수식과 구조로 이해하는 인공신경망 기초 과정

PART 01 · 예측과 선형모델 (18시간)

실제값과 예측값의 차이를 확인하고 입력에 가중치를 곱하고 편향을 더하는 단순 선형모델을 구현합니다.

• 오차·절대오차·제곱오차
• 가중치와 편향, y = wx + b
• 여러 샘플 예측
• 선형모델의 구조와 한계

PART 02 · 손실함수와 학습 (18시간)

샘플마다 다른 오차를 하나의 학습 기준으로 만드는 손실함수를 이해하고 MAE와 MSE를 직접 구현합니다.

• 오차와 손실의 차이
• MAE와 MSE
• 전체 데이터의 손실 계산
• 학습·검증 데이터와 과소·과대적합 기초

PART 03 · 미분과 경사하강법 (30시간)

가중치에 따른 손실 그래프를 만들고 기울기를 이용해 가중치와 편향을 수정하는 선형모델 학습을 완성합니다.

• 평균 변화율과 순간 변화율
• 기울기·접선·수치미분
• 가중치별 손실 곡선
• 경사하강법과 학습률
• 가중치·편향 업데이트와 종료 기준

PART 04 · MLP와 학습 구조 (30시간)

단일 뉴런의 한계를 확인하고 은닉층과 활성화 함수를 추가해 2층 MLP의 순전파·역전파를 직접 구현합니다.

• 단일 뉴런과 선형 분리, AND·OR·XOR
• 여러 뉴런과 은닉층
• Sigmoid·ReLU와 도함수
• 순전파·연쇄법칙·역전파
• 2층 MLP 반복 학습

PART 05 · 데이터 구조에 따른 신경망 (24시간)

표·이미지·순차 데이터의 차이를 확인하고 CNN의 합성곱·풀링과 RNN의 순환 계산을 직접 구현합니다.

• 표·이미지·순차 데이터의 구조
• 필터·합성곱·stride·padding
• 특징맵과 max pooling
• hidden state와 RNN 셀
• MLP·CNN·RNN 비교

과정 소개

• 딥러닝, 불러와 쓰기 전에
• 직접 만들어보세요
• AI 모델링 × AI 교육 강사 선형모델과 MLP의 학습 과정을 처음부터 끝까지 Python으로 구현하고, CNN·RNN의 핵심 계산 구조까지 직접 확인합니다.
• 120시간
• 총 훈련시간
• 20일
• 1일 6시간
• Python
• 기초 필수
• 내일배움카드
• 참여 유형별 자비부담 상이

이런 고민을 하고 있다면

• model.fit()은 실행했지만 그 안에서 어떤 값이 바뀌는지는 모르겠다
• 가중치·손실함수·미분·역전파를 하나의 학습 과정으로 연결하기 어렵다
• 프레임워크 코드에 오류가 나면 어느 계산부터 확인해야 할지 모르겠다
• MLP·CNN·RNN의 이름은 알지만 데이터에 따라 구조가 달라지는 이유를 설명하기 어렵다
• Python이나 데이터 강의는 할 수 있지만 딥러닝을 초심자에게 가르칠 자신은 없다

해결 방식

• 한 줄의 API 아래 숨겨진
• 학습 과정을 직접 구현
• 완성된 모델을 불러와 학습시키는 데서 끝내지 않고, 예측값 생성부터 손실·기울기 계산과 가중치 수정까지 전 과정을 Python으로 구현하며 틀린 예측이 어떻게 수정되는지 직접 확인합니다.
• 예측값 계산
• 손실 계산
• 기울기 계산
• 가중치 수정
• 반복 학습
• 신경망 확장

교육 안내

• 교육 안내
• 과정 유형
• 국민내일배움카드
• 직업능력개발훈련
• 훈련 시간
• 120시간
• 20일 · 1일 6시간
• 일정·운영 방식·장소
• 확정 후 안내
• 자비부담금
• 참여 유형별 상이
• 고용24에서 개인별 확인

사용 도구

• Python
• Jupyter Notebook
• Matplotlib
• 반복문·함수·리스트로 예측·손실·기울기·가중치 업데이트를 직접 구현
• 수식과 손계산, 코드와 실행 결과를 한 흐름으로 기록
• 손실 곡선과 학습 결과를 그래프로 확인하고 변화 원인을 분석
• ※ 핵심 모델 학습은 TensorFlow·PyTorch·scikit-learn의 모델·자동미분·optimizer에 의존하지 않습니다.

일반 부트캠프와의 차이

• 더 많은 라이브러리 대신,
• 모델 안쪽으로
• 완성된 모델을 호출하는 학습과 예측·손실·기울기·업데이트를 직접 작성하는 학습의 차이
• 인공신경망 기초 과정
• 일반 프레임워크 중심 학습
• 핵심 계산
• Python으로 직접 작성
• 완성된 모델 호출
• 선형모델·MLP
• 예측부터 역전파·업데이트까지 구현
• 라이브러리 학습 API 사용
• CNN·RNN
• 핵심 계산 구조 구현
• 모델 사용법 중심
• 오류 학습
• 실패 코드와 오개념까지 디버깅
• 정답 코드 재현 중심
• 결과물
• 코드·실패 실험·분석 기록
• 실행 결과 중심
• 커리어 방향
• AI 모델링·AI 교육 강사
• 단일 기술 학습

