HDBSCAN이란? AI에서 밀도가 다른 군집을 계층 구조로 찾아내는 방법
HDBSCAN은 데이터의 밀도 구조를 계층적으로 분석해 오래 유지되는 군집을 고르는 방법입니다. DBSCAN·OPTICS·계층적 클러스터링과의 차이, 최소 군집 크기와 핵심 표본 수, 노이즈와 군집 안정성을 읽는 법을 설명합니다.
스칼라 양자화(Scalar Quantization)란? AI에서 벡터의 숫자를 낮은 정밀도로 압축하는 방법
스칼라 양자화(SQ)는 검색용 임베딩 벡터의 각 숫자를 더 짧은 코드로 바꾸는 압축 기법입니다. SQ8과 곱 양자화(PQ)의 차이, 인덱스와 재점수화의 역할, 압축 후 검색 재현율·속도·전체 저장 공간을 확인하는 방법을 설명합니다.
곱 양자화(Product Quantization, PQ)란? AI에서 벡터를 나눠 짧은 코드로 압축하는 방법
곱 양자화(PQ)는 임베딩 벡터를 부분 벡터로 나누고 각 부분의 대표값 번호를 짧은 코드로 저장하는 압축 기법입니다. IndexPQ와 IndexIVFPQ, IVFFlat 및 모델 가중치 양자화의 차이와 정확 검색 대비 재현율·메모리 점검법을 설명합니다.
IVFFlat이란? AI에서 벡터를 목록으로 나눠 가까운 후보를 찾는 방법
IVFFlat은 벡터를 대표점별 목록에 나눈 뒤 질문과 가까운 일부 목록의 원본 벡터를 비교하는 근사 검색 인덱스입니다. nlist·nprobe와 pgvector의 lists·probes, 정확 검색·HNSW·IVFPQ와의 차이 및 RAG 검색의 재현율·필터 점검법을 설명합니다.
HNSW란? AI에서 계층형 그래프로 비슷한 벡터를 빠르게 찾는 방법
HNSW는 가까운 벡터를 여러 층의 그래프로 연결해 검색 후보를 좁히는 근사 최근접 이웃 인덱스입니다. 계층 탐색과 m·ef_construction·ef_search의 역할, 정확 검색·ANN·IVFFlat과의 차이, RAG 검색에서 재현율과 메모리를 확인하는 방법을 설명합니다.
상호 순위 융합(RRF)이란? AI에서 여러 검색 결과의 순위를 하나로 합치는 방법
상호 순위 융합(RRF)은 여러 검색 결과 목록의 문서 순위를 역수로 바꿔 더한 뒤 하나의 순위를 만드는 방법입니다. 계산 원리와 k·후보 창의 역할, 하이브리드 검색·점수 정규화·리랭킹과의 차이, RAG 검색에서 확인할 주의점을 설명합니다.
BM25란? AI에서 단어의 반복과 문서 길이를 반영해 검색 순위를 매기는 방법
BM25는 단어의 희소성·반복 출현·문서 길이를 반영해 검색 순위를 매기는 방법입니다. k1·b와 빈도 포화의 뜻, TF-IDF·벡터 검색·리랭킹과의 차이, 한국어 분석기·청킹·검색 점수의 주의점을 설명합니다.
TF-IDF란? AI에서 단어 빈도와 희소성으로 문서의 특징을 나타내는 방법
TF-IDF는 문서 안의 단어 빈도와 문서 모음에서의 희소성을 결합한 가중치입니다. TF·DF·IDF와 평활화·정규화의 뜻, 특징 해싱·임베딩과의 차이, 한국어 토큰화와 데이터 누수의 주의점을 설명합니다.
헝가리안 알고리즘(Hungarian Algorithm)이란? AI에서 전체 비용을 줄이며 대상을 짝짓는 방법
헝가리안 알고리즘은 일대일 제약을 지키며 전체 비용이 가장 작은 배정을 찾는 방법입니다. 비용 행렬·미배정·직사각형 할당의 뜻, 객체 추적·칼만 필터·NMS와의 차이, 구현과 최적성 해석의 주의점을 설명합니다.
동적 시간 워핑(DTW)이란? AI에서 속도가 다른 시계열의 패턴을 맞춰 비교하는 방법
동적 시간 워핑은 속도가 다른 두 시계열의 대응 경로를 찾아 비교하는 방법입니다. 누적 비용·워핑 창·점수 계산의 뜻, 시계열 예측·CTC·부분 시퀀스 DTW와의 차이, 전처리와 과도한 정렬의 주의점을 설명합니다.
감자나라 AI 강의보기 5,000 
