Der Artikel von Nikhil Dasari bei Towards Data Science ist der zweite Teil einer Serie, die neuronale Netze von Grund auf erklärt. Ausgangspunkt ist ein einfaches Dataset (Lernstunden vs. Prüfungsnoten), das in Teil 1 eingeführt wurde und mit einer einzigen linearen Funktion nicht angemessen modelliert werden kann. Das vorgestellte Netz besteht aus einer Hidden Layer mit zwei Neuronen und nutzt ReLU als Aktivierungsfunktion, um Nichtlinearität einzuführen. Der Artikel schlägt eine pädagogische Brücke von der bekannten linearen Regression – mit Parametern β0 und β1 sowie MSE-Verlustfunktion – zur komplexeren Parameterlandschaft eines neuronalen Netzes mit sieben Parametern (w1, w2, w3, w4, b1, b2, b3). Am konkreten Beispiel wird gezeigt, warum das Netz bei x=1 einen Vorhersagefehler von 27 Punkten (28 statt 55) produziert und weshalb eine gezielte Parameteranpassung nötig ist. Die Verlustfunktion für das neuronale Netz umfasst ReLU-transformierte Zwischenwerte und ist damit deutlich verschachtelter als im linearen Fall, was die Notwendigkeit von Backpropagation motiviert. Der Beitrag legt damit gezielt die konzeptionelle Grundlage für die mathematische Herleitung der Gewichtsaktualisierungen in einem Folgeteil.