추천 대상

• 미분과 선형대수 선수지식은 필수가 아니지만 반복문·함수·리스트를 사용할 수 있는 Python 기초가 필요합니다.
• Python 기초를 갖춘 취업 준비생
• AI 모델링의 내부 구조를 익히고 싶은 분
• 데이터 분석에서 AI 모델링으로
• 모델링 역량으로 확장하려는 분
• 개발자·분석가의 직무 전환
• AI 관련 직무 전환을 준비하는 분
• 프레임워크 너머 원리 이해
• 내부 학습 구조를 설명하고 싶은 분
• Python·데이터에서 AI 강의로
• 강의 분야를 확장하려는 교육자
• 설명과 질문 대응 역량 강화
• 초심자에게 정확히 가르치고 싶은 분

지원 방법

• 지원 방법
• 1
• 과정 상담 또는 사전 신청
• 희망 진로와 Python 학습 경험, 20일 참여 가능 여부를 확인합니다.
• 2
• 카드와 자비부담금 확인
• 국민내일배움카드 보유·발급 가능 여부와 개인별 자비부담액을 확인합니다.
• 3
• Python 사전진단
• 반복문·함수·리스트와 간단한 오류 수정 등 필요한 기초 수준을 확인합니다.
• 4
• 고용24 수강신청
• 고용24에서 과정과 회차를 확인하고 정식 수강신청을 진행합니다.
• 5
• 최종 등록과 사전학습
• 필요한 결제·등록 절차를 완료하고 진단 결과에 따른 Python 보충자료를 학습합니다.

강사

• Sean
• 인공신경망 기초 과정
• female
• Python으로 신경망의 계산 과정을 직접 구현하고, 수식과 코드를 연결해 설명하는 수업을 진행합니다.
• 수식과 코드 연결
• Python 직접 구현
• 디버깅·오개념 점검

학습 지원

• 단계별 코드 지원
• 초반에는 코드 골격을 제공하고 중반부터 함수명·입출력, 요구사항만 남겨 직접 구현 범위를 확대
• 오류 기반 학습
• 업데이트 부호·학습률·도함수·차원·초기값 오류를 실제 실패 코드로 진단
• 개념 이해
• 오차·손실·미분·학습과 신경망 구조를 수식과 코드로 설명하는 능력 평가
• 직접 구현
• 선형모델·경사하강법·MLP와 CNN·RNN 핵심 연산 구현 결과 평가
• 디버깅·해석
• 손실 미감소·학습률·차원·도함수 오류의 원인 진단과 수정 과정 점검
• 포트폴리오·설명
• 결과물 완성도와 개선 기록, 코드와 결과를 타인에게 설명하는 능력 확인
• ※ 평가 비중과 내부 통과 기준은 승인된 훈련계획과 실제 운영 기준이 확정된 뒤 안내합니다.

참여 전 확인사항

• 수강 전 준비 사항
• 120시간을 문법 학습이 아니라 신경망의 원리와 구현에 집중하기 위한 최소 조건입니다.
• 필수
• Python 기초
• 변수·자료형, 조건문·반복문, 함수, 리스트·딕셔너리, 인덱싱과 기본 오류 메시지 해석 필요
• 국민내일배움카드
• 수강을 위해 카드가 필요하며 발급 가능 여부와 개인별 자비부담액은 고용24에서 확인
• 안내
• 수학 선수지식
• 미분과 선형대수 선수지식은 필수가 아니며 필요한 범위를 작은 숫자와 코드로 단계별 학습
• 비추천
• Python 완전 입문
• Python을 처음 배우는 경우 신경망 구현보다 문법 학습이 우선이므로 본 과정과 맞지 않음
• 생성형 AI·자동화만 학습
• 프롬프트와 업무 자동화만 배우거나 코딩·수식 없이 자격증만 원하는 경우 비추천
• 확인
• 취업·강의 배정 비보장
• 20일 수료만으로 딥러닝 개발자 취업이나 포스코 강사 활동이 확정되지 않음

수강료·수료 혜택

• 국민내일배움카드 필요
• 120시간 · 20일 · 1일 6시간
• 참여 유형과 지원 조건에 따라 자비부담금 상이
• 정확한 금액은 고용24에서 개인별 확인
• 국민내일배움카드 직업능력개발훈련

수료 후

• 예측값을 계산하고 오차와 손실의 차이를 설명
• 수치미분과 경사하강법으로 선형모델을 반복 학습
• 학습률과 업데이트 방향에 따른 손실 변화 분석
• 2층 MLP의 순전파·역전파 직접 구현
• 학습 실패 시 도함수·초기값·자료구조 순서로 점검
• 합성곱·풀링과 RNN 셀의 핵심 계산 구현
• 데이터에 따라 MLP·CNN·RNN을 선택하는 근거 제시
• 작성한 코드와 결과를 다른 사람에게 설명

마무리

• 예측, 손실, 기울기, 역전파를 직접 구현하고 원한다면 그 원리를 가르치는 AI 교육 강사 커리어에도 도전해 보세요.
• 국민내일배움카드가 필요한 직업능력개발훈련이며 참여 유형에 따라 자비부담금이 달라질 수 있습니다. 강사 진출은 별도 평가와 실제 강사 수요에 따라 결정됩니다.