안녕하세요. 개발자로 일하면서 AI에 관심이 생겨 작년부터 야간 인공지능 대학원에 다니며 공부하고 있는 직장인입니다.
인공지능 경시대회에 참가해 수상도 해보고 다양한 모델을 직접 만들고 튜닝해보면서 느낀 점이 있습니다.
테크닉도 중요하지만 결국 성능의 차이를 만드는 것은 기초에 대한 이해라는점이었습니다.
바이브코딩으로 모델을 빠르게 적용하는 것은 쉬워졌지만 성능이 기대만큼 나오지 않을 때 그 원인을 설명하고 개선하는 일은 여전히 어렵습니다.
특히 수학적 기반과 인공지능 원리에 대한 이해가 없다면 어디에서 병목이 발생하는지 구조적으로 분석하기 힘들다고 느꼈습니다.
그래서 공부하며 정리한 내용을 바탕으로 직접 학습 플랫폼을 개발해 공개했습니다.
플랫폼은 기초 수학부터 딥러닝 핵심 구조까지 단계적으로 이어지는 커리큘럼으로 구성되어 있습니다.
📘 Part 1. 기초 수학과 인공지능
Ch.00 기초 수학과 인공지능: AI의 언어를 배우다
Ch.01 함수: 입력과 출력을 잇는 AI의 기본 단위
Ch.02 지수와 지수함수: 성장과 활성화의 수학
Ch.03 로그 함수: 곱셈을 덧셈으로, 손실을 설계하는 언어
Ch.04 극한과 ε-δ: ‘한없이 가까워진다’를 정의하다
Ch.05 연속성: 끊김 없는 곡선, 미분의 문을 열다
Ch.06 미분과 도함수: 순간의 기울기, 학습의 나침반
Ch.07 연쇄 법칙: 겹친 함수를 풀다, 역전파의 핵심
Ch.08 편미분과 그라디언트: 여러 변수의 세계, 경사 하강의 방향
Ch.09 적분: 넓이와 누적, 확률로 가는 다리
Ch.10 확률 변수와 확률 분포: 불확실성을 숫자로 담다
Ch.11 평균과 분산: 분포의 중심과 퍼짐
Ch.12 균등 분포와 정규 분포: 초기화부터 예측까지
📗 Part 2. 딥러닝의 구조 이해
Ch.00 딥러닝의 첫걸음: AI는 어떻게 생각할까?
Ch.01 벡터 내적: 데이터 사이의 닮은꼴 찾기
Ch.02 행렬 곱셈: 한꺼번에 계산하는 마법
Ch.03 선형 계층: 중요도를 결정하는 가중치
Ch.04 활성화 함수: 인공지능에 판단력을 더하다
Ch.05 인공 뉴런: 정보를 모아 신호를 보내는 단위
Ch.06 배치 처리: 묶어서 한 번에 학습하기
Ch.07 가중치 연결: 지능을 만드는 수조 개의 사슬
Ch.08 은닉층: 눈에 보이지 않는 생각의 깊이
Ch.09 깊은 신경망: 더 복잡한 문제를 푸는 힘
Ch.10 너비와 뉴런: 한 번에 더 많은 특징 찾기
Ch.11 소프트맥스: 결과를 확신으로 바꾸기
Ch.12 기울기와 역전파: 실수를 통해 배우는 법
Ch.13 총정리: 한눈에 보는 인공지능 지도
단순 개념 요약이 아니라 연산의 흐름을 단계적으로 따라가며 “왜 이렇게 동작하는지” 이해하는 방식으로 구성했습니다. 시각화와 인터랙션 중심입니다.
앞으로는 머신러닝을 포함해 다양한 AI 교육 콘텐츠를 지속적으로 확장해 나갈 예정입니다.
아직 초기 버전이지만 계속 개선 중입니다.
피드백 주시면 적극 반영하겠습니다.