation with AI]]
- [[Processing]]
- [[Productivity Hacks for Devs]]
- [[Prompt Engineering]]
- [[Prompt Engineering]]
- [[Prompt Engineering Foundations]]
- [[Prompt Structure]]
- [[Prompt Weight]]
- [[Prompt Weighting]]
- [[Prompt Weights]]
- [[Proprioception]]
- [[Pros Cons Table]]
- [[Proximal Policy Optimization]]
- [[Proximal Policy Optimization (PPO)]]
- [[Pruning Techniques]]
- [[Ps Reinforce]]
- [[Ps-Reinforce Policy Framework]]
- [[Pull Request (PR)]]
- [[PyTorch Foundations]]
- [[PyTorch Lightning]]

### Q
- [[Quality Gates]]
- [[Quantization]]
- [[Quantization Foundations]]
- [[Quantum Computing for AI]]

### R
- [[Random Forest Classifiers]]
- [[Real-time Operation]]
- [[Recommendation Systems]]
- [[Reconciliation]]
- [[Recurrent Neural Networks]]
- [[Refactoring Best Practices]]
- [[Refactoring Principles]]
- [[Reference]]
- [[Refinement]]
- [[Reflection]]
- [[Reflow & Repaint]]
- [[Reflow and Repaint]]
- [[Regularization]]
- [[Regularization Strategies]]
- [[Regularization Techniques]]
- [[Reinforcement Learning from Human Feedback RLHF]]
- [[ReLU Activation Functions]]
- [[Render Tree]]
- [[Replenishment]]
- [[Requirements]]
- [[Reranking]]
- [[Reranking & Hybrid Search]]
- [[Research]]
- [[Residual Networks]]
- [[ResNet Architectures]]
- [[Retainers(유지 경로)]]
- [[Retaining Path]]
- [[Retaining Path]]
- [[Reward Hacking (보상 해킹)]]
- [[Reward Prediction Error]]
- [[Reward Shaping in RL]]
- [[Ring Attention]]
- [[Rise of Kingdoms]]
- [[Risk Assessment with AI]]
- [[Risk Management]]
- [[RL Neuroscience]]
- [[RLAIF (AI 피드백 기반 강화학습)]]
- [[RLHF (인간 피드백 기반 강화 학습)]]
- [[RMSProp Optimizer]]
- [[RNN]]
- [[Robotics]]
- [[Robotics Foundations]]
- [[Robustness]]
- [[ROC-AUC Curves]]
- [[ROUGE Metrics]]
- [[Rule-based Systems]]

