CI/CD 기초 (4) - Cache, Secrets, and Artifacts
캐시, Secrets, artifact부터 workflow_dispatch, schedule, 상태 배지까지 실무 파이프라인에 자주 등장하는 GitHub Actions 부품들을 정리합니다.
호승
딥러닝 기초 (9) - Convolution and Pooling: CNN Basics
완전연결망으로 이미지를 다룰 때의 세 문제(파라미터 폭발·공간 구조 무시·위치 취약)에서 출발해, 합성곱의 지역 연결성과 파라미터 공유가 그것을 어떻게 푸는지, 채널과 풀링, 전형적 CNN 구조까지 정리한 딥러닝 기초 (9)편입니다.
CI/CD 기초 (3) - CD: Delivery and Deployment
프로젝트별 배포의 의미부터 플랫폼 연동, needs와 if로 만드는 deploy job, staging 구분까지 검증을 통과한 코드를 자동으로 내보내는 CD를 정리합니다.
CI/CD 기초 (2) - CI with GitHub Actions
workflow, event, job, step 네 층 구조부터 최소 워크플로, 린트와 테스트, branch protection까지 GitHub Actions로 첫 CI를 만드는 과정을 정리합니다.
딥러닝 기초 (8) - Overfitting and Regularization: Dropout, Weight Decay, Early Stopping
학습이 잘 될수록 커지는 위험인 과적합을 정의하고, 이를 막는 규제 기법들 — L2(weight decay), 드롭아웃, 조기 종료, 데이터 증강 — 이 각각 어떻게 모델을 단순하고 일반화되게 만드는지 정리한 딥러닝 기초 (8)편입니다.
CI/CD 기초 (1) - Why CI/CD
CI/CD가 필요한 이유를 정리합니다.
CI/CD 기초 (0) - Introduction
CI/CD 기초 시리즈 소개와 진행 순서, 실습 환경 준비를 다룹니다.
딥러닝 기초 (7) - Normalization Layers: Batch Norm and Layer Norm
학습 중 층마다 입력 분포가 흔들리는 문제에서 출발해, 미니배치 통계로 정규화하는 Batch Normalization(학습·추론이 다른 이유 포함)과 특성 축으로 정규화해 배치·시퀀스에 무관한 Layer Normalization을 비교 정리한 딥러닝 기초 (7)편입니다.
딥러닝 기초 (6) - Weight Initialization: Xavier and He
0 초기화가 왜 안 되는지(대칭성)부터, 초기 스케일이 너무 작거나 크면 신호가 소멸·포화하는 문제, 그리고 활성화에 맞춰 분산을 유지하는 Xavier·He 초기화까지 — 50층 신경망에 흘려 실측한 딥러닝 기초 (6)편입니다.
딥러닝 기초 (5) - Optimization: SGD, Momentum, Adam
경사하강의 "기울기 반대로 한 걸음"을 더 똑똑하게 만드는 최적화 기법들 — 미니배치 SGD, 모멘텀, RMSProp, Adam, 그리고 학습률 스케줄(warmup·decay) — 을 각각이 무엇을 해결하는지 중심으로 정리한 딥러닝 기초 (5)편입니다.