NumPy 기반 기초 수학 연산 구현을 통한 ML 파이프라인 프로토타이핑

Context

고수준 ML 라이브러리 의존성으로 인해 발생하는 내부 동작 원리 이해 부족 문제를 해결하기 위한 접근 방식. 수치 계산의 기본 단위인 Vector와 Matrix 연산을 직접 구현하여 AI 모델의 하부 구조를 분석함.

Technical Solution

• Cosine Similarity 함수 설계를 통한 Vector 공간 내 데이터 유사도 측정 로직 구현
• NumPy Slicing 및 Broadcasting을 활용한 Dataset의 Feature-Label 분리 및 정규화 구조 설계
• Mean과 Standard Deviation 기반의 Z-score Normalization을 통한 특성 스케일 일치화
• Gradient Descent 알고리즘의 직접 구현으로 Linear Regression 모델의 가중치 최적화 프로세스 구축
• Residual Analysis 및 Z-score 검증을 통한 모델 피팅 상태의 통계적 유효성 평가
• Neural Network의 Forward Pass 로직을 Matrix Multiplication으로 추상화하여 다층 구조 연산 처리