### S
- [[SaaS (Software as a Service)]]
- [[Samuel Beckett]] — **"매 absurdity 의 미학자"**. 매 Godot 의 wait — 매 silence + minimalism + repetition 의 existential void. 매 1969 Nobel Literature. 매 modern AI agent
- [[SAR (Synthetic Aperture Radar)]]
- [[SARD 안티치트 솔루션 (SARD Anti-Cheat)]]
- [[SCADA]]
- [[Scalability in AI Systems]]
- [[Scalable Frontend Architecture]]
- [[Scaling Laws for LLMs]]
- [[Schema]]
- [[Science of Failure]]
- [[Scientific Communication]]
- [[SCM (Supply Chain Management)]]
- [[SDLC (소프트웨어 개발 수명 주기)]]
- [[SDLC (소프트웨어 개발 수명 주기)]]
- [[Search Methodology]]
- [[Search Optimization]]
- [[Secrets Detection]]
- [[Sector Breach 이벤트]]
- [[Sector Breach August 2025]]
- [[Secure Multi-party Computation]]
- [[Seed]]
- [[Segments.ai]]
- [[Selective State Space Models (Mamba)]]
- [[Self Attention Mechanisms]]
- [[Self-Driving Car Foundations]]
- [[Self-Play (자기 대결 기반 강화학습)]]
- [[Self-Verification]]
- [[Semantic Grounding & Provenance]]
- [[Semantic Search]]
- [[Semantic Search]]
- [[Semantic Search with AI]]
- [[Semgrep Assistant]]
- [[Sensitivity Analysis]]
- [[Sentiment Analysis]]
- [[Sentiment Analysis Models]]
- [[SEO]]
- [[Separation of Concerns (관심사의 분리)]] — **"매 module 의 own 역할 — 1 reason to change"**. Dijkstra 1974. SRP / DDD bounded context / hexagonal / module boundary 의 base. **AI agent 의 de
- [[Sequence Diagram]]
- [[Sequence Modeling]]
- [[Sequence to Sequence Models]]
- [[Server Components]]
- [[Serverless Computing for AI]]
- [[SFT (Supervised Fine-Tuning)]]
- [[shadcn/ui]]
- [[Shape Feature Extraction]]
- [[Similarity Metrics in AI]]
- [[Simulation Environments]]
- [[Simulator Sickness Questionnaire (SSQ)]]
- [[Skybound Asset Generation Roadmap]]
- [[Skybound Defensive Architecture Reboot]]
- [[Skybound Firepower Overclock v1.5]]
- [[Skybound Protocol 코드리뷰]]
- [[Smart Contract Auditing]]
- [[SME (Subject Matter Expert / Small-Medium Enterprise)]]
- [[Snyk Checkmarx Endor Labs 등 종합 애플리케이션 보안 플랫폼]]
- [[Soft Navigation]]
- [[Software Architecture Pattern]]
- [[Software Architecture Patterns]]
- [[Software Architecture Styles]] — **시스템 의 component 의 구성 + interaction 의 fundamental pattern**. 매 codebase 의 first read 의 shortcut. 매 wrong style = 매 매 fight 매 month. **선택 기준
- [[Software Composition Analysis]]
- [[Software Composition Analysis (SCA)]]
- [[Software Maintenance]]
- [[Solution]]
- [[SonarQube]]
- [[SonarQube Quality Gate]]
- [[Space based Architecture]]
- [[Sparse Attention]]
- [[Sparse Data Handling]]
- [[Spatial Partitioning]]
- [[Spectral Clustering]]
- [[Speech Recognition Foundations]]
- [[Speech Synthesis]]
- [[Spiking Neural Networks (SNNs)]]
- [[Splash Damage]]
- [[SPOF (Single Point of Failure)]]
- [[SSQ Questionnaire]]
- [[Stacked Generalization]]
- [[Stages of Grief]]
- [[Staircase Monetization]]
- [[Staircase Monetization Model]]
- [[Startup]]
- [[Startup Projects]]
- [[State Space]]
- [[State Space Model (SSM)]]
- [[State Space Models]]
- [[Static Code Analysis]]
- [[Static Site Generation (SSG)]]
- [[Steel Division 시리즈]]
- [[Stem Analysis]]
- [[stochastic gradient descent]]
- [[Stochastic Gradient Descent SGD]]
- [[Straightening]]
- [[Strategic Thinking]]
- [[Structuralism]]
- [[Structurizr]]
- [[Style Reference]]
- [[Style Reference (--sref)]]
- [[Style Transfer]]
- [[Style Transfer in AI]]
- [[StyleCounsel]]
- [[Styletron]]
- [[Superficiality Metrics]]
- [[Supply Chain]]
- [[Support Insulated]]
- [[Sustainability]]
- [[Swarm Intelligence]]
- [[Swarm Intelligence]]
- [[Symbolic AI vs Connectionism]]
- [[Symbols]]
- [[Symmetry and Invariance]]
- [[Synergy]]
- [[Synthesized Intelligence]]
- [[Synthetic Data]]
- [[Synthetic Data Generation]]
- [[System Prompt (시스템 프롬프트)]]
- [[System Theory]]
- [[Systems Thinking]]
- [[Systems Thinking]]

### T
- [[Tactical Air Drop and Supply Logistics]]
- [[Tactical Evolution of the War Commander Combat Ecosystem]]
- [[Tailwind CSS]]
- [[Tailwind CSS v4]]
- [[Tailwind CSS v4 CSS-first Architecture]]
- [[Tailwind vs 일반 CSS 비교]]
- [[Team Collaboration]]
- [[Team Topologies]]
- [[Technical Debt]]
- [[TensorFlow Foundations]]
- [[Term Frequency-Inverse Document Frequency]]
- [[Test Time Compute Scaling (추론 시간 계산 스케일링)]]
- [[Test-Driven Development]]
- [[Text Mining]]
- [[Text to Speech Synthesis]]
- [[The Evolution of Music Distribution]]
- [[Theory of Constraints (TOC)]]
- [[Theory of Mind (ToM) in AI]]
- [[Threejs 성능 최적화]]
- [[Threejs WebGL 렌더링 최적화]]
- [[Threejs WebGPURenderer]]
- [[Time Series Analysis]]
- [[Time to Interactive (TTI)]]
- [[Tokenization & Subword Processing]]
- [[Tokenization Economics]]
- [[Tokenization Strategies]]
- [[Tool Usage Optimization]]
- [[Tool Use & Function Calling]]
- [[Toxicity and Bias Mitigation]]
- [[Transformer Architecture]]
- [[Transformer Architecture]]
- [[Transformers]]
- [[Trustworthy AI]]
- [[Turing Test]]

