이 태그와 연결된 문서를 한곳에서 모아보고, 함께 자주 등장하는 연관 태그까지 이어서 탐색할 수 있습니다.
연관 태그
총 14건 중 1-14건
스탠퍼드 CME295의 LLM 학습 강의는 학습 방식과 규모에서 응답 평가, 추론 토큰, 모델 붕괴 문제까지 다룬다.
Stanford CME295 2강은 대규모 언어 모델을 이해하려면 트랜스포머 구조부터 학습 규모·연산 비용·생성 방식·컨텍스트 관리까지 함께 봐야 한다는 점을 설명한다.
Stanford AA274A의 샘플링 기반 모션 플래닝 강의는 구성공간 탐색과 충돌 검사, 경로 품질, 동역학을 고려한 트리 확장을 다룬다.
스탠퍼드 AA274A의 이 강의는 로봇 자율성의 개요에서 출발해 이동 로봇의 자세 좌표와 운동학적 제약을 다룬다.
스탠퍼드 AA274A의 센서·컴퓨터 비전 입문은 자율 로봇의 센서 특성, 측정 오차와 드리프트, 카메라의 기하학적 기초를 다룬다.
스탠퍼드 AA274A의 궤적 추종 강의는 개방루프 궤적에 추종 제어기를 더하는 문제를 중심으로, 궤적 표현과 제어 방법을 다룬다.
Stanford AA274A Principles of Robotic Autonomy를 중심으로, 실행 가능성과 최적성은 구분해야 한다. 초기·최종 조건과 운동방정식, 입력 한계 등을 만족하면 실행 가능한 궤적이다. 그중를 핵심 판단 포인트로 압축 정리한다.
스탠퍼드 CME295 1강은 토큰화부터 자기 어텐션과 인코더·디코더까지 연결해 트랜스포머가 LLM의 기반이 되는 원리를 설명한다.
Anthropic은 Claude가 주도한 연구로 CRISPR와 유사한 특성의 효소 시스템을 발견했다고 발표했지만, 발견의 참신성과 중요성은 학계 검증이 필요하며 실제 실험은 인간 과학자가 수행했다.
Stanford Webinar A Conversation on the Future of Translational Medicine를 중심으로, 중개연구의 출발점은 임상적 필요다. 기초과학자와 임상의가 서로의 질문과 활용 가능한 지식을 이해해야 발견을 실제 치료·진단으로 연를 핵심 판단 포인트로 압축 정리한다.
Stanford AA203 18강은 정책 그래디언트로 기대 누적 보상을 직접 최적화하고, reward to go·베이스라인·actor critic으로 추정량의 고분산을 낮추는 원리를 설명한다.
스탠퍼드 AA203의 강화학습 기초 강의는 동적 계획법에서 몬테카를로·시간차 학습으로 확장하며, 경험으로 가치를 추정하고 탐색을 통해 정책을 개선하는 원리를 설명한다.
젠슨황 자서전 대신 이 영상이 보여주는 핵심은, 엔비디아의 성공이 한 천재의 영웅담보다 이민자의 절박함, GPU라는 다른 아키텍처에 대한 장기 믿음, 미국식 기회 구조가 겹친 결과라는 점이다.
스탠퍼드에서 강조하는 AI시대 생존 역량은 더 많은 지식 암기가 아니라, 질문하고 실패를 학습으로 바꾸며 여러 AI를 지휘해 사회적 문제를 해결하는 힘이다.
