누가, 왜 공부하는가¶
주요 대상¶
- 물리학, 화학, 재료과학, 공학, 수학, 컴퓨터과학 등에서 AI 활용에 관심이 있는 학부생·대학원생·연구자
- 퍼셉트론이나 역전파 전후에서 딥러닝 학습이 멈춘 사람
- 기술 이름을 외우기보다 기술이 해결하려는 문제와 상호관계를 알고 싶은 사람
- 논문에서 처음 보는 모델을 스스로 분류하고 후속 자료를 찾고 싶은 사람
학위나 전공보다 실제 진입 역량이 중요하다. 대학 초반 수준의 선형대수·미적분·확률 용어를 본 경험이 있으면 시작할 수 있다. 현재 본문을 읽는 데 Python은 필수가 아니며, 향후 선택 실습을 진행할 때만 기본 문법이 필요하다.
중심 목표¶
새로운 모델을 접했을 때 다음 다섯 묶음의 질문을 던질 수 있는 개념적 지도를 만든다.
- 문제와 데이터: 어떤 형태의 데이터를 입력받고 무엇을 예측·생성·결정하는가?
- 표현과 구조: 데이터의 어떤 구조를 모델에 반영하는가?
- 학습: 어떤 신호와 목적 함수로 학습하며 역전파와 옵티마이저는 각각 무엇을 하는가?
- 평가: 무엇과 비교하고 어떤 평가 지표와 데이터 분할을 사용하는가?
- 적용 범위: 어떤 조건에서 사용할 수 있고 무엇을 보장하지 못하는가?
종료 후 기대하는 수준¶
학습자는 각 기술을 직접 구현하지 못하더라도 다음을 할 수 있어야 한다.
- 기술의 목적과 전체 지도상의 위치를 짧게 설명한다.
- 비슷한 이름을 가진 방법의 역할 차이를 구분한다.
- 관심 논문에서 입력, 출력, 모형, 손실 함수, 데이터, 기준 모델, 평가 지표를 찾는다.
- 더 깊은 학습에 필요한 선수 개념과 대표 자료를 선택한다.
- 응용 사례를 과학적 성능 주장과 구분한다.
비목표¶
- 모델별 완전한 수학적 증명과 구현 숙련
- 최신 연구의 완전한 커버리지
- 특정 벤치마크를 위한 최적 설정
- 한 번의 과정으로 독립적인 딥러닝 연구자를 양성하는 것
- 강화학습, 생성 모델, PINN 등 일부 주제를 전체 딥러닝의 중심으로 과장하는 것