### U
- [[Ubiquitous Language]]
- [[Ultra Efficiency]]
- [[Uncertainty Quantification]]
- [[Unconscious Structuralism]]
- [[Unit Stances]]
- [[Universal Approximation Theorem]]
- [[Universal Basic Income (UBI)]]
- [[useDeferredValue]]
- [[useTransition]]
- [[useTransition 및 useDeferredValue]]
- [[Utility first CSS]]

### V
- [[V-component (Evaluation Interface)]]
- [[V7 Draft Mode Workflow]]
- [[Variational Autoencoders (VAE)]]
- [[Vary Region (인페인팅)]]
- [[Virtual DOM]]
- [[Virtual DOM과 Reconciliation]]
- [[vLLM]]
- [[Vocabulary Expansion]]
- [[Voice Assistant Architecture]]

### W
- [[War Commander 전투 시스템]]
- [[War Commander 전투 시스템 진화 (2014년 2월 업데이트)]]
- [[War-Yes - Warno-Armory (커뮤니티 데이터 분석 도구)]]
- [[War-Yes 및 Warno-Armory 도구]]
- [[Wargame 시리즈]]
- [[Warno  데이터 기반 설계]]
- [[WARNO 그래픽 엔진 업그레이드 프로젝트]]
- [[WARNO 데이터 기반 밸런싱]]
- [[WARNO 데이터 기반 설계]]
- [[WARNO 멀티플레이어 및 경쟁 플레이 밸런스 패치]]
- [[WARNO 모딩]]
- [[WARNO 밸런싱 및 사단 시스템]]
- [[WARNO 사후 관리 (Post-Launch Management)]]
- [[WARNO 실시간 전술(Real-time Tactics) 및 Army General 캠페인]]
- [[WARNO 전술 시뮬레이션 시스템]]
- [[WARNO 커뮤니티 데이터 도구 생태계]]
- [[WARNO 커뮤니티 모딩 생태계]]
- [[Weak Central Coherence]]
- [[Web3 and AI Integration]]
- [[WebSplatter (3D Gaussian Splatting)]]
- [[What is AI]]
- [[Willingness to Pay (WTP)]]
- [[Word Representation]]
- [[Work Displacement (AI 노동 대체)]]
- [[Workflow Integrity]]

