안녕하세요. 이 블로그는 시계열 분석, 머신러닝, 그리고 로보틱스 비전을 공부하며 정리하는 공간입니다.

글은 세 개의 카테고리로 나뉩니다.

시계열 (Time Series)

• 모수 추정과 최대가능도(MLE)
• 정상성, 단위근, 차분 등 시계열의 기초 개념
• AR, MA, ARMA, ARIMA, SARIMA 모델군
• 지수평활법과 ETS 모델
• Prophet (추세·계절성 분해 기반 예측)
• ARCH/GARCH (변동성 모델링)
• VAR (여러 시계열이 서로를 예측하는 구조)

머신러닝 (Machine Learning)

• 베이지안 추론 — 사전분포, 귀납 편향, MCMC와 변분추론, 불확실성
• L1/L2 규제와 베이지안 회귀(MAP)
• MLP와 역전파
• SGD에서 Adam까지, 최적화 알고리즘의 계보
• 동적 계획법

로보틱스 비전 (Robotics Vision)

• 다중 시점 기하 — 동차좌표·랭크·자유도·SVD, 에피폴라 기하, 삼각측량과 번들 조정
• 사진에서 3차원으로 — SfM 파이프라인, MVS(밀집 복원)
• SLAM의 프론트엔드와 백엔드
• 렌더링의 기초 — 래스터화, 알파 블렌딩과 볼륨 렌더링, 구면 조화 함수
• 미분 가능 렌더링, NeRF, 3D Gaussian Splatting

글은 가능하면 직관 → 수식 → 코드 → 진단 → 한계 순서로 쓰려고 합니다. 특히 ML/AI는 익숙하지만 통계적 시계열 모델은 낯선 분들이 큰 그림을 잡을 수 있도록 설명하는 것을 목표로 합니다. 머신러닝과 로보틱스 비전 글도 같은 흐름을 따릅니다.

일부 글은 AI의 도움을 받아 초안을 만들거나 표현을 다듬었습니다. 다만 가능한 한 참고문헌을 밝히고, 수식·코드·개념 설명은 다시 확인하려고 노력하고 있습니다. 오류나 보완할 점이 있다면 댓글로 알려 주세요.

---

About this blog

Hi. This blog is a space where I study and document time series analysis, machine learning, and robotics vision.

Posts fall into three categories:

Time Series

• Parameter estimation and maximum likelihood (MLE)
• Stationarity, unit roots, and differencing
• AR, MA, ARMA, ARIMA, SARIMA model family
• Exponential smoothing and ETS models
• Prophet (trend and seasonality decomposition-based forecasting)
• ARCH/GARCH (volatility modeling)
• VAR (multiple series predicting one another)

Machine Learning

• Bayesian inference — priors, inductive bias, MCMC and variational inference, uncertainty
• L1/L2 regularization and Bayesian regression (MAP)
• MLPs and backpropagation
• From SGD to Adam, the lineage of optimizers
• Dynamic programming

Robotics Vision

• Multiple view geometry — homogeneous coordinates, rank, degrees of freedom, SVD, epipolar geometry, triangulation and bundle adjustment
• From photos to 3D — the SfM pipeline, MVS (dense reconstruction)
• SLAM front end and back end
• Rendering fundamentals — rasterization, alpha blending and volume rendering, spherical harmonics
• Differentiable rendering, NeRF, 3D Gaussian Splatting

Posts follow the structure of intuition → formula → code → diagnostics → limitations where possible. The goal is to help readers who are familiar with ML/AI but new to statistical time series models build a solid picture. The machine learning and robotics vision posts follow the same flow.

Some posts were drafted or refined with AI assistance. I try to cite sources wherever possible and double-check all formulas, code, and concept explanations. If you spot an error or something that needs clarification, please leave a comment.