Adam Optimizer (Adaptive Moment Estimation) 1. 개요 Adam(Adaptive Moment Estimation)은 딥러닝 모델의 가중치를 최적화하기 위해 사용되는 경사 하강법(Gradient Descent) 기반의 최적화 알고리즘으로, 모멘텀(Momentum)과 RMSProp의 장점을 결합하여 각 파라미터마다 학습률을 적…
검색 결과
"TIM"에 대한 검색 결과 (총 1001개)
AMD Optimizing CPU Libraries AMD Optimizing CPU Libraries(이하 AOCL)는 AMD 프로세서의 성능을 극대화하기 위해 특화된 고성능 수학 라이브러리의 집합입니다. 이 라이브러리는 과학 계산, 머신러닝, 데이터 분석, 고성능 컴퓨팅(HPC) 등 다양한 분야에서 활용되는 핵심 수치 연산을 최적화하여, AMD 기반 시…
Time Series Cross-ValidationTime Series Cross-Validation(시계 교차 검증은 시계열 데이터 특화된 모 평가 기법, 일반적인 교차 검증(Cross-Validation) 방식이 가정하는의 독립성 동일 분포(i.d.) 조건이 시계열 데이터에서는 성립하지 않기 때문에발된 방법이다. 시계열 데이터는 시간 순에 따라 관측값이…
ONNX Runtime ONNX은 오픈 뉴럴 네트워 교환(Open Neural Network Exchange, ONNX) 형식으로 표현된 머신러닝 및 딥러닝델을 고성능으로 실행하기 위한 크로스플랫폼 추론 엔진입니다. 마이크로소프트에서 주도적으로 개발하고 있으며, 산업계와 학계에서 널리 사용되고 있습니다. ONNX Runtime은 다양한 하드웨어 플랫폼과 프…
Time-of-Flight 개요 Time-of-FlightToF, 비행시간)는체와 센서 사이의 거리를 측정하기 위한 기술로, 빛이나 음파와 같은 신호가 발사되어 물체에 반된 후 수신 때까지의 비행 시간(Time of Flight)을 측정함으로써 거리를 계산하는 원리를 사용합니다. 특히 컴퓨터비전(Computer Vision) 분야에서 깊이 정보를 실시간으로…
Time-Aware S 개요 Time-A Scheduling(시간 인식 스케줄, 이하 TAS)은 시간 민감 네트워크(Timeensitive Networking, TSN)의 핵심 기술 중 하나로, 네트워크 내 특정 시간 창(window)에만 데이터 전송이 허용되도록 제어하는 스케줄링 메커니즘입니다. TAS는 실시간 제어 시스템, 자동화 공장, 자율주행차, 산…
모델 제약 (Model Constraints) 1. 개요 모델 제약(Model Constraints)이란 머신러닝 및 딥러닝 모델의 학습 과정이나 추론 단계에서 모델의 파라미터, 구조, 또는 출력값이 특정 범위나 조건을 만족하도록 강제하는 제한 사항을 의미한다. 인공지능 모델에서 제약 조건이 필요한 주요 이유는 다음과 같다. 과적합(Overfitting) …
데이터 무결성 검증 (Data Integrity Verification) 1. 개요 데이터 무결성 검증이란 데이터의 생명주기(Life Cycle) 전 과정에서 데이터가 전송, 저장, 처리되는 동안 권한 없는 변경이 일어나지 않고, 원래의 정확성, 일관성, 유효성을 유지하고 있는지를 확인하는 프로세스이다. 현대 데이터 과학과 분석 환경에서 데이터 무결성은 분…
습식 제련 (Hydrometallurgy) 1. 개요 습식 제련(Hydrometallurgy)이란 수용액(Aqueous solution)을 매개체로 하여 광석이나 폐기물로부터 유용한 금속을 선택적으로 용해시키고, 이를 다시 분리 및 정제하여 고순도의 금속을 회수하는 화학적 공정 기술이다. 전통적인 건식 제련(Pyrometallurgy)이 고온의 용융 상태에…
베이지안 추론 (Bayesian Inference) 베이지안 추론은 확률을 '사건이 발생할 빈도'가 아니라 '가설에 대한 믿음의 정도(Degree of Belief)'로 정의하고, 새로운 데이터가 관찰됨에 따라 기존의 믿음을 지속적으로 업데이트하는 통계적 추론 방법론이다. 1. 개요 베이지안 추론의 핵심은 관찰된 데이터를 바탕으로 모델의 파라미터 에 대한 …