### 가나다
- [[가상 DOM과 재조정 (Reconciliation)]]
- [[가상 DOM과 재조정 (Virtual DOM and Reconciliation)]]
- [[가용성 (Availability)]]
- [[게이미피케이션]]
- [[공급망 공격 (Supply Chain Attack)]]
- [[과금 의향 (Willingness to Pay)]]
- [[구역 통제 및 동맹 전쟁 (Sector Control and Alliance Wars)]]
- [[기지 레이아웃 메타 (Base Layout Meta)]]
- [[기지 방어 (Base Defense)]]
- [[기지 방어 설계 및 공략 (Base Defense and Siege)]]
- [[다수 팀 협업 환경]]
- [[단일 코드베이스를 통한 멀티 디바이스(모바일-데스크톱) 웹 인터페이스 구축]]
- [[대규모 엔지니어링 프론트엔드 아키텍처 구축]]
- [[대규모 엔터프라이즈 프론트엔드]]
- [[대규모 프론트엔드 아키텍처 (Large-Scale Frontend Architecture)]]
- [[대규모 프론트엔드 애플리케이션]]
- [[대규모 프론트엔드 프로젝트]]
- [[대규모 프론트엔드 프로젝트 아키텍처]]
- [[대규모 프론트엔드 프로젝트의 확장성 있는 구조 및 스타일링 시스템 설계]]
- [[데이터 기반 밸런싱 (Data-Driven Balancing)]]
- [[데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축]]
- [[덱 빌딩 (Deck building)]]
- [[드래프트 모드 (Draft Mode)]]
- [[디자인 시스템 (Design Systems)]]
- [[렌더링 최적화 개념 설명 자료]]
- [[렌더링 파이프라인(Rendering Pipeline)]]
- [[리믹스 모드 (Remix Mode)]]
- [[리페인트(Repaint)]]
- [[리플로우(Reflow)]]
- [[마이크로서비스 아키텍처 (Microservices Architecture)]]
- [[맞춤형 패키지 및 계단식 수익화 (Dynamic Offers & Staircase Monetization)]]
- [[맞춤형 팩 (Personalized Packs)]]
- [[매개변수(Parameters)]]
- [[모델 매개변수 제어 (Model Parameter Control)]]
- [[모듈식 컴포넌트 (Modular Components)]]
- [[모딩 커뮤니티 도구 (War Yes, Warno Armory)]]
- [[미드저니 및 스테이블 디퓨전의 부분 편집 기법]]
- [[미드저니 프롬프트 구조화 및 최적화 (Midjourney Prompt Structuring and Optimization)]]
- [[미드저니 V7 (Midjourney V7)]]
- [[미드저니 V7 및 드래프트 모드 워크플로우]]
- [[미드저니 V7 및 V8 알파 (Midjourney V7 & V8.1 Alpha)]]
- [[미드저니 V7 및 V8.1 Alpha 워크플로우]]
- [[미드저니 V7 프롬프트 일관성 유지 (Midjourney V7 Consistency)]]
- [[미디어 쿼리(Media Queries)]]
- [[미세결제(Microtransactions)]]
- [[미호요(miHoYo)]]
- [[반복적 정교화 (Iterative Refinement)]]
- [[반복적 프롬프트 엔지니어링 워크플로우(Iterative Prompt Engineering Workflow)]]
- [[반응형 디자인]]
- [[방어 구조 및 기지 레이아웃(Defensive Architecture and Base Layouts)]]
- [[방어 태세(Defensive Stance)]]
- [[버전 및 모델 (Versions and Models)]]
- [[병원 (Hospital)]]
- [[보존 경로(Retaining Path)]]
- [[복합 방어 전략(Combined Arms Defensive Grid)]]
- [[부정 프롬프트와 가중치를 활용한 시각적 아티팩트(Artifact) 디버깅 및 제어]]
- [[브라우저 렌더링 프로세스 (CRP)]]
- [[브라우저 메모리 누수 탐지(Browser Memory Leak Detection)]]
- [[브라우저 메인 스레드 최적화 및 타임 슬라이싱]]
- [[사단 시스템 (Division System)]]
- [[사단 편제표 (TO&E)]]
- [[사단(Division) 시스템]]
- [[사후 편집 (Post-editing)]]
- [[상성 및 데미지 유형(Unit Counters & Damage Profiles)]]
- [[상업용 브랜드 이미지 및 디자인 시스템 구축]]
- [[상업용 제품 사진 및 브랜드 로고 디자인]]
- [[상태 관리 및 API 응답 모델링 (State Management and API Response Modeling)]]
- [[상태 관리 최적화 (Zustand Jotai Valtio)]]
- [[상태 머신(State Machine) 설계]]
- [[상호작용적 프롬프트 엔지니어링]]
- [[샘플링 스텝 (Sampling Steps)]]
- [[서버 사이드 렌더링(SSR)과 하이드레이션(Hydration)]]
- [[성능 중심의 웹 애니메이션 및 인터랙션 구현]]
- [[세계 지도(World Map)]]
- [[섹터 분쟁 및 전초기지 전투(Sector Warfare and Elite Event Operations)]]
- [[소셜 미디어 그래픽 및 마케팅 캠페인 제작]]
- [[소프트웨어 아키텍처 다이어그램 (Software Architecture Diagrams)]]
- [[손실 회피 (Loss Aversion)]]
- [[수익화(Monetization)]]
- [[순환 신경망 및 LSTM (RNN & LSTM)]]
- [[숨겨진 스탯 (Hidden Stats)]]
- [[스타일 및 캐릭터 참조 (Style and Character Reference)]]
