👤 익명 1

콘텐츠 제목	Variational Inference
피어 리뷰 결과	통과
콘텐츠의 장점	제가 읽어본 변분 추론에 관한 웹 포스트중에 가장 쉽게 적힌 글이네요. 단순히 수식과 개념만 나열한 것이 아니라 여러 시각화 자료를 활용한 것이 좋았습니다.
개선할 점
(부연 설명이 필요한 부분, 줄여야 할 부분)	‘중급’ 독자를 위한 글이라고 하셨는데, 변분 추론을 위한 선수 지식을 좀 더 구체화해서 글의 서두에 적어주시면 좋을 거 같습니다.그렇게 되면 변분 추론에 관심을 갖고 새롭게 진입한 독자에게 더욱 친절한 글이 될 것이라고 생각합니다.
이슈가 되는 부분
(저작권, 윤리적 이슈 등)	없습니다.
사소하지만 개선되면 좋은 부분	글의 마지막에 Reference 및 추천 학습 자료도 적어주시면 독자들에게 유용할 것 같네요.
느낀 점	피어리뷰를 위해 여러번 읽으면서 참 노력이 많이 들어간 글이라는 생각이 들었습니다.수식 및 시각적 자료도 과하지 않게 적당히 포함되어 있어서 이해하기 좋았습니다. 앞으로 작성하실 콘텐츠들도 많이 기대가 됩니다.

👤 익명 2

콘텐츠 제목	[머신러닝] 분포를 추정해서 손글씨를 만들어보자
피어 리뷰 결과	통과
콘텐츠의 장점	variational inference라는 어려운 주제를 잘 풀어서 설명하고 있습니다. 본론으로 들어가기 전에 글의 내용을 쌓아올리는 방식이 인상적이었고, 글에서 소개되었던 예시들도 좋았습니다.
개선할 점
(부연 설명이 필요한 부분, 줄여야 할 부분)	`[콘텐츠 1]`

들어가며 ****- ‘파라미터의 분포’ 이야기가 나온 배경을 더 설명해주시면 좋을 것 같습니다. 콘텐츠에서 다루어질 variational inference / VAE가 파라미터의 분포를 추정하는 것과 어떤 연관성이 있는지 언급해주시면 왜 ‘파라미터 분포 추정’이라는 키워드가 이번 콘텐츠에서 핵심적인 개념이 되는지 독자 분들이 더 쉽게 이해할 수 있을 것 같네요. warm-up 파트에 있는 내용과도 어느 정도 겹치는 부분이 있어 보입니다. (머신러닝 방법론으로 잘 알려진 MLE, MAP와는 다르게, 얘네는 확률 분포를 추정한다...)
분포를 왜 추정하는 걸까? warm-up

두 번째 문단의 수식 $p(x; \theta_1, \theta_2, ...)$ 에 대한 부연 설명이 더 있었으면 독자 분들이 이해하기 쉬울 듯 합니다. 예를 들면 좌변의 확률 분포 식이 어떻게 우변의 likelihood 식과 연결되는지, $I(x=i)$가 무엇을 의미하는 것인지 등등...

동전 던지기 예시에서 가설과 prior를 설정하는 부분이 조금 더 명확하게 설명이 되었으면 더 좋을 것 같습니다. $\theta=0.5$ 에서 0.8, $\theta=0.6$ 에서 0.2의 값을 가지는 확률분포를 prior $p(\theta)$로 설정하고, 각각의 $\theta$값에 대해 posterior를 계산하는 것으로 보이는데, 이런 전체적인 흐름을 내용에 포함시켜 주시면 좋겠습니다. 그리고 가설도 prior와 독립적으로 설정될 수 있는 값이 아니라 prior의 확률 분포 자체가 하나의 가설이 되고, 이러한 조건에서 여러 파라미터 값에 대해 posterior를 계산하고 최적의 파라미터를 찾는 것이 매끄러운 전개가 될 것 같습니다.
사소한 의견: prior의 확률 분포가 $\theta_{MLE}$인 0.7에서는 확률이 아예 0이고, $\theta=0.5$에 큰 가중치를 주고 있는데, 확률 분포를 조금 더 완만하게 설정하셔도 괜찮을 것 같습니다. “prior를 극단적으로 설정하면 MLE와 MAP의 결과가 이렇게 달라질 수 있다!”를 보여주시려는 의도라면 지금도 괜찮고요🙂

