archive

Archive

연/월 기준 전체 글 · 총 626편

2026

05 · 451 posts

2026.05.05 DEV Git이 파일이 아닌 SHA로 세상을 보는 이유
2026.05.05 DEV Git의 모든 포인터는 어디에 살고 있는가
2026.05.05 DEV Git은 파일 변경을 어떻게 추적하는가
2026.05.05 DEV Git history는 왜 DAG인가
2026.05.05 DEV Git Branch는 왜 이렇게 가벼운가
2026.05.05 DEV Git merge는 어떻게 충돌을 판단하는가
2026.05.05 DEV Rebase는 왜 새 commit을 만드는가
2026.05.05 DEV Git에서 변경을 되돌린다는 것의 의미
2026.05.05 DEV git stash는 어떻게 두 영역을 동시에 보존하는가
2026.05.05 DEV git push/fetch는 내부에서 무슨 일이 일어나는가
2026.05.05 DEV Git은 어떻게 실수를 복구하는가
2026.05.05 DEV Git Hook은 어디서 막고 어디서 통과시키는가
2026.05.05 DEV Submodule과 Subtree — 외부 레포 통합의 두 가지 철학
2026.05.05 DEV Git 워크플로우의 선택은 왜 팀 규모와 신뢰 수준에 달려 있는가
2026.05.05 DEV 거대 레포는 어떻게 git을 견디는가
2026.05.05 DEV Git이 Push를 거부할 때 — 7가지 거부의 구조
2026.05.05 DEV 객체지향 설계의 세 가지 근본 질문
2026.05.05 AI LLM Reasoning의 모든 기법은 하나의 질문에서 나온다
2026.05.05 AI Diffusion Model의 수학은 어디서 왔나
2026.05.05 AI Object Detection의 수학적 뼈대 — 왜 출력이 집합인가
2026.05.05 AI RAG의 상한선은 어디서 결정되는가
2026.05.05 AI Mechanistic Interpretability는 무엇을 증명하는가
2026.05.05 AI Transformer의 내부는 어떻게 작동하는가 — Mechanistic Interpretability 의 수학적 기초
2026.05.05 AI Dense Retrieval은 왜 BM25를 이겼는가
2026.05.05 AI 프롬프트는 어떻게 추론을 만드는가
2026.05.05 AI In-Context Learning의 두 얼굴 — Lookup인가, 최적화인가
2026.05.05 AI Cross-Encoder, ColBERT, 그리고 검색의 Pareto 경계
2026.05.05 AI LLM Quantization의 설계 철학 — 무엇을 희생하고 무엇을 보호할 것인가
2026.05.05 AI LLM이 나무를 타고 답을 찾는 법
2026.05.05 AI 벡터 검색은 어떻게 빠를 수 있는가
2026.05.05 AI PRM은 왜 ORM을 이기는가 — Step-Level Reward의 수학
2026.05.05 AI 뉴런 하나가 여러 개념을 담는 이유 — Superposition 이론
2026.05.05 AI GRPO는 어떻게 PPO의 Critic을 없앴는가
2026.05.05 AI RAG는 어떻게 진화했는가 — Vanilla부터 CRAG까지
2026.05.05 AI SAE는 어떻게 신경망의 개념을 분리하는가
2026.05.05 AI Actor-Critic은 왜 두 역할로 나뉘는가
2026.05.05 AI LLM Agent는 어떻게 도구를 쓰고, 실패에서 배우고, 함께 생각하는가
2026.05.05 AI RAG 검색은 왜 두 단계인가
2026.05.05 AI LLM의 행동은 벡터로 쓰고 지울 수 있는가
2026.05.05 AI LLM Reasoning의 세 가지 도약 — o1, o3, R1이 만든 새 균형점
2026.05.05 AI 신경망을 해부할 수 있는가 — Mechanistic Interpretability의 세 장면
2026.05.05 AI RAG의 다음 단계: 그래프, 이미지, 긴 문맥은 무엇을 바꾸는가
2026.05.05 DEV 람다는 어떻게 바이트코드가 되는가
2026.05.05 DEV Java Stream은 왜 Terminal 전까지 아무것도 하지 않는가
2026.05.05 DEV parallelStream()은 왜 항상 빠르지 않은가
2026.05.05 DEV Optional은 왜 메서드 반환 타입으로만 써야 하는가
2026.05.05 DEV CompletableFuture는 왜 Future를 버렸는가
2026.05.05 DEV Java 인터페이스는 왜 이렇게 진화했는가
2026.05.05 DEV Java 날짜/시간 API는 왜 이렇게 설계됐을까
2026.05.05 DEV Java는 왜 Record, Sealed, Pattern을 함께 설계했을까
2026.05.05 DEV 자바 함수형 프로그래밍의 다섯 가지 기둥
2026.05.05 DEV Virtual Thread는 왜 수백만 개가 가능한가
2026.05.05 DEV 객체는 데이터가 아니라 책임으로 정의된다
2026.05.05 DEV 객체지향 설계의 모든 결정은 하나의 질문에서 시작된다
2026.05.05 DEV 상속은 왜 코드 재사용의 도구가 아닌가
2026.05.05 DEV 상속은 언제 올바른가 — 서브타이핑, LSP, 그리고 협력의 일관성
2026.05.03 AI LLM은 왜 처음부터 Misaligned인가
2026.05.03 AI Bandit 알고리즘은 왜 로그 regret을 목표로 하는가
2026.05.03 AI 분산 학습의 통신은 왜 전부 AllReduce로 귀결되는가
2026.05.03 AI Pretrained LM은 어떻게 '언어를 이해'하게 되었나
2026.05.03 AI Tabular RL은 왜 Atari를 풀 수 없는가
2026.05.03 AI 모델 효율화의 4축 — Memory, Compute, Latency, Throughput
2026.05.03 AI 언어 모델이란 무엇인가 — 확률의 연쇄에서 ChatGPT까지
2026.05.03 AI MDP는 왜 정확히 6개의 성분으로 정의되는가
2026.05.03 AI ML 시스템은 왜 모델 그 이상인가
2026.05.03 AI Policy Gradient는 왜 직접 정책을 최적화하는가
2026.05.03 AI LLM Fine-Tuning의 메모리 문제는 어디서 오는가
2026.05.03 AI LLM 추론은 왜 두 개의 다른 병목을 가지는가
2026.05.03 AI 3D 표현의 두 철학 — Explicit과 Implicit은 어떻게 다른가
2026.05.03 AI LLM 학습 규모는 어떻게 결정되는가
2026.05.03 AI Model-Free RL의 네 가지 근본 질문
2026.05.03 AI RNN은 왜 sequence를 기억하는가
2026.05.03 AI 디지털 오디오의 수학적 기반 — 샘플링부터 MFCC까지
2026.05.03 AI PyTorch Tensor는 왜 Storage와 Metadata로 분리되어 있는가
2026.05.03 AI ViT는 왜 이미지를 patch로 쪼개는가
2026.05.03 AI PyTorch autograd는 어떻게 gradient를 계산하는가
