2026년 1월 4일AIIntro머신러닝과 딥러닝에서 회귀와 분류 문제를 해결하는 전체 워크플로우를 순서도와 함께 설명한다. 데이터 전처리부터 모델 선택, 학습, 평가, 배포까지의 과정과 각 단계에서 고려해야 할 사항들을 정리한다.
2026년 1월 3일Deep LearningActivation Function 2신경망에서 값을 출력받는 3가지 방법 - 회귀(값), 이진 분류(Sigmoid), 다중 분류(Softmax)의 특징과 용도를 이해한다
2026년 1월 3일Deep LearningLoss Function신경망에서 사용하는 손실 함수의 종류(MSE, MAE, Binary Crossentropy, Categorical Crossentropy 등)와 각각의 특징, 수식, 그리고 문제 유형에 따른 적절한 선택 방법을 학습한다
2026년 1월 3일Deep LearningOptimizer딥러닝 모델의 가중치를 업데이트하는 최적화 알고리즘들(Gradient Descent, SGD, Momentum, Adagrad, RMSProp, Adam)의 원리와 특징을 설명하고 비교한다
2026년 1월 3일Deep Learningblood fatTensorFlow/Keras를 사용하여 몸무게와 나이 데이터로 혈중지방을 예측하는 선형 회귀 모델 구현. Sequential API를 활용한 간단한 신경망 모델 훈련 및 3D 시각화
2026년 1월 2일Deep LearningActivation Function 1은닉층에서 사용하는 주요 활성화 함수들(Sigmoid, Tanh, ReLU, Leaky ReLU 등)의 특징과 장단점을 이해하고, 시그모이드 함수의 기울기 소멸 문제(Vanishing Gradient Problem)의 원인과 해결 방법을 학습한다
2026년 1월 2일Deep LearningPerceptronRosenblatt의 퍼셉트론 알고리즘을 이해하고, AND/OR/NAND 논리 게이트를 단층 퍼셉트론으로 구현하여 선형 분리 가능한 문제를 해결하는 방법을 학습합니다. 퍼셉트론의 구조, 학습 규칙, 그리고 XOR 문제와 같은 선형 분리 불가능한 문제의 한계를 알아봅니다.
2026년 1월 2일Deep LearningMulti Layer Perceptron다층 퍼셉트론(MLP)의 구조와 역전파 알고리즘을 이해하고, XOR 문제를 해결하는 다층 신경망을 구현합니다. 활성화 함수의 역할, 연쇄 법칙을 통한 역전파 원리, 그리고 경사 하강법을 통한 가중치 업데이트 과정을 학습합니다.
2025년 12월 29일Machine Learningiris with knn붓꽃 데이터셋을 활용한 KNN(K-Nearest Neighbors) 분류 모델 구현 및 성능 평가. 데이터 분할, 모델 학습, 정확도 측정, 혼동 행렬 및 분류 리포트를 통한 성능 분석을 수행하고, KNN 알고리즘의 특성과 한계를 학습합니다.