# CMU 10-202: 현대 인공지능 입문

> Clean Markdown view of GeekNews topic #27144. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=27144](https://news.hada.io/topic?id=27144)
- GeekNews Markdown: [https://news.hada.io/topic/27144.md](https://news.hada.io/topic/27144.md)
- Type: GN+
- Author: [neo](https://news.hada.io/@neo)
- Published: 2026-03-03T07:36:48+09:00
- Updated: 2026-03-03T07:36:48+09:00
- Original source: [modernaicourse.org](https://modernaicourse.org)
- Points: 20
- Comments: 1

## Summary

**카네기멜론대학(CMU)** 의 ‘10-202: 현대 인공지능 입문’ 강의는 **머신러닝과 대규모 언어모델(LLM)** 의 핵심 원리를 실습 중심으로 다룹니다. 지도학습과 트랜스포머 구조를 익히며, 수백 줄의 코드로 **오픈소스 LLM을 직접 구현**하는 과정을 진행합니다. 온라인 버전은 무료로 제공됩니다. 요즘 학교에서는 어떻게 AI를 교육하는지 볼 수 있어서 흥미로웠어요.

## Topic Body

- **카네기멜론대학(CMU)** 에서 개설된 이 강의는 **현대 인공지능 시스템의 작동 원리**를 다루는 입문 과정  
- **머신러닝과 대규모 언어모델(LLM)** 을 중심으로, ChatGPT·Gemini·Claude 같은 시스템의 기반 기술을 학습함  
- 수강자는 **기초 지도학습, 신경망, 트랜스포머, 사후 학습(post-training)** 을 익히고, 오픈소스 LLM을 직접 구현할 수 있음  
- 온라인 버전은 **무료로 제공되며**, CMU 수업보다 2주 지연된 일정으로 강의 영상과 과제가 공개됨  
- **AI 도구 활용을 허용하되**, 최종 제출물은 스스로 작성할 것을 권장하며, 이는 학습 이해도를 높이기 위한 정책임  
  
---  
  
### 강의 개요  
- 본 강의는 **현대적 의미의 인공지능(AI)**, 즉 **머신러닝과 대규모 언어모델(LLM)** 을 중심으로 구성됨  
  - ChatGPT, Gemini, Claude 등과 같은 시스템의 기반 기술을 다룸  
  - LLM의 기본 구현은 소수의 머신러닝 기법과 구조로 구성되며, 수백 줄의 코드로 작성 가능함  
- 수강자는 **지도학습, LLM, 사후 학습(post-training)** 의 기본 원리를 익히고, **AI 챗봇을 직접 구현**할 수 있음  
- 다루는 주요 주제는 다음과 같음  
  - AI의 간략한 역사  
  - 지도학습: 선형모델, 손실함수, 최적화, 신경망  
  - 대규모 언어모델: 자기어텐션, 트랜스포머, 토크나이저, 효율적 추론  
  - 사후 학습: 지도 미세조정, 정렬 및 명령 튜닝, 추론 모델, 안전 및 보안  
  
### 온라인 과정  
- **무료 온라인 버전**이 CMU 수업과 동시에 개설되며, CMU 일정보다 **2주 지연된 콘텐츠**를 제공함  
  - 강의 영상, 과제(mugrade 시스템), Colab 노트북 등이 포함됨  
  - 퀴즈, 중간·기말시험은 온라인 버전에 포함되지 않음  
- [Enroll here](https://modernaicourse.org/enroll.html)를 통해 강의 및 과제 공개 시 이메일 알림을 받을 수 있음  
- TA, 오피스아워, 성적평가 등은 CMU 수업에만 해당됨  
  
### 평가 및 선행 요건  
- **성적 구성**  
  - 과제 및 프로그래밍 20%  
  - 과제 퀴즈 40%  
  - 중간·기말시험 40% (각 중간 10%, 기말 20%)  
- **필수 선행 과목**  
  - 프로그래밍: Python 기반 객체지향 프로그래밍 숙련 필요 (15-112 또는 15-122)  
  - 수학: 미분 계산을 포함한 기초 미적분(21-111 또는 21-120), 선형대수·확률 기초 권장  
  
### 과제 및 프로그래밍  
- 주요 과제는 **AI 챗봇의 점진적 구현**을 목표로 함  
  - mugrade 시스템을 통해 제출하며, Colab 및 Marimo 노트북 버전 제공  
  - 일부 과제는 이전 과제의 결과를 기반으로 진행됨  
- 과제 목록  
  - HW0: 자동 채점 및 프로그래밍 기초  
  - HW1: 선형대수 및 PyTorch  
  - HW2: 자동미분 및 선형모델 학습  
  - HW3: 신경망 학습  
  - HW4: 트랜스포머 구현  
  - HW5: 최소 LLM 구현  
  - HW6: 지도 미세조정 및 챗봇 학습  
  - HW7: 강화학습  
- 각 과제 후에는 **15분 퀴즈**가 있으며, 과제 코드나 개념을 기반으로 출제됨  
  
### 시험 및 강의 일정  
- **중간고사 2회, 기말고사 1회**로 구성되며, 모두 오프라인·폐쇄형 시험임  
  - 중간 1: 지도학습  
  - 중간 2: 대규모 언어모델  
  - 기말: 누적 평가(후반부 비중 높음)  
- 강의 일정은 학기 중 업데이트되며, 온라인 버전은 2주 후 공개됨  
  - 예: 1/12 ‘AI의 역사’, 1/28 ‘선형모델’, 2/16 ‘중간고사 1’, 3/18 ‘중간고사 2’, 4/20 ‘HW7 마감’ 등  
  
