딥러닝 : 설계자의 항해

STEP 0 · 사전 학습 - Python · NumPy 복습 (학습 환경 다지기)

강의 시작 전 기본 환경을 다지는 모듈. Python 기초가 부족해도 따라올 수 있도록 복습 자료 제공.

• 학습 목표: Python 기초 + NumPy 행렬 연산을 손에 익혀 본 강의 코드 실습 준비
• 활용 도구: Python · NumPy · Jupyter
• Python 기초 (변수 · 함수 · 클래스)
• NumPy 배열 · 행렬 연산 기초

STEP 1 · 선형 모델 & 가중치 (의사결정 공식의 시작)

딥러닝의 가장 기본 단위 - y = Wx + b 가 어떻게 "의사결정"이 되는지부터 이해합니다.

• 학습 목표: 가중치 W와 보정값 b의 역할을 실생활 예시로 체득
• 활용 도구: NumPy · matplotlib
• 의사결정 공식의 의미
• 가중치 W · 보정값 b
• 실생활 예시 - 여행 만족도 예측

STEP 2 · 활성화 함수 (비선형성의 필요성)

"왜 Sigmoid가 필요한가?" - 이게 없으면 딥러닝이 왜 작동하지 않는지 직접 풀어봅니다.

• 학습 목표: 비선형 활성화 함수가 필요한 이유를 수식과 그래프로 이해
• 활용 도구: NumPy · Sigmoid · matplotlib
• 활성화 함수가 왜 필요한가
• Sigmoid 함수의 의미와 형태
• 비선형 데이터 - 테니스 승률 예측

STEP 3 · 미분 (변화율의 본질)

경사하강법으로 가기 위한 수학 기초. 고등학교 수준의 미분만 있으면 충분합니다.

• 학습 목표: 평균변화율 → 순간변화율 → 접선의 기울기로 이어지는 흐름 이해
• 활용 도구: NumPy · 그래프 시각화
• 평균변화율 (기울기)
• 순간변화율
• 접선의 기울기

STEP 4 · 경사하강법 (최적값을 찾아가는 알고리즘)

딥러닝 학습의 심장. 손실 함수의 기울기를 따라 한 걸음씩 W · b 를 갱신하는 원리.

• 학습 목표: 학습률(learning rate)이 학습 속도와 안정성에 어떤 영향을 주는지 체감
• 활용 도구: NumPy · matplotlib
• 손실 함수의 최솟값 찾기
• 학습률(learning rate)의 의미
• 경사하강법 한 걸음씩 직접 시뮬레이션

STEP 5 · 다변수 & Chain Rule + ANN 구현 (순수 파이썬으로 모든 것을 합치다)

편미분 · Chain Rule 의 원리를 손으로 풀어본 뒤, 순수 파이썬으로 ANN 한 줄씩 직접 구현해 MNIST 손글씨 분류까지 완성합니다.

• 학습 목표: ANN의 Forward / Backward 를 본인 입으로 설명하고 코드로 작성할 수 있는 수준
• 활용 도구: NumPy · Python · MNIST 데이터셋
• 편미분 - 다변수 함수의 기울기
• Chain Rule (연쇄 법칙) 손풀이
• 순수 파이썬 ANN 구현
• MNIST 손글씨 분류 프로젝트 완성

과정 소개

• model.fit() 안에서
• 무슨 일이 일어나나요?
• AI 블랙박스 열어볼 시간
• 라이브러리 너머를 보는 시간 - 50시간 만에 ANN 원리부터 직접 구현. TensorFlow 없이, 미분 · 경사하강법 · 활성화 함수의 원리부터 시작해 순수 파이썬으로 ANN을 만들어보는 "설계자의 항해" 시리즈 첫 출발.
• 50시간
• ANN 원리 + 구현 풀패스
• 순수 파이썬
• TensorFlow 없이 밑바닥부터
• MNIST
• 손글씨 분류 직접 구현
• 시리즈 01
• CNN · RNN · Transformer 예정

이런 고민을 하고 있다면

• model.fit() 은 쓰는데 그 안에서 뭐가 도는지 모름
• 에러 나면 구글링만, 원리는 막막한 채 복붙
• 면접에서 "왜 그 파라미터?" 질문에 답을 못함
• 하이퍼파라미터 튜닝을 감으로만 하는 중