- [[스타일 및 캐릭터 참조 (Style and Character References)]]
- [[스타일 및 캐릭터 참조(References)]]
- [[스타일 코드 (Style Codes)]]
- [[스테이블 디퓨전 기반 정밀 이미지 합성 및 해부학적 오류 수정 파이프라인]]
- [[스테이블 디퓨전의 가중치 및 제어 시스템]]
- [[시리즈물 및 다중 샷 워크플로우 (Series and Multi-shot Workflow)]]
- [[시뮬레이터 멀미 설문지 (SSQ)]]
- [[시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire)]]
- [[실무에서의 프론트엔드 성능 최적화]]
- [[안구 운동 증상(Oculomotor Symptoms)]]
- [[애니메이션 (transition / keyframes)]]
- [[약탈적 수익화 (Predatory Monetization)]]
- [[에셋 재사용(Asset Reuse)]]
- [[엔터프라이즈 프론트엔드 아키텍처]]
- [[엔터프라이즈급 플랫폼 개발]]
- [[오픈소스 기반 맞춤형 이미지 생성 워크플로우 구축]]
- [[오픈소스 이미지 모델 미세 조정 및 배포]]
- [[오픈소스 컴포넌트 (Open Source Components)]]
- [[원신(Genshin Impact)]]
- [[월드 오브 워크래프트(World of Warcraft)]]
- [[웹 접근성 및 성능 최적화]]
- [[웹 접근성 및 prefers-reduced-motion]]
- [[웹 프론트엔드 아키텍처 설계]]
- [[유닛 상성(Unit Counters)]]
- [[유닛 상성(Unit Matchups)]]
- [[유지보수 가능한 CSS 아키텍처(CSS Modules & Tailwind)]]
- [[유지보수성(Maintainability)]]
- [[유틸리티 퍼스트(Utility-first)]]
- [[이미지 생성 및 제어 파이프라인]]
- [[이미지 생성 최적화 (Image Generation Optimization)]]
- [[인-이미지 텍스트(In-Image Text)]]
- [[인공지능 시각 언어 생성 (AI Visual Language Generation)]]
- [[인공지능 코드 분석 (AI-Powered Codebase Analysis)]]
- [[일관된 캐릭터 및 스타일 구축]]
- [[자연어 아티팩트 (Natural Language Artifacts)]]
- [[자연어 아티팩트 NL Artifacts]]
- [[자연어 프롬프트(Natural Language Prompt)]]
- [[전자상거래 소비자 참여 및 보상 시스템 최적화]]
- [[전자상거래 플랫폼]]
- [[전투 전술(Battle Strategies)]]
- [[정적 분석 툴 (ESLint, Prettier)]] — **"매 subjective code review → deterministic tool"**. Linter (ESLint) = bug + style. Formatter (Prettier) = visual. 매 PR 의 mechanical 의 AI / 
- [[정적 분석(Static Analysis)]]
- [[제로잉 (Getting Zero-ed)]]
- [[제병협동 (Combined Arms)]]
- [[제병협동 전술 (Combined Arms)]]
- [[조명 및 카메라 사양 지시(Lighting and Camera Specification)]]
- [[초기 로드 시간 (Initial Load Time)]]
- [[초상화 및 애니메이션 스타일 제어]]
- [[초인플레이션(Hyperinflation)]]
- [[카산드라(Cassandra)]]
- [[코드 분석 도구 Code Analysis Tools]]
- [[코드 분석 및 자동화 도구 Automated Code Analysis Tools]]
- [[코드 속성 그래프 CPG]]
- [[코드베이스 읽기 지식]]
- [[크로스 플랫폼 기술(Cross-Platform Technology)]]
- [[텍스트 렌더링(Text Rendering)]]
- [[파라미터 튜닝 (Parameter Tuning)]]
- [[페이 투 윈 (Pay to Win)]]
- [[포탑 시스템(Turret Systems)]]
- [[풀 리퀘스트 워크플로우]]
- [[풀 리퀘스트(PR) 기반 보안 검토]]
- [[프레임워크별 실전 패턴]]
- [[프론트엔드 렌더링 최적화(Rendering Optimization)]]
- [[프론트엔드 성능 최적화]]
- [[프론트엔드 성능 최적화 전략]]
- [[프론트엔드 아키텍처]]
- [[프롬프트 가중치 및 부정 프롬프트 (Prompt Weights and Negative Prompts)]]
- [[프롬프트 구문 (Prompt Syntax)]]
- [[프롬프트 구조 및 문법 (Prompt Structure & Syntax)]]
- [[프롬프트 엔지니어링]]
- [[프롬프트 엔지니어링 미세 조정]]
- [[프롬프트 엔지니어링의 진화]]
- [[프롬프트 자동 확장 (Automatic Prompt Expansion)]]
- [[프롬프트 정밀도 (Prompt Precision)]]
- [[프롬프트 파라미터 제어 (Prompt Parameter Control)]]
- [[프롬프트 확장(Prompt Expansion)]]
- [[프리미엄 모델 (Freemium Model)]]
- [[플랫폼 저항성(Platform Resistances)]]
- [[플랫폼별 프롬프트 최적화 (Platform Specific Prompt Optimization)]]
- [[하이브리드 코드 리뷰]]
- [[할당 실패(Allocation Failure)]]
- [[함수 호출 (Function Calling)]]
- [[해부학적 오류 디버깅 워크플로우]]
- [[혼합 소대 전술(Mixed Platoon Tactics)]]
- [[확장 가능한 스타일 시스템]]
- [[확장 가능한 프론트엔드 아키텍처 구축]]

_1174 docs · 자동 생성 2026-06-08_