DOMAINS
지식 영역
수학적 기초부터 실무 적용까지, 서로 의존하는 여덟 영역이 하나의 완전한 사슬을 이룹니다.
전체 48개 개념지식 영역 · 8
수학과 통계의 기초
벡터·행렬·확률·미분 — AI의 언어
6 concepts
이 영역이 답하는 질문
- Why can data be written as a matrix?
- Which direction does the gradient actually point?
- Why can softmax be used as a probability?
머신러닝
규칙을 하드코딩하는 대신 데이터에서 규칙을 학습하게 한다
6 concepts
이 영역이 답하는 질문
- What separates “memorising” from “learning”?
- Why does a model that aces training fail in production?
- What can unlabelled data still be used for?
딥러닝
특징 설계를 다층 네트워크에 맡긴다
6 concepts
이 영역이 답하는 질문
- What is a single neuron actually computing?
- How does backpropagation carry error backwards?
- Why are deeper networks harder to train?
자연어 처리와 대규모 언어 모델
토큰화에서 트랜스포머, 그리고 말하는 대형 모델까지
6 concepts
이 영역이 답하는 질문
- What exactly does a model see when it reads a word?
- Why does attention beat recurrence?
- Why does next-token prediction yield conversation?
컴퓨터 비전
픽셀에서 물체·장면·3차원 구조를 읽어낸다
6 concepts
이 영역이 답하는 질문
- What does a convolution kernel actually learn?
- How do classification, detection and segmentation differ?
- How does a machine recover 3D from 2D images?
강화학습
시행착오와 지연 보상으로 일련의 결정을 학습한다
6 concepts
이 영역이 답하는 질문
- Why does delayed reward make the problem hard?
- How do value functions and policy gradients divide the work?
- Why can RL improve large language models?
생성형 AI
“이것은 무엇인가”의 판별에서 “어떤 모습이어야 하는가”의 합성으로
6 concepts
이 영역이 답하는 질문
- What distribution is a generative model learning?
- Why is diffusion more stable than a GAN?
- How does a text prompt become an image?
AI 엔지니어링·안전·윤리
작동하는 모델을 쓸 수 있고 신뢰할 수 있으며 책임질 수 있는 제품으로
6 concepts
이 영역이 답하는 질문
- How are large models compressed onto consumer hardware?
- How do you evaluate when there is no answer key?
- Why is prompt injection so hard to eliminate?