GPT vs Gemini vs Claude 삼국지(유튜브 영상자료를 반응형 학습자료로)

https://damien0x0023.github.io/rnnExplainer/ 이사이트 처럼 rnn의 개념을 한국어로 설명해주면서 시뮬레이션해주는 코드 구현해봐. 1. 벡터의 개념을 포함함. 2. 워드 임베딩 과정을 보다 시각적으로 보여줌 3. 수학을 잘모르는 고등학교1학년 학생들도 이해할 수 있을만큼 직관적인 시각자료로 구현

import streamlit as st import numpy as np import matplotlib.pyplot as plt from sklearn.decomposition import PCA # 1. 페이지 제목 및 설명 st.title("🌱 RNN 개념 시뮬레이터") st.write("고1도 이해할 수 있는 직관적 시각자료로 RNN 구조를 단계별로 살펴봄") # 2. 벡터의 개념 st.header("1. 벡터의 개념 설명") st.write("문장을 수치 벡터로 변환하는 과정을 살펴봄") # 예시 벡터 생성 vec = np.array([1, 0, 1, 0, 0]) # 단순 예시용 st.write("예시 벡터:", vec) # 벡터 시각화 fig1, ax1 = plt.subplots() # 2차원으로만 표시하기 위해 앞 두 요소 사용 ax1.quiver(0, 0, vec[0], vec[1], angles='xy', scale_units='xy', scale=1) ax1.set_xlim(-1, 2); ax1.set_ylim(-1, 2) ax1.set_xlabel("벡터 x축 성분"); ax1.set_ylabel("벡터 y축 성분") ax1.set_title("벡터 시각화") ax1.grid(True) st.pyplot(fig1) # 3. 워드 임베딩 과정 st.header("2. 워드 임베딩 시각화") words = ["사과", "바나나", "포도", "오렌지"] # 랜덤 임베딩(차원=5) 생성 embeddings = np.random.randn(len(words), 5) # PCA로 2차원 축소 pca = PCA(n_components=2) emb2d = pca.fit_transform(embeddings) # 2D 산점도 fig2, ax2 = plt.subplots() for i, w in enumerate(words): ax2.scatter(emb2d[i, 0], emb2d[i, 1]) ax2.text(emb2d[i, 0] + 0.02, emb2d[i, 1] + 0.02, w, fontsize=12) ax2.set_title("2D 워드 임베딩 공간") ax2.set_xlabel("PCA 축 1"); ax2.set_ylabel("PCA 축 2") ax2.grid(True) st.pyplot(fig2) # 4. RNN 시퀀스 시뮬레이션 st.header("3. RNN 시퀀스 시뮬레이션") seq = st.text_input("문장을 입력하세요", "나는 학교에 간다") # 전처리: 단어 토큰화 tokens = seq.split() # RNN 파라미터 초기화 input_dim = 5 hidden_dim = 5 U = np.random.randn(hidden_dim, input_dim) # 입력→은닉 가중치 W = np.random.randn(hidden_dim, hidden_dim) # 은닉→은닉 가중치 V = np.random.randn(input_dim, hidden_dim) # 은닉→출력 가중치 h = np.zeros(hidden_dim) # 초기 hidden state for t, tok in enumerate(tokens): st.subheader(f"스텝 {t+1}: 입력 단어 '{tok}'") # 단순 임베딩 예시: 글자 수 기준 벡터 생성 x = np.zeros(input_dim) x[:len(tok) % input_dim] = 1 # 상태 업데이트: h_t = tanh(U x_t + W h_{t-1}) h = np.tanh(U @ x + W @ h) # 출력 계산: y_t = V h_t y = V @ h st.write("• 현재 은닉 상태 h:", np.round(h, 2)) st.write("• 현재 출력 y:", np.round(y, 2)) # 은닉 상태 바 차트로 시각화 fig3, ax3 = plt.subplots() ax3.bar(range(hidden_dim), h) ax3.set_ylim(-1, 1) ax3.set_xlabel("은닉 유닛 인덱스"); ax3.set_ylabel("활성화 값") ax3.set_title(f"Hidden State at Step {t+1}") st.pyplot(fig3)