해결 방식

• 라이브러리 너머를 보는 시간 -
• 원리부터 시작
• 같은 PyTorch를 써도 원리를 아는 개발자는 다릅니다. 모델 동작 원리를 깊이 이해하면 라이브러리를 서비스에 맞게 확장 · 커스터마이징할 수 있습니다.
• 본 강의는 미분 · 경사하강법 · 활성화 함수의 원리부터 시작해 순수 파이썬으로 ANN을 직접 구현하며, "라이브러리 쓰는 사람"이 아니라 "원리를 이해하는 사람"으로 성장시킵니다.
• 수학 기초
• 원리 이해
• 직접 구현
• Custom 확장

사용 도구

• Python
• NumPy
• 미분 (수학)
• Jupyter
• Colab
• 문법 · 함수 · 클래스 수준이면 충분합니다. 사전 복습 모듈 제공.
• 행렬 연산을 직접 다루며 ANN의 흐름을 손에 익힙니다.
• 고등학교 수준의 미분 · 함수 개념만 있으면 충분합니다.
• 수식과 코드를 한 노트에서 비교하며 원리 → 구현 흐름을 학습.
• GPU 환경 없이도 브라우저에서 즉시 실습 가능.

일반 부트캠프와의 차이

• 라이브러리 사용법만 가르치는 강의와
• 무엇이 다를까요?
• 같은 50시간을 써도, 원리를 다루느냐 안 다루느냐가 결과를 가릅니다.
• 딥러닝 : 설계자의 항해 (ANN편)
• 일반 AI 강의
• 라이브러리 강의
• 수학 원리부터 시작
• 미분 · 경사하강법 모듈 포함
• no
• 순수 파이썬 ANN 구현
• 라이브러리 없이 밑바닥부터
• partial
• 일부
• 역전파 수식 전개
• Chain Rule까지 손으로 풀이
• 간단히
• MNIST 직접 구현
• 순수 파이썬으로 완성
• API 호출만
• 면접용 원리 설명력
• 수식 · 구조까지 본인 입으로
• 제한적
• Custom layer 작성
• 확장 · 커스터마이징의 기초

추천 대상

• 복붙 개발자 탈출
• model.fit() 너머의 원리를 알고 싶은 주니어 실무자
• 수학 → 모델 연결
• 미분 · 함수는 알지만 딥러닝에 어떻게 쓰이는지 모르는 비전공자
• 교육자 · 강의자
• "왜 Sigmoid를 쓰나요?" 학생 질문에 막혀본 적 있다면
• 논문 독해 기초
• AI 논문 수식에서 막혀 더 안 읽히는 분
• Custom layer 작성 능력
• 면접에서 원리를 본인 입으로 설명할 수 있는 수준까지
• ANN부터 탄탄히
• CNN · RNN 써봤지만 뿌리부터 다시 다지고 싶은 분
• TensorFlow / PyTorch 사용 중인 1~3년차 주니어 실무자
• Python 기초 + 수학에 흥미 있는 비전공 입문자 (수학 · 이공계 전공자)
• AI 강의 중 학생 "왜요?" 질문에 막히는 교육자 · 강의자
• AI 논문 읽고 싶지만 수식에서 막히는 분

지원 방법

• 수학 → 원리 → 코드 - 모든 단계를 단계별로 공개합니다. 각 챕터마다 5~6개 과제로 이해도를 확인합니다.

학습 지원

• 50시간, 막힘 없이 끝까지
• 자체 출판 교재 연계
• 《딥러닝 : 설계자의 항해》 교재의 ANN 파트를 영상 + 코드 실습으로 풀어낸 형태. 교재 구매자에게 추가 혜택.
• 1:1 Q&A
• 수강 기간 내 강사 · 튜터에게 무제한 질문. 평균 24시간 내 답변.
• 챕터별 과제 5~6개
• 이론만 듣고 끝나지 않도록 매 챕터 과제로 이해도 확인.
• VOD 다시보기
• 수강 기간 + 수료 후 6개월, 언제든 다시보기 가능.

수강료·수료 혜택

• 50시간 영상 강의 (ANN 원리 + 구현)
• 챕터별 과제 5~6개
• 순수 파이썬 ANN 구현 코드
• MNIST 손글씨 분류 프로젝트 코드
• 수료 후 6개월 VOD 다시보기

수료 후

• ANN의 Forward / Backward 원리 완벽 이해
• TensorFlow 없이 순수 파이썬으로 ANN 직접 구현
• MNIST 손글씨 분류 프로젝트 완성
• 면접에서 원리를 본인 입으로 설명할 수 있는 능력
• Custom layer · loss function · optimizer 작성의 기초
• CNN · RNN · Transformer 시리즈로 이어갈 수 있는 탄탄한 토대

마무리

• model.fit() 안에서 무슨 일이 일어나는지 - 직접 보고, 직접 만들어보세요.
• 교재 《딥러닝 : 설계자의 항해》 구매자는 추가 혜택 적용