2026.05.03 AI BERT는 어떻게 언어를 '이해'하는가
2026.05.03 AI RNN 학습은 왜 이렇게 설계됐는가
2026.05.03 AI Bellman Equation은 왜 작동하는가
2026.05.03 AI 음성 인식의 세 시대 — LPC에서 WFST까지
2026.05.03 AI LLM 사전학습의 설계 결정들은 어디서 오는가
2026.05.03 AI Data Parallelism의 수학 — AllReduce는 왜 정확한가
2026.05.03 AI 단어의 의미는 어떻게 숫자가 되는가
2026.05.03 AI DQN은 어떻게 픽셀에서 인간을 이겼는가
2026.05.03 AI Feature Store는 왜 단순 캐시가 아닌가
2026.05.03 AI ViT의 데이터 허기는 어떻게 채워지는가
2026.05.03 AI Diffusion Model의 손실함수는 어떻게 만들어지는가
2026.05.03 AI KV Cache는 왜 LLM 서빙의 핵심인가
2026.05.03 AI REINFORCE는 왜 분산이 높은가
2026.05.03 AI LoRA는 왜 저차원 행렬 두 개로 충분한가
2026.05.03 AI Monte Carlo RL은 왜 두 가지 방문 방식을 갖는가
2026.05.03 AI Pruning은 무엇을 제거하는가 — saliency에서 hardware까지
2026.05.03 AI NeRF의 수식은 어디서 왔나
2026.05.03 AI RLHF는 왜 세 단계여야 하는가
2026.05.03 AI R-CNN에서 Mask R-CNN까지 — 두 단계 검출기의 진화
2026.05.03 AI UCB 알고리즘군은 왜 단순한 공식으로 near-optimal 탐색을 달성하는가
2026.05.03 AI LLM 서빙의 병목은 배치에 있다
2026.05.03 AI Bellman Optimality Equation은 왜 Value Iteration을 보증하는가
2026.05.03 AI 데이터 품질은 왜 단일 숫자로 측정할 수 없는가
2026.05.03 AI Self-Supervised Learning의 세 가지 얼굴
2026.05.03 AI PyTorch Dispatcher는 어떻게 동작하는가
2026.05.03 AI DPO는 어떻게 Reward Model 없이 정책을 최적화하는가
2026.05.03 AI Q-Learning은 왜 항상 과대평가하는가
2026.05.03 AI GPT에서 LLaMA까지: Decoder-Only LLM의 설계 철학
2026.05.03 AI NeRF는 왜 MLP 하나로 3D 장면 전체를 표현할 수 있는가
2026.05.03 AI CTC에서 RNN-T까지 — 음성 인식의 alignment 문제는 어떻게 풀렸나
2026.05.03 AI One-Stage Detector는 어떻게 두 단계를 하나로 녹였나
2026.05.03 AI Policy Gradient Theorem의 세 가지 얼굴
2026.05.03 AI LLM Quantization은 왜 scale 결정의 문제인가
2026.05.03 AI Score 함수에서 SDE까지 — Diffusion의 통합 이론
2026.05.03 AI TD Learning은 왜 MC와 DP 사이에 서 있는가
2026.05.03 AI Tensor Parallelism은 왜 AllReduce가 정확히 2번인가
2026.05.03 AI Thompson Sampling은 왜 파라미터 없이도 최적인가
2026.05.03 AI LLM 사전학습이 불안정한 이유는 하나다
2026.05.03 AI RNN Gradient 소멸은 왜 피할 수 없었나
2026.05.03 AI Word2Vec은 왜 작동하는가 — PMI의 다른 이름
2026.05.03 AI Anchor-Free Detection은 무엇을 해방시켰는가
2026.05.03 AI Policy Gradient의 분산은 어떻게 줄이는가
2026.05.03 AI Bellman operator는 왜 수렴이 보장되는가
2026.05.03 AI GPU 커널 성능은 무엇이 결정하는가
2026.05.03 AI LLM 사전학습 데이터는 어떻게 설계되는가
2026.05.03 AI DINO는 왜 레이블 없이도 객체를 '본다'
2026.05.03 AI DDIM은 왜 1000 step을 10 step으로 줄일 수 있는가
2026.05.03 AI Knowledge Distillation은 왜 단순 압축이 아닌가
2026.05.03 AI DPO 이후의 선택들 — IPO, KTO, SimPO, ORPO, GRPO는 무엇을 고쳤는가
2026.05.03 AI 분포 비교 메트릭은 무엇을 측정하는가
2026.05.03 AI Rainbow DQN의 다섯 가지 개선은 왜 함께 작동하는가
2026.05.03 AI 3D Gaussian Splatting은 왜 NeRF보다 100배 빠른가
2026.05.03 AI GloVe는 왜 두 패러다임의 통합인가
2026.05.03 AI Contextual Bandit에서 GP-UCB까지: 불확실성을 측정하는 하나의 원리
2026.05.03 AI LSTM은 어떻게 vanishing gradient를 피하는가
2026.05.03 AI ASR 아키텍처는 어떻게 진화했나
2026.05.03 AI PagedAttention은 왜 GPU 메모리 낭비를 95%까지 줄이는가
2026.05.03 AI Pipeline Bubble은 어떻게 줄어드는가
2026.05.03 AI Q-Learning 수렴 증명의 통일된 구조
2026.05.03 AI QLoRA는 어떻게 65B 모델을 GPU 한 장에 올렸나
2026.05.03 AI T5는 왜 모든 NLP task를 text-to-text로 통일했는가
2026.05.03 AI RNN 변형들이 공유하는 하나의 질문
2026.05.03 AI AI가 AI를 감시할 수 있는가 — Constitutional AI부터 Scalable Oversight까지
2026.05.03 AI PyTorch Custom Kernel의 핵심은 HBM을 피하는 것이다
2026.05.03 AI DETR은 왜 NMS 없이 작동하는가
2026.05.03 AI GPI — 모든 RL 알고리즘을 하나의 틀로 보는 법
2026.05.03 AI 4D 장면은 어떻게 표현되는가 — Dynamic Neural Rendering의 설계 철학
2026.05.03 AI GAE는 왜 λ 하나로 bias-variance를 제어할 수 있는가
2026.05.03 AI Return을 분포로 보면 무엇이 달라지는가
2026.05.03 AI Classifier Guidance에서 Negative Prompt까지, 조건부 생성의 수학
2026.05.03 AI 모델 압축의 4축은 어떻게 하나의 철학으로 수렴하는가
2026.05.03 AI Masked Image Modeling은 무엇을 학습하는가
2026.05.03 AI Ground Truth 없이도 모델을 믿을 수 있는가
2026.05.03 AI MoE는 왜 같은 연산으로 더 큰 모델처럼 동작하는가
2026.05.03 AI n-step Return에서 TD(λ)까지: 하나의 스펙트럼
2026.05.03 AI PAC-MDP: RL에서 '충분히 탐색했다'는 것을 어떻게 증명하는가
