Trajectory ML 01: 관측값에서 숨은 상태로
세포 분화와 캐릭터 대화를 하나의 질문으로 연결한다. 관측, 상태, 경로, 동역학, 결과를 구분하고 12강 동안 사용할 합성 데이터의 실험 원칙을 세운다.
Machine Learning
Trajectory ML 09: 상태가 다음에 움직일 방향을 학습하기
관측 쌍으로 벡터장을 추정하고, 한 단계 예측과 전체 경로 전개의 차이를 검증한다.
Trajectory ML 10: Optimal Transport로 집단의 이동 찾기
주변분포 제약을 만족하는 집단 간 수송을 계산하고, 개체 추적과의 차이 및 Sinkhorn 정규화의 역할을 이해한다.
Trajectory ML 11: 연속 동역학과 Flow Matching
Neural ODE와 SDE, Flow Matching을 연결하면서 생성 경로와 실제 시간 동역학을 구분한다.
K-means, GMM, EM: 클러스터링의 세 겹 러시안 인형
K-means는 사실 GMM의 극단적 경우이고, GMM은 EM 알고리즘의 대표적 응용이다. 세 가지가 어떻게 하나의 프레임워크 안에서 연결되는지, 그리고 정보 기하학이 이 관계를 어떻게 설명하는지 직관적으로 풀어본다.
정보 기하학: AI는 어떻게 '가장 효율적으로' 배우는가
뉴턴의 F=ma가 물리 세계를 설명하듯, 정보 기하학은 AI가 배우는 과정을 설명합니다. 초보자를 위한 직관적 해설.