csinva.github.io

머신러닝, 통계학, 신경과학에 관한 공개 강의 슬라이드, 연구 노트, 치트 시트 및 블로그 게시물을 호스팅하는 개인 웹사이트입니다.

• 저자: Chandan — Microsoft Research의 선임 연구원. 해석 가능한 머신러닝을 연구하며, UC Berkeley에서 박사 학위를 받았습니다.
• 목적: 박사 과정 때부터 지속적으로 개선해 온 노트와 발표 자료를 공개적으로 공유하기 위함입니다.

포함된 내용

• 슬라이드 (pres 폴더) — Markdown으로 작성되고 reveal-md로 빌드된 발표 자료 소스입니다. 편집과 내보내기가 쉽습니다. Berkeley CS 189(머신러닝) 강의 슬라이드, CS 188(AI) 슬라이드, 해석 가능성 주제의 워크숍 슬라이드가 포함되어 있습니다.
• 연구 개요 (_notes/research_ovws) — 해석 가능성, 인과 추론, 전이 학습, 불확실성, 딥러닝 이론, 복잡성, 산란 변환, 신경과학에서의 딥러닝 등 다양한 분야의 최근 논문 요약입니다.
• 노트 및 치트 시트 (_notes + _notes/cheat_sheets) — 컴퓨터 과학, 통계학, 신경과학을 아우르는 여러 과정/분야의 Markdown 노트입니다(예: 계산 신경과학, 인과 추론, 분류, 선형 대수학, 정보 이론, 컴퓨터 비전).
• 블로그 게시물 (_blog) — 머신러닝/통계학/신경과학 주제에 관한 게시물입니다. 논문 작성 팁(2023), 논문 제목 생성기(2022), imodels 라이브러리에 관한 게시물(2022, Berkeley AI Research 블로그) 등이 포함됩니다.
• 개인 정보 — Google Scholar 프로필 링크입니다.

기술 세부 사항

• Jekyll로 구축되었으며 GitHub Pages에서 호스팅됩니다. Timeline 테마, 애니메이션을 위한 particles.js, 일부 노트를 위한 Jupyter Book을 사용합니다.
• pres 슬라이드는 reveal-md로 생성됩니다.

사용 및 라이선스

• README에 “자유롭게 공개적으로 사용하세요”라고 명시되어 있습니다(공식 라이선스 파일은 언급되지 않음).
• 업데이트: 저자의 Twitter (@csinva)를 팔로우하거나 저장소에 별표를 표시할 수 있습니다.

— 위 내용은 모두 README에서 직접 가져온 것이며, 다른 가정은 포함되지 않았습니다.