2026.05.03 AI Speculative Decoding은 왜 빠르면서도 정확한가
2026.05.03 AI Tokenizer는 왜 Subword를 선택했는가
2026.05.03 AI 사전학습 모델을 어떻게 내 task에 맞게 바꾸는가
2026.05.03 AI 토큰화는 왜 모델의 성능을 결정하는가
2026.05.03 AI TTS는 어떻게 사람 목소리를 학습하는가
2026.05.03 AI ZeRO는 왜 단계적으로 분산하는가
2026.05.03 AI A/B 테스트의 통계적 엄밀성은 어디서 오는가
2026.05.03 AI Transformer 학습에서 Activation Memory는 왜 폭발하는가
2026.05.03 AI Actor-Critic은 어떻게 진화했는가
2026.05.03 AI LLM 아키텍처 설계의 다섯 가지 선택
2026.05.03 AI COCO mAP 너머 — Detection Benchmark의 한계와 진화
2026.05.03 AI FastText에서 ELMo까지 — 임베딩은 어떻게 문맥을 얻었는가
2026.05.03 AI Flash Attention은 어떻게 T² 메모리 장벽을 넘었나
2026.05.03 AI In-Context Learning은 어떻게 작동하는가
2026.05.03 AI FlashAttention은 어떻게 O(N²) 메모리 벽을 넘었나
2026.05.03 AI Stable Diffusion의 아키텍처는 왜 이렇게 생겼나
2026.05.03 AI Long Context LLM — 두 개의 완전히 다른 문제
2026.05.03 AI RL 성능 분석의 언어 — State Distribution부터 근사 오차까지
2026.05.03 AI MDP regret의 세 가지 얼굴 — UCRL2, PSRL, LSVI-UCB
2026.05.03 AI Mixed Precision Training의 수학 — FP16은 왜 위험하고 BF16은 왜 안전한가
2026.05.03 AI Vision-Language Model은 어떻게 이미지를 '이해'하는가
2026.05.03 AI RLHF는 왜 길고, 느리고, 불안정한가
2026.05.03 AI Rainbow에서 MuZero까지 — DQN 진화의 통일된 논리
2026.05.03 AI Neural Audio Codec은 왜 VQ를 버리지 못하는가
2026.05.03 AI Attention은 어떻게 Seq2Seq의 병목을 뚫었는가
2026.05.03 AI Text-to-3D는 왜 2D에서 시작하는가
2026.05.03 AI 분산 학습의 네 가지 축 — 3D Parallelism, MoE, Checkpoint, Elastic
2026.05.03 AI Diffusion 샘플링 가속은 어떻게 가능한가
2026.05.03 AI Video에서 Foundation까지 — 객체 인식의 확장 경계
2026.05.03 AI Best Arm Identification는 어떻게 최적에 수렴하는가
2026.05.03 AI torch.compile은 Python 코드를 어떻게 GPU 커널로 바꾸는가
2026.05.03 AI 인과 추론의 네 가지 무기 — RCT부터 Doubly Robust까지
2026.05.03 AI DDPG는 왜 불안정한가 — Continuous Control의 설계와 균열
2026.05.03 AI Vision Transformer는 어떻게 픽셀을 넘어섰나
2026.05.03 AI Embedding 평가는 왜 두 가지가 필요한가
2026.05.03 AI 단일 이미지에서 3D까지 — LRM이 바꾼 패러다임
2026.05.03 AI RL에서 함수 근사는 왜 불안정한가
2026.05.03 AI RNN이 Transformer에 밀린 이유, 그리고 Mamba가 돌아온 이유
2026.05.03 AI Model-Free RL의 수렴은 왜 이렇게 까다로운가
2026.05.03 AI NPG에서 TRPO까지 — Policy Gradient가 진화하는 이유
2026.05.03 AI Instruction에서 Reasoning까지 — LLM은 어떻게 생각을 배우는가
2026.05.03 AI LLM 의 Safety 는 하나의 벡터로 요약될 수 있는가
2026.05.03 AI LLM Serving의 모든 선택은 결국 비용-지연 트레이드오프다
2026.05.03 AI LLM을 어떻게 배포할 것인가 — serving 스택의 네 층
2026.05.03 AI Speculative Decoding은 어떻게 분포를 보존하면서 빠른가
2026.05.03 AI 오디오 LM의 공통 설계 언어 — 토큰, 계층, 스트림
2026.05.02 DEV API 보안의 근본은 하나다 — '신뢰하지 말고 검증하라'
2026.05.02 DEV Spring Boot Actuator는 어떻게 작동하는가
2026.05.02 DEV MSA의 데이터 문제는 어떻게 푸는가
2026.05.02 DEV JVM은 객체를 어떻게 들여다보는가
2026.05.02 DEV Spring MVC는 어떻게 요청 하나를 처리하는가
2026.05.02 DEV 쿠버네티스는 어떻게 스스로를 운영하는가
2026.05.02 DEV Spring Security의 모든 방어선은 어디에 서 있는가
2026.05.02 DEV PostgreSQL 쿼리 설계의 다섯 가지 축
2026.05.02 DEV Spring Batch의 병렬 처리는 어떻게 설계되는가
2026.05.02 DEV 테스트는 코드를 실행했다는 증거가 아니다
2026.05.02 DEV Docker는 어떻게 컨테이너를 만드는가
2026.05.02 DEV Elasticsearch 집계는 왜 느리고, 왜 틀릴 수 있는가
2026.05.02 DEV RabbitMQ는 왜 메시지 브로커인가
2026.05.02 DEV 좋은 단위 테스트는 어떻게 쓰는가
2026.05.02 DEV DDD의 모든 실수는 하나의 질문으로 수렴한다
2026.05.02 DEV Spring AOP는 왜 프록시인가 — 9개 챕터로 보는 하나의 구조
2026.05.02 DEV API Gateway는 왜 단순한 프록시가 아닌가
2026.05.02 DEV Spring Cloud Gateway는 왜 Reactive 기반일까
2026.05.02 DEV 아키텍처 패턴의 공통 언어 — 관심사 분리란 무엇인가
2026.05.02 DEV 아키텍처는 폴더 구조가 아니다 — 변경 비용을 통제하는 결정들
2026.05.02 DEV 아키텍처 패턴, 어떻게 고르는가
2026.05.02 DEV 쿠버네티스는 왜 모든 것을 API Server를 통해서만 통신하는가
2026.05.02 DEV Elasticsearch는 어떻게 분산 검색을 완성하는가
2026.05.02 DEV Spring MVC는 파라미터를 어떻게 바인딩하는가
2026.05.02 DEV Java 배열과 Arrays 클래스, 무엇을 알아야 하는가
2026.05.02 DEV Spring Security 인증 아키텍처 — 위임 계층이 설계된 이유
2026.05.02 DEV 인증 시스템은 왜 이렇게 자주 뚫리는가
2026.05.02 DEV Spring Security 접근 제어는 어떻게 작동하는가
2026.05.02 DEV Spring Boot Auto-configuration은 어떻게 스스로를 조립하는가
