Machine-learning

All Posts

Published on
2026년 8월 14일
동형암호 컴파일러 HEIR과 비용이라는 조건 — 발표문에 없는 숫자를 댓글이 채운 사례
cryptography privacy compiler machine-learning security hacker-news
Google이 동형암호용 오픈소스 컴파일러 툴체인 HEIR을 공개했습니다. 여기서 진짜 뉴스는 암호가 아니라 컴파일러입니다. 지금까지 동형암호 배포를 막아 온 것은 수학이 아니라 암호 전문가만 할 수 있던 파라미터 선택 작업이었기 때문입니다. 다만 발표문은 오버헤드 수치를 하나도 제시하지 않았고, 그 빈칸을 이 분야를 연구한 댓글 작성자들이 채웠습니다. 어떤 워크로드가 이 기술의 적용 대상이고 어떤 워크로드가 아직 아닌지 그 숫자를 기준으로 갈라 봅니다.
Published on
2026년 6월 13일
신용평가 시스템(CSS) 설계 — 스코어카드부터 ML 심사까지
credit-scoring css risk-management machine-learning scorecard basel fintech
여신 심사의 두뇌인 CSS(Credit Scoring System)를 해부합니다. 신청평점과 행동평점, WoE/IV 기반 스코어카드 개발, 로지스틱 회귀와 ML 모델의 규제 관점 비교, 피처 스토어와 실시간 서빙 아키텍처, 의사결정 엔진, PSI 모니터링, 내부등급법(PD/LGD/EAD)까지 실무 관점에서 정리합니다.
Published on
2026년 4월 15일
CUDA GPU 프로그래밍 모델 Deep Dive — SIMT, 메모리 계층, Tensor Core, 커널 최적화 완전 정복 (2025)
cuda gpu nvidia ai machine-learning parallel-computing tensor-core systems
ChatGPT, Stable Diffusion, Sora를 돌리는 엔진, NVIDIA GPU와 CUDA. 이 글은 CUDA 프로그래밍 모델을 처음부터 해부합니다. GPU 하드웨어 아키텍처(SM, Warp, CUDA Core), SIMT vs SIMD, 스레드 계층(Grid/Block/Thread), 메모리 계층(Global/Shared/Constant/Register), Memory Coalescing이 왜 최우선 최적화인지, Warp Divergence, Shared Memory Bank Conflict, Tensor Core가 2017년 GPU를 AI 가속기로 만든 이유, Stream과 CUDA Graph, 멀티 GPU(NCCL, P2P), Triton과 cutlass로의 추상화, 그리고 CUDA vs ROCm/SYCL/Metal 비교까지 — AI 인프라의 기반을 제대로 이해하고 싶은 엔지니어를 위한 종합 가이드입니다.
Published on
2026년 4월 15일
Diffusion Models Deep Dive — DDPM, Latent Diffusion, Classifier-Free Guidance, DDIM, Stable Diffusion 완전 정복 (2025)
diffusion generative-ai stable-diffusion ddpm machine-learning u-net latent-space deep-learning
Stable Diffusion, DALL-E, Midjourney, Sora의 기반이 되는 확산 모델. 이 글은 Diffusion Model을 처음부터 해부합니다. Forward/Reverse diffusion process, DDPM과 variational lower bound, Score-based 관점, DDIM으로의 가속 샘플링, U-Net 아키텍처와 Cross-attention, Latent Diffusion Model이 왜 판도를 바꿨는지, Classifier-Free Guidance의 마법, ControlNet/LoRA 같은 조건부 생성, Consistency Model로의 진화, 그리고 비디오 Diffusion(Sora)까지 — 현대 생성 AI를 수학과 시스템 양쪽에서 제대로 이해하고 싶은 엔지니어를 위한 종합 가이드입니다.
Published on
2026년 4월 15일
FlashAttention & Efficient Attention Deep Dive — Tiling, Online Softmax, PagedAttention, GQA 완전 정복 (2025)
flashattention attention llm transformer gpu cuda inference machine-learning
LLaMA 3, GPT-4, Claude 같은 대형 모델을 효율적으로 훈련하고 서빙 가능하게 만든 핵심 최적화, FlashAttention과 그 후속 기법들. 이 글은 efficient attention을 처음부터 해부합니다. Naive attention의 O(N²) 메모리 문제, Tri Dao의 2022년 IO-aware 통찰, Tiling과 Online Softmax, SRAM vs HBM 활용, FlashAttention-2/3의 진화, PagedAttention(vLLM)이 KV cache를 OS 가상 메모리처럼 다룬 이유, Multi-Query/Grouped-Query Attention, Sliding Window, Ring Attention까지 — 현대 LLM 인프라의 성능 비밀을 제대로 이해하고 싶은 엔지니어를 위한 종합 가이드입니다.
Published on
2026년 3월 17일
AutoML 완전 가이드: AutoGluon, FLAML, Optuna로 자동화된 ML 파이프라인
automl autogluon optuna hyperparameter-optimization neural-architecture-search machine-learning 2026-03