순환 구조 (Recurrent Structure) 1. 개요 순환 구조(Recurrent Structure)란 신경망의 은닉층(Hidden Layer)에서 생성된 출력이 다시 자기 자신 혹은 이전 층의 입력으로 되돌아오는 연결 구조를 가진 신경망 형태를 의미한다. 일반적인 피드포워드(Feed-forward) 신경망은 입력층에서 출력층 방향으로 정보가 한 방…
투명성 요 소프트웨어 개 분야에서 투명(Transparency)은 애자일gile) 원의 핵심 요소 하나로, 팀 내외부의 모든 이해관계자들이 프로젝트의 진행 상황,결정 과정, 문제점 및 성과를 명확하게 파악할 수 있도록 정보를 공개하고 공유하는 원칙을 의미합니다. 애자일 개발 방법론은 변화에 유연하게 대응하고 지속적인 개선을 추구하기 때문에, 투명성은 신뢰 …
차분 차수 (Differencing Order) 1. 개요 차분 차수(Differencing Order)란 시계열 데이터의 비정상성(Non-stationarity)을 제거하여 [[정상성]](Stationarity)을 확보하기 위해, 인접한 시점의 데이터 값들의 차이를 구하는 연산을 반복 수행한 횟수를 의미한다. 시계열 분석에서 정상성이란 시간의 흐름에 따라…
메시지 큐 (Message Queue) 1. 개요 메시지 큐(Message Queue)는 분산 시스템 및 프로세스 간 통신(IPC)을 위해 메시지를 임시로 저장하는 큐(Queue) 형태의 저장소로, 송신자와 수신자가 직접 연결되지 않고 메시지 브로커를 통해 데이터를 주고받는 [[비동기 통신]](Asynchronous Communication) 메커니즘이다.…
머신러닝 추론 가속기 (ML Inference Accelerator) 1. 개요 머신러닝 추론 가속기란 학습이 완료된 머신러닝 모델을 사용하여 입력 데이터에 대한 예측 결과(추론)를 도출하는 과정을 최적화하고 속도를 높이기 위해 설계된 전용 하드웨어 및 소프트웨어 시스템을 의미한다. 머신러닝의 생명주기는 크게 학습(Training)과 추론(Inference…
IQR (사분위수 범위, Interquartile Range) 1. 개요 IQR(Interquartile Range, 사분위수 범위)은 데이터의 중앙값(Median)을 중심으로 상위 25%와 하위 25%를 제외한 중간 50% 데이터의 범위를 나타내는 통계적 산포도 지표이다. 이는 데이터의 전반적인 퍼짐 정도를 측정하며, 특히 극단적인 값(Outlier)의 …
LLM (거대 언어 모델) 1. 개요 LLM(Large Language Model, 거대 언어 모델)은 방대한 양의 텍스트 데이터를 학습하여 인간과 유사한 자연어를 이해하고 생성할 수 있도록 설계된 인공신경망 기반의 딥러닝 모델이다. 여기서 '거대(Large)'함은 크게 두 가지 측면을 의미한다. 첫째는 파라미터(Parameter, 매개변수)의 수로, 모델…
이중 지불 (Double Spending) 1. 개요 이중 지불(Double Spending)이란 디지털 자산이 동일한 시점에 두 곳 이상의 수신자에게 중복으로 전송되어, 하나의 자산이 여러 번 사용되는 현상을 의미한다. 물리적 화폐는 한 번 건네주면 소유권이 완전히 이전되어 물리적으로 재사용이 불가능하지만, 디지털 데이터는 복제가 매우 쉽기 때문에 중앙 …
정보 검색 개요 정보 검색(Information Retrieval, IR)은 사용자가 필요로 하는 정보를 대의 데이터 집합에서 효과적이고 효율적으로 찾아내는 기 및 과정을 의미합니다. 이는 전통적인 도서관 카탈로그 시스템에서 시작되어, 오늘날 인터넷 기반의 검색 엔진, 기업 내 문서 관리 시스템, 추천 시스템 등 다양한 분야에 적용되고 있습니다. 정보 검색…
SError (System Error) 1. 개요 SError(System Error)는 프로세서가 외부 인터페이스로부터 비정상적인 응답을 받았을 때 발생하는 하드웨어 수준의 치명적인 예외 상황을 의미합니다. 일반적인 소프트웨어 예외와 달리, SError는 CPU 내부의 연산 오류가 아닌 시스템 버스(System Bus)나 주변 장치(Peripheral)와…