2026.05.02 DEV MSA 탄력성 패턴 — 장애는 차단하고, 서비스는 살린다
2026.05.02 DEV 시스템 설계 면접의 공통 문법
2026.05.02 DEV Spring Batch는 왜 Job·Step·Tasklet으로 나누는가
2026.05.02 DEV MySQL 백업은 왜 --single-transaction 없이 믿을 수 없나
2026.05.02 DEV Spring Bean은 어떻게 태어나고 사라지는가
2026.05.02 DEV 성능 병목은 어디서 오는가 — USE 방법론부터 스레드 덤프까지
2026.05.02 DEV Java 행위 패턴은 왜 모두 같은 문제를 푸는가
2026.05.02 DEV JVM 바이트코드는 어떻게 플랫폼을 초월하는가
2026.05.02 DEV 컨테이너는 커널 위의 환상이다
2026.05.02 DEV Spring Batch의 Chunk는 왜 Read→Process→Write인가
2026.05.02 DEV DB 마이그레이션은 배포 파이프라인의 어디에 있어야 하는가
2026.05.02 DEV 코드 한 줄이 프로덕션에 닿기까지
2026.05.02 DEV Circuit Breaker는 어떻게 연쇄 장애를 막는가
2026.05.02 DEV Clean Architecture의 모든 결정은 하나의 규칙에서 나온다
2026.05.02 DEV JVM 클래스로더는 어떻게 JVM을 지탱하는가
2026.05.02 DEV Java Collections Framework, 하나의 철학으로 읽는다
2026.05.02 DEV CQRS는 왜 Command와 Query를 완전히 다른 세계로 나누는가
2026.05.02 DEV MSA 통신 계층은 왜 이렇게 복잡한가
2026.05.02 DEV Spring @ComponentScan은 어떻게 수천 개의 클래스를 고르는가
2026.05.02 DEV JVM 동기화는 어떻게 작동하는가
2026.05.02 DEV Java 동시성 패턴은 왜 이렇게 설계됐을까
2026.05.02 DEV Java 동시성은 왜 이렇게 설계됐을까
2026.05.02 DEV Spring Cloud Config는 왜 Git을 설정 저장소로 쓰는가
2026.05.02 DEV Java 동시성 자료구조는 어떻게 락을 줄이는가
2026.05.02 DEV Spring @Configuration은 어떻게 싱글톤을 보장하는가
2026.05.02 DEV Kafka Consumer는 왜 멈추는가
2026.05.02 DEV HikariCP는 왜 다른 Connection Pool보다 빠른가
2026.05.02 DEV Java 생성 패턴, 무엇을 왜 선택하는가
2026.05.02 DEV 컨테이너 네트워크는 어떻게 작동하는가
2026.05.02 DEV MSA에서 데이터는 어떻게 분리되고 어떻게 다시 합쳐지는가
2026.05.02 DEV 대규모 데이터 시스템, 무엇을 포기하고 무엇을 얻는가
2026.05.02 DEV Java 8 Time API는 왜 기존 Date를 버렸는가
2026.05.02 DEV DB 성능 튜닝은 어디서 시작해야 하는가
2026.05.02 DEV DDD는 복잡도를 어떻게 다루는가
2026.05.02 DEV 컨테이너 디버깅은 왜 이렇게 어려운가
2026.05.02 DEV 아키텍처 결정은 어떻게 기억되는가
2026.05.02 DEV Kafka는 어떻게 메시지를 정확히 전달하는가
2026.05.02 DEV Spring DI는 왜 생성자 주입을 권장하는가
2026.05.02 DEV Kubernetes 배포는 왜 이렇게 설계됐는가
2026.05.02 DEV 배포 전략의 진짜 선택 기준은 무엇인가
2026.05.02 DEV Spring Boot DevTools는 어떻게 개발 루프를 단축하는가
2026.05.02 DEV DispatcherServlet은 어떻게 HTTP 요청을 응답으로 만드는가
2026.05.02 DEV 성능 테스트가 거짓말을 하는 이유
2026.05.02 DEV 분산 추적은 어떻게 서비스 경계를 넘는가
2026.05.02 DEV 분산 추적은 어떻게 서비스 경계를 넘는가
2026.05.02 DEV DNS는 어떻게 IP를 찾는가
2026.05.02 DEV Docker 이미지 빌드, 순서가 전부다
2026.05.02 DEV Domain Event는 어떻게 결합도를 끊는가
2026.05.02 DEV Java 레이어드 아키텍처 패턴, 왜 이렇게 나뉘어 있는가
2026.05.02 DEV Spring Boot 내장 서버는 어떻게 뜨는가
2026.05.02 DEV Java Enum은 단순한 상수 묶음이 아니다
2026.05.02 DEV Spring Batch는 실패한 1건을 어떻게 격리하는가
2026.05.02 DEV Event Sourcing은 왜 '이벤트를 진실의 원천'으로 삼는가
2026.05.02 DEV Spring MVC 예외는 어떻게 응답이 되는가
2026.05.02 DEV Spring 이벤트는 언제, 어떤 스레드에서 실행되는가
2026.05.02 DEV Java 예외는 어떻게 설계해야 하는가
2026.05.02 DEV JVM은 바이트코드를 어떻게 실행하는가
2026.05.02 DEV RabbitMQ Exchange는 어떻게 메시지를 찾아가게 하는가
2026.05.02 DEV 리눅스 파일 I/O는 어떻게 설계되어 있는가
2026.05.02 DEV Flyway는 어떻게 마이그레이션을 신뢰하는가
2026.05.02 DEV 시스템 설계의 모든 결정은 하나의 질문으로 귀결된다
2026.05.02 DEV 컨테이너는 어떻게 격리되면서도 빠른가
2026.05.02 DEV JVM GC는 어떻게 살아있는 객체를 판단하는가
2026.05.02 DEV Java Generics는 왜 타입을 지운가
2026.05.02 DEV GitHub Actions의 설계 철학 — 격리, 계층, 명시성
2026.05.02 DEV GitOps는 배포 도구가 아니라 감사 시스템이다
2026.05.02 DEV 관찰 가능성 스택은 어떻게 하나로 연결되는가
2026.05.02 DEV gRPC는 왜 REST보다 마이크로서비스에 맞는가
2026.05.02 DEV Hexagonal Architecture는 왜 도메인이 아무것도 모르게 설계하는가
2026.05.02 DEV HTTP는 어떻게 진화했는가 — 1.1의 한계부터 QUIC까지
2026.05.02 DEV 데이터베이스 인덱스는 왜 B+Tree인가
2026.05.02 DEV PostgreSQL 인덱스는 왜 이렇게 많은가
2026.05.02 DEV Docker 이미지 크기가 10배 차이 나는 이유
2026.05.02 DEV 트래픽 진입점 설계 — DNS부터 스토리지까지
2026.05.02 DEV 인젝션 취약점의 공통 구조: 파서를 속이는 법과 막는 법
2026.05.02 DEV CQRS + Event Sourcing의 설계 결정은 어디서 오는가
2026.05.02 DEV 단위 테스트가 통과해도 시스템이 망가지는 이유
2026.05.02 DEV Spring MVC 요청 파이프라인은 어떻게 설계됐는가
2026.05.02 DEV Linux I/O 모델은 왜 이렇게 설계됐는가
2026.05.02 DEV Java IO는 왜 이렇게 복잡한가
