AI 6편
MLP 이해 3편: 연산 그래프와 역전파
역전파가 체인 룰의 곱을 손실 쪽부터 계산해 공통 항을 다시 쓰고, 순전파 때 저장한 x, a1, a2만 읽어 기울기 9개를 구하는 과정을 NumPy 코드와 위젯으로 따라갔다.
MLP 이해 2편: NumPy로 구현하는 순전파
2 → 2 → 1 MLP의 가중치와 편향을 NumPy 배열로 만들고, 가중치 행렬의 열 하나가 뉴런 하나가 되는 순전파 코드를 작성해 XOR 네 점을 한 번에 계산했다.
MLP 이해 1편: 개념 — 구조와 함수 근사
선형 함수로는 풀 수 없는 XOR에서 출발해, MLP가 시그모이드 조각을 더해 모르는 함수를 흉내 내는(함수 근사) 원리와, 그래서 로지스틱 회귀 여러 개로 층을 만들고 층을 이어 쌓은 구조가 되는 이유를 정리했다.
로지스틱 회귀 3편: 학습 종료
완벽히 나뉘는 데이터에서 w가 끝없이 커지는 현상을 데이터 6개로 확인하고, L2 정규화와 조기 중단, 시리즈 전체 체크리스트를 정리했다.
로지스틱 회귀 2편: 학습
로지스틱 회귀의 학습 단계(로그 손실, 경사 하강법)를 데이터 6개로 실행하고, 손실 선택과 clip, 기울기, 학습률에서 주의할 점을 정리했다.
로지스틱 회귀 1편: 예측
로지스틱 회귀의 예측 단계(선형식, 시그모이드, 임계값)를 데이터 6개로 실행하고, 단계마다 중요한 점과 주의할 점을 정리했다.