### AI 도구 사용 정책  
- **AI 도우미 사용 허용**: 과제 및 프로그래밍 시 AI 도구를 참고용으로 사용할 수 있음  
- 단, **최종 제출물은 직접 작성**할 것을 강력히 권장함  
- 수업 중 평가(퀴즈·시험)에서는 **AI 및 외부 자료 사용 금지**  
- 정책의 목적은 학습 효율 향상에 있음  
  - AI는 학습 보조에 유용하지만, 과도한 의존은 이해도 저하로 이어질 수 있음  
  - 스스로 과제를 해결한 학생이 퀴즈·시험에서 더 좋은 성과를 내는 경향이 있음

## Comments



### Comment 52202

- Author: neo
- Created: 2026-03-03T07:36:48+09:00
- Points: 1

###### [Hacker News 의견들](https://news.ycombinator.com/item?id=47204559) 
- AI 과목의 **정책**을 보면, 과제나 프로그래밍 숙제에서는 AI 도우미 사용을 허용하지만, **최종 제출본은 스스로 작성**하길 권장함  
  수업 중 퀴즈나 시험에서는 AI나 외부 자료 사용이 금지됨  
  이유는 AI가 학습 도구로는 유용하지만, 과도한 의존은 학습을 방해할 수 있기 때문임  
  스스로 문제를 해결한 학생이 시험에서 훨씬 좋은 성과를 낸다는 경험적 근거가 있음
  - 이런 정책이라면 **기말시험 성적이 매우 낮거나 부정행위**가 발생할 가능성이 높다고 생각함
  - 이 접근은 CMU의 “reasonable person principle”과 비슷하다고 느낌  
    학생들이 어차피 AI를 쓸 걸 알지만, **학습 의지와 자기개발**을 믿는다는 점이 핵심임  
    예전에 비슷한 과정을 도왔는데, AI가 디버깅을 도와줬다면 학생들이 더 많은 내용을 다루고 **CUDA 구현** 같은 흥미로운 부분에 집중할 수 있었을 것임  
    이번 새 수업은 정말 흥미로워 보이고, Zico 교수는 훌륭한 교사임
  - 이런 방식이 가장 이상적이라고 생각함  
    AI로 이해 속도를 높이고, 마지막에는 **AI 없이 평가**받는 구조가 학습을 굳히는 데 좋음
  - 예전에 내 교수님은 숙제 점수와 시험 점수가 크게 다르면 숙제 점수를 무시하고 **시험만으로 성적을 매기는 정책**을 썼음  
    당시엔 불공평하다고 느꼈지만, 지금 생각하면 매우 공정한 방식이었음  
    지금 시대에 더 적합한 접근 같음

- 이 과목의 강의자는 OpenAI 이사회 멤버임  
  관련 기사: [Zico Kolter joins OpenAI’s board of directors](https://openai.com/index/zico-kolter-joins-openais-board-of-directors/)

- ‘modern AI’가 LLM만을 가리키는 게 아쉬움  
  현대 AI는 훨씬 더 **넓은 분야**를 포함하는데, 제목만 보고 더 다양한 SOTA 모델을 기대했음  
  그래도 CMU 강의는 대체로 훌륭하니 좋은 코스일 것 같음  
  혹시 다른 분야까지 다루는 자료가 있다면 매우 관심 있음

- 며칠 전부터 무료 버전으로 수강 중인데, **과제 시스템이 정말 훌륭함**  
  로컬에서 직접 테스트를 돌릴 수 있어서, 단순히 듣는 것보다 훨씬 학습이 잘 됨  
  10점 만점에 10점 추천임
  - 과제 수행에 필요한 **하드웨어 리소스**가 궁금함  
    개인 컴퓨터로 하는 건지, 아니면 클러스터 접근 권한이 주어지는지 알고 싶음

- 이 강의가 좋은 코스인지 궁금함  
  혹은 LLM의 작동 원리를 체계적으로 배우기 위한 **다른 추천 코스**가 있는지 묻고 싶음

- 실제로 모든 과제를 수행하며 수업을 따라가는 사람들에게 묻고 싶음  
  현실적으로 **주당 몇 시간**을 투자해야 완주할 수 있는지 궁금함

- 포스트모던 AI가 나오길 기다리고 있음
  - 그땐 **AI 로봇보다 햄버거를 더 잘 굽는 법**을 배우게 될지도 모름

- **상징적 추론(symbolic reasoning)** 관련 내용이 없는 게 아쉬움
  - 그건 지금의 “classical AI” 범주에 속함
  - 오히려 modern AI의 **정반대 방향**임
  - 그건 아마 **가을학기 Post-modern AI** 수업에서 다룰 예정일 것임
  - 그건 애초에 AI가 아님

- 강의와 함께 볼 수 있는 **교재 출판**을 기대함  
  나오면 바로 구매할 생각임

- Lisp와 Prolog의 **부활**을 보게 되어 반가움
  - 아쉽게도 이번 강의에는 포함되지 않음  
    그래도 Lisp와 Prolog는 여전히 유용함  
    신경망을 처음부터 구현할 때는 C가 적합하고, Python으로 **서브시스템을 연결**하면 충분히 복잡한 시스템을 만들 수 있음
  - 사실 Lisp와 Prolog는 죽은 적도, 완전히 사라진 적도 없음  
    늘 **자기만의 영역**에서 조용히 존재해왔음
  - Prolog는 다른 모습으로 **Erlang**이라 불리기도 함