수학 원리부터 NumPy 구현까지, 꼼꼼한 딥러닝
딥러닝의 수학 원리를 가장 꼼꼼하게
딥러닝 예제를 실행하는 데서 그치지 않고, 알고리즘이 왜 그렇게 동작하는지 수학과 코드로 이해하는 강의입니다.
함수와 행렬, 미분과 최적화부터 자동 미분, 다층 신경망과 역전파까지 차근차근 연결합니다. 마지막에는 NumPy로 신경망을 직접 구현하며 배운 원리를 코드로 확인합니다.
1. 머신 러닝의 선형 회귀와 로지스틱 회귀 알고리즘 원리 및 실습
2. 최적화 이론과 경사하강법의 자세한 동작 원리
3. 인공 신경망 역전파 알고리즘의 깊은 수학 원리
4. NumPy만 사용한 인공 신경망 프로그램 구현(코드 150줄 이하)
완강 후에는 아래의 인공 신경망 역전파 과정을 구성 요소별로 이해하고 설명할 수 있습니다.
머신 러닝과 딥러닝의 배경 수학에 관심이 있는 분
딥러닝 예제를 실행하는 데서 그치지 않고 원리를 확실하게 알고 싶은 분
데이터 사이언스·통계학 전공의 고학년 또는 대학원 초반 수준 학습자
1. 사칙연산, 제곱, 제곱근
2. 다항식의 변수에 값을 대입하여 계산하는 법
3. 직선과 이차곡선을 식으로 이해하는 법
4. 머신 러닝·딥러닝에 대한 상식 수준의 기초 지식(필수 아님)
강사 소개
조준우 · 개발자·저자
영남대학교에서 3차원 인체 곡면 최적 전개 연구로 박사 학위를 받았습니다. 최적화와 인공지능의 연결을 꾸준히 연구하고 강의했으며, 한국과학기술정보연구원 선임연구원을 거쳐 현재는 창업 후 개발자로 일하고 있습니다.
저서 『머신 러닝·딥 러닝에 필요한 기초 수학 with 파이썬』을 집필했습니다. 이 강의 역시 수학 개념을 실제 머신 러닝·딥러닝 알고리즘과 코드에 연결해 이해할 수 있도록 구성했습니다.
자주 묻는 질문
수학을 어느 정도 알아야 하나요?
사칙연산과 다항식, 직선과 이차곡선을 식으로 이해할 수 있다면 시작할 수 있습니다. 행렬, 미분, 최적화에 필요한 개념은 강의에서 단계적으로 설명합니다.
Python 경험이 꼭 필요한가요?
기본 문법을 알고 있으면 실습에 도움이 됩니다. NumPy, scikit-learn, PyTorch를 활용하며, 수학 원리와 코드가 어떻게 연결되는지 함께 설명합니다.
강의 자료가 제공되나요?
챕터별 PDF와 Jupyter Notebook 등 수업에 필요한 학습 자료를 강의실에서 다운로드할 수 있습니다.
수강 기간과 강의 분량은 어떻게 되나요?
수강 기간은 무제한입니다. 총 89개 수업, 영상 80개로 구성되어 있으며 실제 영상 재생시간은 약 20시간 19분입니다.
커리큘럼
꼼꼼한 딥러닝
강사
수업 수
수강 기한
난이도
조준우
89개 (영상 80개 · 약 20시간 19분)
무제한
입문 – 초급 – 중급