2026.05.02 DEV Spring 컨테이너는 어떻게 설계되었는가
2026.05.02 DEV Java Agent는 코드 한 줄 없이 어떻게 계측하는가
2026.05.02 DEV Java 동시성의 모든 규칙은 하나의 질문에서 나온다
2026.05.02 DEV Java Memory Model은 무엇을 추상화하는가
2026.05.02 DEV Spring Batch Job Flow는 어떻게 실행을 제어하는가
2026.05.02 DEV JPA는 어떻게 객체와 DB를 동기화하는가
2026.05.02 DEV JVM 성능 문제는 어디서 오는가
2026.05.02 DEV JWT는 왜 서명만 하고 암호화하지 않는가
2026.05.02 DEV 성능 테스트 도구는 왜 아키텍처가 결과를 결정하는가
2026.05.02 DEV Kafka Streams의 모든 설계는 어디에서 왔는가
2026.05.02 DEV Kafka는 왜 메시지 큐가 아닌 분산 로그인가
2026.05.02 DEV Docker에서 Kubernetes로 — 무엇이 달라지는가
2026.05.02 DEV Java 함수형 인터페이스는 왜 이렇게 설계됐을까
2026.05.02 DEV 대규모 서비스 설계의 공통 언어
2026.05.02 DEV 레이어드 아키텍처는 왜 시간이 지날수록 무너지는가
2026.05.02 DEV 트래픽을 제어하는 다섯 가지 원칙
2026.05.02 DEV Spring Cloud LoadBalancer는 어떻게 서비스 이름을 IP:Port로 바꾸는가
2026.05.02 DEV InnoDB Lock은 왜 인덱스 레코드에 걸리는가
2026.05.02 DEV Java CAS의 설계 철학 — 원자성, 경쟁, 그리고 트레이드오프
2026.05.02 DEV Java 락은 어떻게 스스로를 최적화하는가
2026.05.02 DEV 로그는 왜 구조여야 하는가 — Observability 로깅의 설계 철학
2026.05.02 DEV Elasticsearch는 왜 역색인인가
2026.05.02 DEV Java 수 타입의 설계 철학 — 왜 세 가지가 필요한가
2026.05.02 DEV Linux 메모리는 백엔드 성능을 어떻게 결정하는가
2026.05.02 DEV RabbitMQ 메시지 유실은 왜 조용히 일어나는가
2026.05.02 DEV RabbitMQ 메시지 패턴의 공통 철학은 무엇인가
2026.05.02 DEV Mock은 하나가 아니다 — Test Double의 다섯 얼굴
2026.05.02 DEV Modern Java의 불변 설계 — Record, Switch, Sealed Class
2026.05.02 DEV Java 함수형 패턴의 공통 철학은 무엇인가
2026.05.02 DEV MySQL은 어디서 얼마나 걸리는가
2026.05.02 DEV CI/CD 파이프라인의 다섯 가지 신호
2026.05.02 DEV PostgreSQL은 왜 삭제해도 테이블이 줄지 않는가
2026.05.02 DEV WebFlux의 처리량은 Netty 구조에서 온다
2026.05.02 DEV 네트워크는 왜 계층으로 나뉘는가
2026.05.02 DEV Linux 소켓은 어디서 멈추는가
2026.05.02 DEV Docker 네트워크는 어떻게 패킷을 옮기는가
2026.05.02 DEV 쿠버네티스 네트워킹은 어떻게 동작하는가
2026.05.02 DEV Spring Security OAuth2는 어떻게 소셜 로그인을 완성하는가
2026.05.02 DEV Observability는 왜 Monitoring과 다른가
2026.05.02 DEV MSA 운영의 핵심은 관찰 가능성이다
2026.05.02 DEV Elasticsearch 운영의 모든 결정은 하나의 균형에서 나온다
2026.05.02 DEV Docker Compose에서 Swarm까지, 어떻게 설계가 이어지는가
2026.05.02 DEV Java 스레드는 OS와 어떻게 연결되는가
2026.05.02 DEV 패키지 구조는 왜 팀의 아키텍처를 결정하는가
2026.05.02 DEV Spring Boot 앱은 어떻게 실행되는가
2026.05.02 DEV Spring Batch Partitioning은 어떻게 1,000만 건을 나누는가
2026.05.02 DEV MySQL 파티셔닝은 언제 써야 하는가
2026.05.02 DEV Linux 운영 지표, 숫자 뒤의 원인을 어떻게 읽는가
2026.05.02 DEV 컨테이너 패턴의 통일된 철학은 무엇인가
2026.05.02 DEV Kafka 처리량은 어디서 결정되는가
2026.05.02 DEV RabbitMQ 운영의 모든 실패는 어디서 오는가
2026.05.02 DEV REST에서 gRPC로 — 점진적 전환의 설계 원칙
2026.05.02 DEV DB 성능 문제는 어디서 시작되는가
2026.05.02 DEV WebFlux는 언제 써야 하고 언제 쓰지 말아야 하는가
2026.05.02 DEV JVM 튜닝의 철학 — 덜 건드릴수록 더 잘 돌아간다
2026.05.02 DEV PostgreSQL 운영에서 설정이 먼저인가, 진단이 먼저인가
2026.05.02 DEV Docker 컨테이너 리소스 관리의 철학
2026.05.02 DEV CI/CD는 자동화 도구인가, 운영 철학인가
2026.05.02 DEV 쿠버네티스 파드는 어떻게 태어나고 사라지는가
2026.05.02 DEV Linux 프로세스 모델은 왜 이렇게 설계됐는가
2026.05.02 DEV PostgreSQL은 왜 연결마다 프로세스를 fork하는가
2026.05.02 DEV Prometheus는 왜 Pull 방식인가
2026.05.02 DEV WebFlux의 모든 설계는 하나의 질문에서 시작된다
2026.05.02 DEV Spring Boot 설정은 어떻게 주입되는가
2026.05.02 DEV Protobuf은 왜 JSON보다 작고 빠른가
2026.05.02 DEV Elasticsearch는 왜 같은 조건도 다르게 처리하는가
2026.05.02 DEV MySQL 쿼리 최적화의 공통 원리 — 인덱스를 죽이는 패턴들
2026.05.02 DEV MySQL은 SQL을 어떻게 실행하는가
2026.05.02 DEV Spring Data JPA의 쿼리 전략은 왜 이렇게 많은가
2026.05.02 DEV WebFlux에서 JPA를 쓰면 왜 성능이 오히려 나빠지는가
2026.05.02 DEV RabbitMQ vs Kafka — 어떤 문제를 해결하려고 만들어졌는가
2026.05.02 DEV WebFlux는 왜 스레드를 8개만 쓰는가
2026.05.02 DEV CQRS 프로젝션은 왜 Kafka Consumer처럼 동작하는가
2026.05.02 DEV Java 동시성 버그는 왜 재현이 어려운가
2026.05.02 DEV DDD는 왜 경계부터 그리는가
2026.05.02 DEV CQRS와 Event Sourcing, 언제 쓰고 언제 피해야 하는가
2026.05.02 DEV Docker로 Full-stack 서비스를 운영한다는 것은 무엇인가
2026.05.02 DEV 레거시를 죽이지 않고 교체하는 법
2026.05.02 DEV Java Reflection은 어떻게 프레임워크를 만드는가
2026.05.02 DEV 시스템은 어떻게 실패하지 않는가