[콘텐츠 2]

냥멍 모델의 경계점 $x_{boundary}$에 대한 수식이 이해가 어려울 수도 있을 것 같아서, $x_{boundary}$와 decision boundary를 나타낸 그림이라도 하나 추가해주시면 독자 분들이 이해하기가 더 쉬울 것 같습니다.

variational inference의 수식을 유도하는 부분이 아무래도 독자 분들에게는 쉽지 않을 것 같아서 부연 설명이 필요해 보이긴 하는데, 원래 어려운 개념들이라 구체적인 방향을 제안해드리기가 쉽지 않네요... | | 이슈가 되는 부분 (저작권, 윤리적 이슈 등) | | | 사소하지만 개선되면 좋은 부분 | [콘텐츠 2] variational inference 예시 및 시각화
각각의 예시에 해당하는 제목(예시 1 ~ 예시 3)의 가시성을 높이면 더 좋을 것 같습니다. (볼드체, 글자색 등의 변화) | | 느낀 점 | 베이지안 머신러닝... 저도 예전에 찍먹해본 적 있는 내용이지만 개념들이 복잡하고 수식도 많아서 공부하기가 어려웠던 기억이 나네요. 저자님의 콘텐츠로 저도 많이 배우는 기회가 될 것 같습니다. 좋은 콘텐츠 감사드립니다! |

콘텐츠 제목	[머신러닝] 분포를 추정해서 손글씨를 만들어보자
피어 리뷰 결과	통과
콘텐츠의 장점	왜? 가 많아서 좋았습니다.
분포를 추정해야 하는 이유가 무엇인지/ VI가 생겨난 이유가 무엇인지
같은 필요성을 언급해주어서 흥미로웠습니다.
개선할 점
(부연 설명이 필요한 부분, 줄여야 할 부분)
이슈가 되는 부분
(저작권, 윤리적 이슈 등)	없습니다.
사소하지만 개선되면 좋은 부분	“마무리” 헤더가 수정되면 좋겠습니다. 간단하게 콘텐츠를 정리하거나 아예 “다음편 예고”같은 이름으로 바뀌면 좋겠습니다.
캡션 이야기는 이미 나온 것 같아 넘어가겠습니다.

느낀 점	내용과 글의 흐름이 좋아서 통과입니다.
다만 포맷팅이나 설명의 디테일에 신경쓰면 더 좋은 콘텐츠가 되리라고 생각합니다.
개선할 점도 내용 자체를 추가하거나 빼거나가 아닌 아쉬운 디테일 지적입니다.

두 가지 방법으로 최적의 parameter를 추정할 수 있다면 parameter의 분포에 대해 꼭 알아야 할까요? MLE와 MAP의 차이점에 대해 간단히 살펴보겠습니다.

앞 문장과 뒷 문장이 호응하지 않습니다. “필요성을 알기 위해 먼저 MLE와 MAP를 간단히 살펴보겠습니다” 같은 말로 바뀌면 좋겠습니다.

Untitled

설명이 잘 이해가 안됩니다. 값을 최대로 만드는 parameter를 구해야 하는데 0.5, 0.6 두 값으로만 설정해서 보여주는 게 헷갈립니다. 두 가설에 대해 prior를 다르게 잡은 이유도 잘 모르겠습니다. prior는 같은 값으로 잡아두고 $\theta$ 에 따라 likelihood가 바뀌어서 Posterior의 차이가 난다는 식으로 설명해야하는 게 아닌가 싶습니다.