너멜엠 블로그

컴퓨터는 왜 0.1 + 0.2를 0.3이라고 답하지 못할까? — 부동소수점을 그림으로 뜯어보기

0.1은 2진수로 적으면 끝나지 않는 수입니다. 그 사실 하나가 0.30000000000000004를 만들고, 1991년에는 사람을 죽였습니다. 실제 숫자로 따라가는 부동소수점 이야기. (시즌 3 · 번외)

AI 로또 실험 9주 결산 — 4,100조합을 채점해 보니 "1등 AI"는 다섯 번에 한 번은 우연이었다

9회차 4,100조합 채점 결과 — 트랜스포머 0.842, 전체 평균 0.786(이론값 0.8). 1등 AI가 우연일 확률은 약 21%. (시즌 3 · 3편)

AI로 로또 번호를 맞힐 수 있을까? — 트랜스포머·LSTM·통계를 매주 실제 추첨으로 검증해 봤다

추첨 전에 번호를 공개하고, 추첨 후 채점하고, 나중에 고치지 않는다. 4회차 1,600조합의 실측 결과와 “앞서가는 AI”가 우연일 확률. (시즌 3 · 2편)

ChatGPT를 내 컴퓨터 한 대로 만들 수 있을까? — 밑바닥부터 LLM 만들기, 실제 학습 로그로

그래픽카드 한 장, 17시간. 160M 파라미터 한국어 언어모델을 데이터부터 배포까지 직접 만든 기록 — 손실 곡선·수치 전부 실측입니다. (시즌 3 · 1편)

ChatGPT는 어떻게 스스로 일을 처리할까? — AI 에이전트를 그림으로 뜯어보기

모델은 도구를 직접 쓰지 않는다 — 무엇을 쓸지 문자열로 지시할 뿐이다. 생각→행동→관찰 루프와 연쇄 오류의 산수까지, 답하는 AI에서 일하는 AI로의 전환을 해부합니다. (시즌 2 · 5편, 완결)

ChatGPT는 왜 검색을 할까? — RAG를 그림으로 뜯어보기

지어내는 AI에서 근거를 대는 AI로. 할루시네이션의 뿌리부터 RAG의 3단계·임베딩 의미 검색·실무 함정까지 해부하고, 실험실에서 직접 확인합니다. (시즌 2 · 4편)

AI는 왜 어떤 단어에 더 집중할까? — Attention을 그림으로 뜯어보기

고정 벡터의 병목에서 Q·K·V, softmax(QKᵀ/√d_k)V, Transformer까지 — ChatGPT의 심장인 어텐션을 해부하고, 실험실 히트맵으로 직접 확인합니다. (시즌 2 · 3편)

AI는 어떻게 사진 속 고양이를 알아볼까? — CNN을 그림으로 뜯어보기

픽셀 숫자 격자에서 합성곱·풀링·계층적 특징 학습까지 — CNN이 사진을 알아보는 원리를 비유로 해부하고, 실험실에서 직접 확인합니다. (시즌 2 · 2편)

AI는 어떻게 스스로 배울까? — 신경망과 역전파를 그림으로 뜯어보기

뉴런 하나의 가중합부터 손실 함수, 경사하강법, 그리고 AI의 겨울을 끝낸 역전파까지 — 신경망 학습의 엔진을 비유로 해부하고, 실험실에서 직접 확인합니다. (시즌 2 · 1편)

ChatGPT는 어떻게 문장을 이해할까? Transformer 구조 쉽게 설명 — Attention Is All You Need

모든 단어가 서로를 동시에 바라보는 Attention의 직관부터 Q·K·V, 멀티헤드, GPT까지 — ChatGPT의 뼈대인 Transformer 구조를 쉽게 해부합니다.

ChatGPT는 어떻게 만들어지나요? — 사전학습·SFT·RLHF 완벽 정리

데이터 수집부터 RLHF까지 ChatGPT가 만들어지는 8단계 — 그림과 일상 비유로 한 번에 이해.

로지스틱 회귀 쉽게 이해하기 — Sigmoid와 이진 분류의 모든 것

합격·진단·스팸 — 모든

머신러닝의 확률 기초 — ML 면접에서 자주 묻는 통계 질문

조건부 확률 예제 — 일상 사례로 정복하는 P(B|A)

비 오는 날 우산·시험 문제·게임 뽑기·병원 검사 — 매일 마주치는 결정 속의 조건부 확률을 중학생도 쉽게 이해할 수 있게 풀어봅니다.

마르코프 체인 입문 — 구글 페이지랭크의 핵심 알고리즘

오늘 날씨로 내일을 예측하는 단순한 직관이 사실은 구글·자동완성·음성 인식을 굴리는 수학 — 마르코프 체인을 풀어봅니다.

베이즈 정리 완벽 이해 — 스팸 필터·암 진단의 수학 원리

암 검사가 양성이면 정말 환자일까? 정확도 95%가 16%가 되는 충격적 진실 — 베이즈 정리를 일상 사례로 풀어봅니다.

동전 던지기 확률 실험 — 확률 시뮬레이션으로 배우는 기초

너멜엠(NumLM)에서 알려드리는 동전 던지기 확률 실험. 이론적 확률과 경험적 확률의 차이, 도박사의 오류, 확률 시뮬레이션의 의미를 일상 예시로 풀어봅니다.

정규분포 쉽게 이해하기 — 종 모양 분포의 모든 것

키·시험 점수·IQ가 모두 같은 종 모양인 이유 — 정규분포를 일상 사례로 풀어봅니다.

확률 시뮬레이터 추천 — 동전 1000번 던지기로 배우는 큰 수의 법칙

너멜엠(NumLM) 확률 시뮬레이터로 동전 1000번 던지기 실험. 큰 수의 법칙(Law of Large Numbers)을 직접 실험하며 확률·통계의 핵심 원리를 이해해보세요.