2026.05.02 DEV Kafka는 어떻게 메시지를 잃지 않는가
2026.05.02 DEV PostgreSQL 복제는 하나의 철학이다
2026.05.02 DEV MySQL 복제는 어떻게 일관성을 지키는가
2026.05.02 DEV MySQL Replication은 왜 '보낸 것'과 '도착한 것'이 다른가
2026.05.02 DEV Spring MVC는 요청을 어떻게 핸들러에 연결하는가
2026.05.02 DEV Kubernetes는 자원을 어떻게 나누고 지키는가
2026.05.02 DEV Spring MVC는 반환값을 어떻게 HTTP 응답으로 바꾸는가
2026.05.02 DEV DB 마이그레이션은 왜 되돌릴 수 없는가
2026.05.02 DEV JVM은 메모리를 어떻게 나누는가
2026.05.02 DEV MSA에서 분산 트랜잭션을 어떻게 다룰 것인가
2026.05.02 DEV MySQL 설계 결정은 왜 처음이 전부인가
2026.05.02 DEV 스키마도 코드다 — DB 마이그레이션은 왜 필수인가
2026.05.02 DEV Spring Security의 요청 처리 구조는 어떻게 설계되어 있는가
2026.05.02 DEV gRPC 보안은 왜 계층으로 쌓는가
2026.05.02 DEV Spring WebFlux Security는 왜 다시 배워야 하는가
2026.05.02 DEV 보안은 도구가 아니라 파이프라인이다
2026.05.02 DEV MySQL 보안 설계의 세 기둥 — 권한, 연결, 환경 분리
2026.05.02 DEV Docker 보안은 왜 여러 계층이 필요한가
2026.05.02 DEV 보안 설정을 켰다고 안전한 게 아니다
2026.05.02 DEV MSA는 왜 도입하는가 — 모놀리스가 무너지는 시점
2026.05.02 DEV gRPC를 제대로 쓴다는 것의 의미
2026.05.02 DEV Eureka는 왜 AP를 선택했는가
2026.05.02 DEV Spring Security 세션 관리의 네 가지 레이어
2026.05.02 DEV Spring의 타입 변환 시스템은 어떻게 작동하는가
2026.05.02 DEV Spring AMQP의 컴포넌트들은 어떻게 연결되는가
2026.05.02 DEV Axon과 순수 Spring으로 배우는 CQRS+ES 설계 결정
2026.05.02 DEV Spring Data JPA는 인터페이스 선언만으로 어떻게 동작하는가
2026.05.02 DEV Spring + Elasticsearch, 어디서 무엇이 깨지는가
2026.05.02 DEV Spring에서 gRPC를 제대로 쓰려면 무엇이 필요한가
2026.05.02 DEV DB 마이그레이션을 안전하게 배포하려면 무엇이 필요한가
2026.05.02 DEV JdbcTemplate이 JDBC 보일러플레이트를 제거하는 방법
2026.05.02 DEV DDD와 JPA는 왜 긴장 관계인가
2026.05.02 DEV Spring Kafka는 왜 그렇게 설계되었는가
2026.05.02 DEV Observability는 왜 세 신호가 함께여야 하는가
2026.05.02 DEV WebFlux 아키텍처는 왜 이렇게 설계됐는가
2026.05.02 DEV 서버가 공격자의 손이 되는 순간 — Spring 보안 설계의 5가지 원칙
2026.05.02 DEV InnoDB는 왜 데이터를 Page 단위로 읽고 쓰는가
2026.05.02 DEV SpringApplication.run()은 한 줄인데 내부에서 무슨 일이 벌어지는가
2026.05.02 DEV Docker 스토리지는 어디서 끝나고 어디서 시작되는가
2026.05.02 DEV 쿠버네티스 스토리지는 왜 이렇게 복잡한가
2026.05.02 DEV DDD는 어디서 경계를 긋는가
2026.05.02 DEV gRPC 스트리밍은 왜 Polling보다 효율적인가
2026.05.02 DEV Java String은 왜 불변인가
2026.05.02 DEV 구조 패턴의 공통 문법 — 상속 대신 관계로 설계하라
2026.05.02 DEV DDD의 모든 패턴은 하나의 질문에서 나온다
2026.05.02 DEV 마이그레이션 버전 충돌은 왜 배포 직전까지 보이지 않는가
2026.05.02 DEV TCP가 선택한 것들 — 연결, 신뢰성, 흐름, 혼잡, 그리고 UDP
2026.05.02 DEV 테스트 코드가 프로덕션을 오염시키는 일곱 가지 방법
2026.05.02 DEV CI/CD 파이프라인은 왜 느려지는가
2026.05.02 DEV 성능 테스트는 왜 유형이 다른가
2026.05.02 DEV 테스트하기 어렵다는 느낌은 설계 냄새다
2026.05.02 DEV Spring Data 테스트는 왜 이렇게 설계됐는가
2026.05.02 DEV 좋은 단위 테스트란 무엇인가
2026.05.02 DEV Elasticsearch는 어떻게 텍스트를 이해하는가
2026.05.02 DEV HTTPS는 어떻게 안전한가 — TLS의 설계 철학
2026.05.02 DEV PostgreSQL은 8KB 페이지를 어떻게 넘는가
2026.05.02 DEV Spring 트랜잭션은 어떻게 비즈니스 코드를 깨끗하게 유지하는가
2026.05.02 DEV ACID는 누가 보장하는가
2026.05.02 DEV 성능 튜닝은 과학이다 — 하나씩, 측정하고, 번역하라
2026.05.02 DEV Java Util API의 공통 철학: 비교, 흐름, 부재, 패턴
2026.05.02 DEV Virtual Thread는 왜 OS 스레드의 한계를 넘는가
2026.05.02 DEV XSS부터 Clickjacking까지, 웹 보안 헤더의 설계 철학
2026.05.02 DEV CQRS는 왜 필요한가 — 단일 모델이 붕괴되는 과정
2026.05.02 DEV DDL 마이그레이션, 왜 이렇게 어려운가

04 · 175 posts

2026.04.28 AI 딥러닝의 수학은 왜 극한에서 시작하는가
2026.04.28 AI 베이즈 추론의 다섯 가지 근본 질문
2026.04.28 AI 그래프 모델의 언어 — 조건부 독립에서 Moralization까지
2026.04.28 AI 고전 일반화 이론은 왜 딥러닝 앞에서 무너지는가
2026.04.28 AI 볼록 집합이 최적화에 황금 티켓을 부여하는 이유
2026.04.28 AI CNN의 수학적 토대 — Convolution부터 Frequency까지
2026.04.28 AI 왜 ML의 모든 손실 함수에는 로그가 있는가
2026.04.28 AI 확률과정을 정의한다는 것은 무엇인가
2026.04.28 AI Gradient Descent의 수렴 보장은 어디까지인가
2026.04.28 AI 그래프를 행렬로 보는 순간 GNN이 보인다
2026.04.28 AI 이토 적분은 왜 경로별로 정의할 수 없는가
2026.04.28 AI Kernel은 왜 Positive Definite여야 하는가
2026.04.28 AI Regularization은 Prior다 — L1/L2부터 Group Sparsity까지
2026.04.28 AI 학습이란 무엇인가 — 통계적 학습 이론의 기초 언어
2026.04.28 AI 선형 회귀는 왜 최소제곱인가 — MLE부터 Lasso까지
2026.04.28 AI 분포 공간이 휘어진 이유 — 정보기하의 기초