AutoML을 완전히 마스터하는 가이드. 하이퍼파라미터 최적화(Optuna, Ray Tune), AutoGluon, FLAML, H2O AutoML, 신경망 구조 탐색(NAS), 그리고 AutoML이 데이터 과학을 어떻게 바꾸는지 실전 코드로 배웁니다.
Published on
2026년 3월 17일
데이터 중심 AI(Data-Centric AI) 완전 가이드: 고품질 데이터로 AI 성능 극대화
data-centric-ai data-quality data-labeling synthetic-data ai machine-learning 2026-03
데이터 중심 AI를 완전히 마스터하는 가이드. 데이터 품질 측정, 레이블 정제, 데이터 증강, 합성 데이터 생성, Cleanlab, 능동 학습, 데이터 플라이휠까지 실전 코드로 배웁니다.
Published on
2026년 3월 17일
AI/ML을 위한 수학 완전 정복: 선형대수, 미적분, 확률통계
mathematics linear-algebra calculus probability statistics ai machine-learning 2026-03
AI와 머신러닝을 이해하기 위한 핵심 수학을 완전히 정복하는 가이드. 선형대수(벡터, 행렬, 고유값), 미적분(편미분, 체인 룰), 확률통계(확률분포, 최대우도추정, 베이즈)까지 직관적으로 설명합니다.
Published on
2026년 3월 17일
AI/ML을 위한 Python 완전 가이드: NumPy, Pandas, Matplotlib, Scikit-learn 마스터하기
python numpy pandas scikit-learn matplotlib ai machine-learning 2026-03
AI와 머신러닝을 위한 Python 생태계 완전 정복 가이드. NumPy 배열 연산, Pandas 데이터 처리, Matplotlib/Seaborn 시각화, Scikit-learn으로 머신러닝까지 실전 예제와 함께 마스터합니다.
Published on
2026년 3월 17일
표 형식 데이터 ML 완전 가이드: XGBoost, LightGBM, CatBoost, TabNet 마스터하기
tabular-ml xgboost lightgbm catboost gradient-boosting machine-learning ai 2026-03
표 형식 데이터에서 최고 성능을 내는 ML 완전 가이드. XGBoost, LightGBM, CatBoost 앙상블, 피처 엔지니어링, 하이퍼파라미터 최적화, 그리고 딥러닝 기반 TabNet까지 Kaggle 수준의 실전 기법으로 마스터합니다.
Published on
2026년 3월 17일
AWS Machine Learning Specialty (MLS-C01) 실전 모의고사 완전 정복
aws mls-c01 machine-learning sagemaker aws-certification ai-ml
AWS Machine Learning Specialty (MLS-C01) 시험 대비 실전 연습 문제 65개. Data Engineering, EDA, Modeling, ML Implementation 전 도메인 커버. SageMaker, Kinesis, Glue, Lake Formation 핵심 서비스 정리.
Published on
2026년 3월 9일
AIOps 기반 이상 탐지 자동화: ML 알림과 Kubernetes 이벤트 상관 분석 가이드
observability aiops anomaly-detection machine-learning kubernetes alerting 2026-03
AIOps를 활용한 이상 탐지 자동화 종합 가이드. 전통적 임계값 알림의 한계, ML 기반 이상 탐지 알고리즘(Isolation Forest, Prophet, DBSCAN), Prometheus 메트릭 기반 자동 분석, Kubernetes 이벤트 상관 분석, 알림 노이즈 감소 전략, 그리고 Robusta/Datadog AIOps 실전 적용까지 다룹니다.
Published on
2026년 3월 8일
AI/ML 논문 읽기에 필요한 수학 + LaTeX/KaTeX 총정리
ai-papers math latex katex linear-algebra calculus probability optimization machine-learning deep-learning 2026-03
AI/ML 논문을 읽을 때 반드시 만나는 수학 개념(선형대수·미적분·확률통계·최적화)과 LaTeX/KaTeX 수식 문법을 실전 예시 중심으로 총정리합니다. 기호 치트시트, 수식 패턴 해설, MDX 블로그 렌더링 팁까지 한 번에 다룹니다.
Published on
2026년 3월 2일
MLOps Feature Store 실전 — Feast로 피처 파이프라인 구축하기
mlops feast feature-store machine-learning data-engineering
Feast를 활용하여 오프라인/온라인 피처 스토어를 구축하고, 학습과 서빙에서 일관된 피처를 제공하는 실전 파이프라인을 만들어본다
Published on
2026년 3월 1일
CUDA Hands-on 완벽 가이드: GPU 컴퓨팅의 모든 것
cuda gpu nvidia deep-learning machine-learning python pytorch hpc parallel-computing devops
NVIDIA CUDA의 기초 개념부터 GPU 아키텍처, C/C++ 커널 프로그래밍, 메모리 최적화, Python 연동(PyTorch, Numba, CuPy), Multi-GPU 학습, 프로파일링, 트러블슈팅까지 실전 중심으로 다루는 종합 가이드.

Machine-learning

machine-learning (15)