첫 연구 노트

왜 쓰는가

연구하면서 배운 이론을 블로그에 정리하면 이해의 빈틈이 드러납니다. 목표는 완성된 글을 많이 만드는 것이 아니라, 나중에 다시 봐도 사고 과정을 복원할 수 있는 노트를 쌓는 것입니다.

핵심 정의

필요한 정의는 짧고 정확하게 둡니다.

예를 들어 손실 함수 L(\theta)를 최소화하는 문제는 다음처럼 쓸 수 있습니다.

\theta^\* = \arg\min_\theta L(\theta)

직관

정의만으로 바로 이해되지 않는 부분은 말로 풀어 씁니다. 수식이 의미하는 바, 어떤 가정이 강한지, 어디서 자주 쓰이는지를 적어두면 나중에 도움이 됩니다.

작은 예시

import numpy as np

x = np.array([1, 2, 3])
print(x.mean())

헷갈렸던 점

어떤 조건에서 이 정의가 깨지는가?
비슷한 개념과 정확히 무엇이 다른가?
증명에서 가장 핵심적인 단계는 어디인가?

참고

참고문헌은 BibTeX로 관리할 수 있습니다. 예시는 [1] 처럼 인용합니다.

참고문헌

[1]

Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, 와/과 Illia Polosukhin. 2017. Attention Is All You Need. In Advances in Neural Information Processing Systems, 2017.