2026.04.28 AI 확률은 왜 공리로 정의되는가 — Kolmogorov가 σ-대수를 도입한 이유
2026.04.28 AI 무한차원은 왜 다른가 — 함수해석학이 AI에 던지는 질문
2026.04.28 AI TRPO·PPO의 이론적 뿌리 — Performance Difference Lemma
2026.04.28 AI 신경망 이론의 네 가지 뿌리 — 퍼셉트론부터 활성화 함수까지
2026.04.28 AI 통계 추론은 무엇을 가정하고 있는가
2026.04.28 AI 선형대수의 모든 정리는 왜 그렇게 많은 곳에서 다시 나타나는가
2026.04.28 AI CNN 설계의 다섯 가지 선택은 하나의 문제에서 나온다
2026.04.28 AI 집중부등식은 왜 ML 이론의 기초인가
2026.04.28 AI 볼록 함수의 세 가지 얼굴 — Jensen, Epigraph, Gradient
2026.04.28 AI 마르코프 체인의 네 가지 얼굴 — 전이행렬에서 에르고딕 정리까지
2026.04.28 AI Dropout은 왜 세 가지 얼굴을 가지는가
2026.04.28 AI Belief Propagation은 왜 하나의 알고리즘인가
2026.04.28 AI 이토 공식은 왜 2차 항을 버리지 않는가
2026.04.28 AI KL에서 Wasserstein까지 — 분산(divergence)은 무엇을 측정하는가
2026.04.28 AI Hilbert 공간은 왜 AI 수학의 기반인가
2026.04.28 AI Logistic Regression의 통일 철학 — MLE가 모든 것을 설명한다
2026.04.28 AI 행렬 분해는 왜 그렇게 설계됐는가
2026.04.28 AI 미분가능성의 계층 — 편미분에서 역전파까지
2026.04.28 AI Norm-based 일반화 이론은 왜 진공에서 멈추는가
2026.04.28 AI 확률변수의 분포는 왜 Ω를 필요로 하지 않는가
2026.04.28 AI Kernel Method의 통일 원리: PD Kernel에서 계산까지
2026.04.28 AI Fisher 정보량은 왜 세 얼굴을 가지는가
2026.04.28 AI GCN은 어디서 왔는가 — Spectral 이론에서 한 줄 식까지
2026.04.28 AI SGD는 왜 수렴하는가 — Robbins–Monro부터 Implicit Regularization까지
2026.04.28 AI 지수족은 왜 통계학의 중심에 있는가
2026.04.28 AI TRPO는 왜 KL을 step size로 쓰는가
2026.04.28 AI 신경망은 왜 어떤 함수든 근사할 수 있는가
2026.04.28 AI 역전파는 왜 단 한 번의 backward pass로 충분한가
2026.04.28 AI Variational Inference는 왜 ELBO를 최대화하는가
2026.04.28 AI 함수해석학은 왜 딥러닝의 언어인가
2026.04.28 AI 볼록 최적화는 왜 ML의 기반인가
2026.04.28 AI 결정트리의 모든 분할 기준은 하나의 질문에서 나온다
2026.04.28 AI 고유값은 행렬의 무엇을 말하는가
2026.04.28 AI 불편성보다 MSE — 추정 이론의 통합 원리
2026.04.28 AI ML 손실함수의 수학적 토대 — 기댓값에서 부등식까지
2026.04.28 AI HMM에서 Mamba까지 — 시계열 모델의 하나의 뼈대
2026.04.28 AI KL 발산은 하나가 아니다 — α-divergence와 정보기하의 통일 언어
2026.04.28 AI GNN 아키텍처들은 같은 문법으로 쓰여 있다
2026.04.28 AI Momentum은 왜 빠른가 — 관성에서 진동까지
2026.04.28 AI 상호정보량은 현대 표현학습의 언어다
2026.04.28 AI Normalization은 어떻게 깊은 네트워크를 훈련 가능하게 만드는가
2026.04.28 AI 무한폭 신경망은 왜 커널 회귀로 환원되는가
2026.04.28 AI PAC Learning이란 무엇인가 — 학습 가능성의 수학적 정의
2026.04.28 AI Poisson 과정은 왜 세 가지 얼굴을 가지는가
2026.04.28 AI PPO는 왜 TRPO를 대체했는가
2026.04.28 AI CNN의 수용장은 왜 기대보다 작은가
2026.04.28 AI SDE는 미분방정식이 아니다 — 적분, 해의 존재, 그리고 생성모델의 연결
2026.04.28 AI SVM은 왜 내적만으로 비선형이 되는가
2026.04.28 AI 손실 함수의 기하학 — 헤시안이 최적화를 지배하는 방식
2026.04.28 AI VAE의 모든 설계 결정은 하나의 질문에서 나온다
2026.04.28 AI Adam은 왜 수렴을 보장하지 못하는가
2026.04.28 AI Random Forest는 왜 트리를 많이 추가할수록 좋아지는가
2026.04.28 AI 컴팩트 연산자와 스펙트럼 — 무한차원 대각화의 철학
2026.04.28 AI 연속시간 마르코프 체인의 통일 원리 — Q-matrix에서 정상분포까지
2026.04.28 AI CRF는 왜 HMM보다 강한가
2026.04.28 AI Data Augmentation은 왜 효과적인가
2026.04.28 AI Double Descent는 왜 일어나는가
2026.04.28 AI Lagrangian 쌍대성은 왜 SVM을 가능하게 하는가
2026.04.28 AI 지수족은 왜 분포 공간의 아핀 부분다양체인가
2026.04.28 AI GP는 왜 '함수에 대한 Bayesian prior'인가
2026.04.28 AI GNN은 어디까지 그래프를 구분할 수 있는가
2026.04.28 AI Langevin Dynamics는 왜 원하는 분포로 수렴하는가
2026.04.28 AI 경사하강법의 수렴은 왜 그 속도인가
2026.04.28 AI 조건부 기댓값은 왜 ML의 모든 곳에 있는가
2026.04.28 AI 신경망 초기화는 왜 이렇게 복잡해졌는가
2026.04.28 AI 가설검정의 최적성은 어디서 오는가
2026.04.28 AI SAC는 왜 동작하는가 — MaxEnt RL의 설계 철학
2026.04.28 AI MCMC는 왜 evidence 없이도 posterior를 얻는가
2026.04.28 AI Skip Connection은 왜 깊은 네트워크를 살렸는가
2026.04.28 AI 압축은 이해다 — Shannon이 증명한 정보의 한계
2026.04.28 AI SVD는 왜 모든 행렬 분해의 황금 표준인가
2026.04.28 AI VC 차원은 왜 신경망을 설명하지 못하는가
2026.04.28 AI 경사하강법은 얼마나 빠른가 — 수렴 이론의 전체 지도
2026.04.28 AI 점근 이론의 통일된 언어 — Delta부터 M-estimator까지
2026.04.28 AI 역전파는 어떻게 수십억 파라미터의 기울기를 한 번에 계산하는가
2026.04.28 AI BNN은 왜 그토록 어려운가 — 근사 추론의 스펙트럼
2026.04.28 AI AdaBoost에서 XGBoost까지 — Boosting은 하나의 수식이다
2026.04.28 AI Shannon 채널 코딩 정리 — 존재 증명이 60년을 이끌었다
2026.04.28 AI CNN의 설계 철학 — 왜 Convolution인가
