Study Page

딥러닝 & 머신러닝 학습 가이드

코딩이 처음인 학생도 따라올 수 있는 실습 중심 강좌입니다.
대학생 수준에서 시작해 CNN · RNN · Transformer · LLM까지 13주에 도달합니다.

각 주차는 ① 개념 → ② 수식 → ③ scikit-learn / PyTorch 코드 → ④ 인터랙티브 데모 순서입니다. Python 문법은 2주차에서 다루므로 미리 알 필요는 없습니다.

📚 주차별 강의

Week 1

AI의 세계 (OT)

AI/ML/DL의 차이, 첫 분류기 KNN.

 Week 2

데이터 핸들링 & Python

NumPy, Pandas, train/test 분할, 표준화.

 Week 3

회귀 1 — 선형회귀

손실함수, 최소제곱, 다항 회귀.

 Week 4

회귀 2 — 로지스틱회귀

다중회귀, Ridge/Lasso, 시그모이드 분류.

 Week 5

분류 알고리즘

KNN · SVM · Decision Tree.

 Week 6

비지도학습

K-Means · DBSCAN · PCA.

 Week 7

인공 신경망

퍼셉트론, MLP, PyTorch로 학습.

 Week 8

심층신경망 & 역전파

깊은 MLP, 옵티마이저, 드롭아웃.

 Week 9

CNN 기초

합성곱, 풀링, 필터 시각화.

 Week 10

CNN 2 — 전이학습

데이터 증강, ResNet, Fine-tuning.

 Week 11

RNN & LSTM

시퀀스, 게이트, 텍스트 임베딩.

 Week 12

RNN 심화

GRU, BiLSTM, 시계열 예측.

 Week 13

Transformer & LLM

셀프 어텐션, BERT/GPT, HuggingFace.

🎯 학습 순서

  1. 기초 다지기 (W1–W2): AI의 큰 그림과 데이터 다루는 법.
  2. 예측 모델 (W3–W4): 가장 기본인 회귀와 첫 분류기.
  3. 분류와 군집화 (W5–W6): 다양한 알고리즘의 강·약점 비교.
  4. 신경망 입문 (W7–W8): MLP와 깊은 신경망, 역전파.
  5. 이미지 (W9–W10): CNN과 전이학습.
  6. 시퀀스 (W11–W12): RNN, LSTM, GRU.
  7. 최첨단 (W13): 트랜스포머와 LLM.
💡 권장 환경 — Google Colab(브라우저만 있으면 됨) 또는 로컬에서 pip install scikit-learn pandas matplotlib torch.