딥러닝 첫걸음: 신경망 기초부터 파이토치(PyTorch) 텐서 연산까지
강좌 소개
딥러닝의 기본 구성 요소인 인공신경망(Artificial Neural Network)의 수학적 토대부터 산업계 표준 프레임워크인 파이토치(PyTorch)의 텐서 연산까지 기초를 확실하게 다지는 과정입니다.
경사하강법(Gradient Descent)과 오차역전파(Backpropagation)의 계산 원리를 손코딩으로 이해한 후, PyTorch의 nn.Module, Dataset, DataLoader를 활용해 모듈화된 딥러닝 훈련 루프를 작성합니다.
이 강좌에서 배우는 것들
- 퍼셉트론부터 다층 퍼셉트론(MLP)까지의 발전 과정 이해
- PyTorch 텐서(Tensor) 조작 및 자동 미분(Autograd) 원리 습득
- 손실 함수(Loss Function)와 옵티마이저(Adam, SGD) 선택 기준 이해
- 표준 딥러닝 학습 및 검증 루프(Training Loop) 템플릿 완성
교육 과정 (Curriculum)
Section 1: 신경망 기본 원리와 수학적 직관
- 인공신경망의 역사와 딥러닝 혁명의 배경
- 단층 퍼셉트론과 활성화 함수(Sigmoid, ReLU, GELU)
- 경사하강법(Gradient Descent)과 학습률(Learning Rate) 최적화
Section 2: PyTorch 핵심 기초와 자동 미분
- PyTorch 환경 구성 및 GPU(CUDA) 디바이스 설정
- 텐서 생성, 인덱싱, 차원 변경(Reshape, Squeeze, Unsqueeze)
- Autograd 엔진을 활용한 기울기(Gradient) 자동 계산 원리
Section 3: nn.Module과 실전 다층 신경망(MLP)
- nn.Module 상속을 통한 커스텀 신경망 클래스 설계
- Dataset과 DataLoader를 활용한 미니배치 데이터 파이프라인
- Fashion-MNIST 의류 분류 신경망 훈련 및 정확도 평가 프로젝트
필수 조건
- 파이썬 기본 프로그래밍 능력
- 기초 선형대수 및 미분 개념(교재 내에서 쉽게 설명)
수강 대상
- 딥러닝 공부를 시작하려는 컴퓨터/데이터 전공자 및 입문자
- TensorFlow에서 PyTorch로 전향하려는 개발자
- 딥러닝 신경망의 내부 작동 원리를 수학적/코드적으로 이해하고 싶은 학습자