2026.04.28 AI 수렴이란 무엇인가 — LLN, CLT, 그리고 Monte Carlo까지
2026.04.28 AI Grokking은 왜 일어나는가 — 지연 일반화의 수학
2026.04.28 AI 내적 공간의 다섯 기둥은 하나의 구조다
2026.04.28 AI 커널 클러스터링은 왜 비구형 군집을 찾을 수 있는가
2026.04.28 AI 모델은 왜 자신을 과신하는가 — Calibration의 수학
2026.04.28 AI Loss Landscape는 어떻게 생겼는가
2026.04.28 AI 마팅게일은 왜 현대 AI 이론의 언어인가
2026.04.28 AI CNN 아키텍처 설계의 통일된 논리: 무엇이 성능을 결정하는가
2026.04.28 AI Natural Gradient는 왜 좌표를 묻지 않는가
2026.04.28 AI SDE 수치 해법의 통일 원리: 오차, 안정성, 다중 레벨
2026.04.28 AI GNN은 왜 깊이 쌓을수록 나빠지는가
2026.04.28 AI Rademacher 복잡도는 왜 VC보다 강한가
2026.04.28 AI RKHS는 왜 머신러닝의 이론적 토대인가
2026.04.28 AI TD3는 왜 DDPG보다 안정적인가
2026.04.28 AI Exact Inference는 왜 그렇게 어려운가
2026.04.28 AI CNN 응용의 통일 원리 — 손실 함수가 설계를 결정한다
2026.04.28 AI Variational Inference의 다섯 얼굴
2026.04.28 AI GNN은 그래프에서 무엇을 학습하는가
2026.04.28 AI 베이즈 추론의 다섯 가지 얼굴
2026.04.28 AI Bayesian Optimization은 어떻게 적은 실험으로 최적을 찾는가
2026.04.28 AI On-policy와 Off-policy — RL 알고리즘 선택의 실제 기준
2026.04.28 AI 브라운 운동은 왜 이토 적분을 강제하는가
2026.04.28 AI 제약 최적화는 왜 AI의 핵심 언어인가
2026.04.28 AI 훈련이 곧 정규화다 — Implicit Regularization의 세 얼굴
2026.04.28 AI KL divergence 최소화는 왜 두 개의 다른 연산인가
2026.04.28 AI 복권 티켓은 처음부터 결정되어 있었는가
2026.04.28 AI LR 스케줄링의 통일 원리 — 왜 하나의 철학으로 수렴하는가
2026.04.28 AI MMD는 어떻게 분포를 벡터로 만드는가
2026.04.28 AI 정보이론은 어떻게 AI의 모든 손실함수를 하나로 설명하는가
2026.04.28 AI 다변수 정규분포는 왜 ML의 기반인가
2026.04.28 AI Naive Bayes에서 Generative Model까지 — 가정이 틀려도 잘 작동하는 이유
2026.04.28 AI Proximal Operator는 왜 경사하강법의 일반화인가
2026.04.28 AI Diffusion 모델은 왜 Score를 배우는가
2026.04.28 AI RNN은 왜 긴 기억을 갖지 못하는가
2026.04.28 AI PINN은 왜 작동하는가 — 함수해석학이 만든 근거
2026.04.28 AI SGD는 왜 일반화하는가 — Stability 이론의 답
2026.04.28 AI 텐서란 무엇인가 — 좌표를 넘어선 다중선형 대상
2026.04.28 AI 딥러닝 미분의 통일된 언어 — 야코비안에서 암묵적 미분까지
2026.04.28 AI SDE, ODE, Flow — 생성 모델을 하나의 언어로
2026.04.28 AI Kernel Method는 어디서 Neural Network와 만나는가
2026.04.28 AI Bayesian Deep Learning은 불확실성을 어떻게 다루는가
2026.04.28 AI 정보기하가 현대 AI를 어떻게 만드는가
2026.04.28 AI ELBO에서 PAC까지 — 베이지안 ML의 통일 언어
2026.04.28 AI 딥러닝 최적화의 숨은 기하학 — Sharpness에서 Fisher까지
2026.04.28 AI Offline RL부터 LLM 정렬까지 — 현대 RL의 공통 철학
2026.04.28 AI 신경망이 함수공간에서 조밀한 이유 — Universal Approximation부터 PINN까지
2026.04.28 AI 비지도 학습의 세 가지 질문: 모양, 계층, 밀도
2026.04.28 AI Graphical Model 학습은 왜 이렇게 어려운가
2026.04.28 AI CNN의 설계 철학은 어디서 왔는가
2026.04.28 AI MCMC는 왜 복잡한 분포에서도 작동하는가
2026.04.28 AI 볼록 최적화는 머신러닝을 어떻게 설명하는가
2026.04.28 AI Transformer의 선형대수 — 회전, 정규화, 스펙트럼이 만나는 곳
2026.04.28 AI GNN은 어디까지 확장될 수 있는가
2026.04.28 AI Regularization의 4축 — 33개 기법을 하나의 틀로
2026.04.28 AI LLM의 스케일링은 예측 가능한가
2026.04.28 AI 모델 복잡도를 어떻게 선택해야 하는가
2026.04.28 AI 통계학과 머신러닝은 왜 같은 말을 다른 이름으로 부르는가
2026.04.28 AI Transformer는 왜 작동하는가 — 설계 결정들의 공통 뿌리
2026.04.27 DEV Redis의 모든 선택은 하나의 질문에서 나온다
2026.04.27 AI Attention은 왜 그렇게 설계됐는가
2026.04.27 AI 생성 모델의 통합 프레임워크 — 무엇을 배우는가
2026.04.27 AI Autoregressive 모델은 왜 모든 modality를 생성할 수 있는가
2026.04.27 AI Transformer Block은 왜 이 네 요소의 조합인가
2026.04.27 AI Positional Encoding은 어떻게 진화했나
2026.04.27 AI VAE는 왜 latent를 포기하는가
2026.04.27 AI Normalizing Flow의 모든 설계 결정은 하나의 제약에서 나온다
2026.04.27 AI Transformer 훈련을 가능하게 하는 다섯 가지 설계 결정
2026.04.27 AI Attention의 O(T²) 벽을 어떻게 부수는가
2026.04.27 AI GAN은 왜 그토록 불안정한가
2026.04.27 AI DDPM의 수학은 하나의 질문으로 수렴한다
2026.04.27 AI BERT, GPT, T5, ViT, MoE — 다섯 아키텍처는 하나의 질문에 답한다
2026.04.27 AI LLM은 왜 클수록 똑똑한가 — Scaling Laws의 세계
2026.04.27 AI 생성 모델의 다섯 계보는 왜 하나의 질문에서 갈라지는가
2026.04.27 DEV Redis는 왜 같은 데이터를 다르게 저장하는가
2026.04.27 DEV Redis 운영의 모든 병목은 단일 스레드에서 시작된다
2026.04.27 DEV Redis 영속성은 어떻게 설계하는가
2026.04.27 DEV Redis의 모든 설계 결정은 하나의 철학에서 나온다
2026.04.27 DEV Redis 복제는 왜 데이터를 잃는가
2026.04.27 DEV Spring + Redis 통합에서 직렬화가 모든 것을 결정한다
2026.04.25 AGENT 이 블로그는 어떻게 만들어졌나