실행 가능한 Python 가이드

Python으로 배우는 AI 개념

신경망, 머신러닝, Transformer, 고전 AI가 어떻게 동작하는지 AI 라이브러리 없이 실행 가능한 짧은 Python 레슨으로 배워 보세요.

실행 가능한 예제 14개

순수 Python으로 인공 뉴런을 만듭니다. 입력의 가중합에 바이어스를 더하고 sigmoid나 ReLU에 통과시킵니다.

작은 신경망에 입력을 층별로 통과시킨 뒤 제곱 오차와 교차 엔트로피로 오차를 측정합니다.

경사 하강법으로 뉴런을 학습시킵니다. 연쇄 법칙으로 각 가중치가 손실에 주는 영향을 구한 뒤 내리막으로 한 걸음 나아갑니다.

같은 함수를 단계별로 최소화하며 기본 경사 하강법, Momentum, Adam을 비교합니다.

Min-max 정규화와 z-점수 표준화로 특성의 스케일을 맞추고, 행렬 곱셈을 직접 계산합니다.

최소제곱법으로 직선을 맞추고, 로지스틱 회귀로 점수를 확률로 바꿉니다.

Softmax로 점수를 클래스 확률로 바꾸고, 교차 엔트로피로 평가하며, k-최근접 이웃으로 점을 분류합니다.

코사인 유사도로 두 벡터가 얼마나 비슷한지 측정하고, 레이블 없는 데이터를 k-평균으로 묶습니다.

언어 모델처럼 텍스트를 숫자로 바꿉니다. 어휘를 만들고, 단어를 원-핫으로 인코딩하고, BPE로 서브워드 토큰을 학습합니다.

쿼리, 키, 밸류로 scaled dot-product attention을 직접 계산하고, GPT처럼 causal mask를 더합니다.

언어 모델이 다음 토큰을 고르는 방법을 순수 Python으로 확인합니다: layer normalization, temperature, top-k 샘플링.

A* 탐색으로 격자에서 최단 경로를 찾고, 미니맥스로 게임에서 최선의 수를 고릅니다.

마르코프 체인으로 미래 상태를 예측하고, epsilon-greedy 밴딧으로 탐색과 활용의 균형을 잡습니다.

에이전트에게 목표에 도달하는 법을 가르칩니다. 가치 반복으로 상태 가치를 계산한 뒤, Q-러닝으로 시행착오를 통해 학습합니다.