Brownlab

📌 머신러닝의 기초: 디퓨전 모델(Diffusion models) diffusion: 분산, 확산, 초점 흐리기원본 사진(데이터)에 먼지와 얼룩(노이즈)을 계속 뿌려서 원본이 완전히 가려진 상태로 만듭니다(Forward Process). 그런 다음, 가려진 사진에서 먼지를 닦아내 원본으로 복원합니다(Reverse Process). 마치 오래된 사진을 스캔해서 Photoshop으로 복구하는 것처럼, 모델은 '이 얼룩 아래에 뭐가 있었을까?'를 학습해 새로운 사진(생성 데이터)을 만듭니다. 디퓨전 모델디퓨전 모델(Diffusion Models)은 데이터를 생성하는 '생성 AI' 분야에서 사용되는 모델입니다. 이미지나 오디오 같은 복잡한 데이터 생성 분야에서 사용됩니다. 머신러닝 관점에서 Diffusion ..

1. 확률적 과정확률적 과정(Stochastic Process)이란 시간의 진행에 따라 확률적인 변화를 가지는 현상을 수학적으로 기술한 것입니다. 이는 AI, 금융, 공학 등 다양한 분야에서 불확실성을 모델링하는 데 사용되는 핵심 개념입니다. 특히 금융계에서는 투자 수익률, 인플레이션율, 시장 변동성 등 불확실한 상황에서 결과를 추정하기 위해 이 모델을 사용합니다. 2. 확률적 과정의 예시: 임의 보행확률적 과정은 임의 보행(Random Walk)을 예로 들어 설명할 수 있어요. 임의 보행의 조건술 취한 사람이 매 초마다 동전 던지기 결과에 따라 앞으로 한 발 또는 뒤로 한 발 움직이는 상황.시점 t: 매 초 (1초, 2초, 3초, ...)확률 변수 X_t: t초 후 사람의 현재 위치확률: 다음 스텝에..