AI TOPIC

CS229 최신 뉴스와 핵심 해설

CS229 관련 핵심 뉴스와 활용 인사이트 9편을 최신순으로 모았습니다.

Stanford Online2026. 8. 1.

스탠퍼드 CS229 강의: 확산 모델 학습 원리와 파운데이션 모델 적응법(선형 프로빙·파인튜닝·LoRA)

스탠퍼드 CS229 12강이 확산 모델의 손실 함수가 왜 노이즈 예측 문제로 바뀌는지 유도하고, 사전학습된 파운데이션 모델을 새 과제에 붙이는 선형 프로빙·파인튜닝·LP-FT·LoRA의 실제 이득이 어디에 있는지 따져봤다.

Stanford Online2026. 8. 1.

스탠퍼드 CS229 2026년 봄 강의를 정리했다. KV 캐시 부담을 줄이는 그룹 쿼리·슬라이딩 윈도우 어텐션과 전문가 혼합 라우팅, 인컨텍스트 학습에서 명령어 튜닝으로 이어지는 흐름을 짚는다.

Stanford Online2026. 8. 1.

스탠퍼드 CS229 2026년 봄학기 14강은 대형 언어모델을 다루는 첫 시간이다. 서브워드 토큰화와 자기회귀 확률 모형에서 출발해 생성 온도, 어텐션의 계산 과정과 마스킹, 긴 문맥이 비싼 이유까지 훑었다.

Stanford Online2026. 7. 31.

스탠퍼드 CS229 6강은 편향과 분산, 릿지 정규화라는 고전 이론을 정리한 뒤 거대 모델에서 관측된 이중 하강과 벤치마크 재현 실험을 통해 그 상식이 어떻게 흔들렸는지 설명한다. 하이퍼파라미터 탐색법도 함께 다룬다.

Stanford Online2026. 7. 31.

스탠퍼드 CS229 2026년 봄학기 8강은 미분 가능한 회로라면 기울기 계산 비용이 함수 계산 비용과 같다는 정리에서 출발해, 연쇄법칙을 모듈별 역방향 함수로 재해석하고 선형 계층과 활성화 함수의 역전파 공식을 직접 유도했다.

Stanford Online2026. 7. 31.

스탠퍼드 CS229 2026년 봄학기 신경망 첫 강의 정리. 파라미터에 대한 비선형이란 무엇인지부터 확률적 경사하강법을 쓰는 진짜 이유, ReLU와 잔차 연결, 레이어 정규화까지 딥러닝의 기본 부품을 차례로 훑는다.

Stanford Online2026. 7. 31.

스탠퍼드 CS229 2026년 봄학기 10강은 가우시안 혼합모델의 EM 알고리즘을 옌센 부등식으로 유도하고, 차원 축소의 대표 기법 PCA가 중심화와 고윳값 간격 때문에 어떻게 무너지는지를 짚었다.

Stanford Online2026. 7. 30.

스탠퍼드 CS229 지도학습 강의는 집값에 선을 하나 긋는 문제에서 출발해 오늘날 거대 모델을 굴리는 확률적 경사하강법까지 이어진다. 지나치게 단순해 보이는 알고리즘이 어떻게 규모를 감당하게 됐는지 짚는다.

Stanford Online2026. 7. 30.

스탠퍼드 CS229 3강은 최소제곱을 확률 모델로 다시 세우고 같은 원리로 로지스틱 회귀를 끌어낸다. 뉴턴법과 SGD의 비용 차이까지 강의 내용을 정리했다.