Deep Learning - 배움 에이아이

딥러닝(Deep Learning)은 다층 신경망을 통해 데이터의 복잡한 패턴을 학습하는 머신러닝의 한 분야입니다. 이 탭에서는 신경망의 수학적 기초부터 CNN, RNN, 생성 모델까지 핵심 아키텍처를 PyTorch로 구현하며 학습합니다.

학습 경로

이 탭은 7개 그룹, 총 43개 문서로 구성됩니다. 각 그룹은 이전 그룹의 내용을 기반으로 하므로 순서대로 학습하는 것을 권장합니다.

그룹	핵심 내용	페이지
00. 시작하기	ML에서 DL로의 전환, 아키텍처 전체 지도	3
01. 신경망 기초	퍼셉트론, 활성화/손실 함수, 역전파, 옵티마이저	7
02. PyTorch 기본	텐서, Autograd, nn.Module, DataLoader, 학습 루프	7
03. CNN	합성곱, 풀링, 아키텍처 계보, 전이학습	5
04. 시퀀스 모델	RNN, LSTM/GRU, Seq2Seq, 감성 분석	5
05. 학습 실무 기법	스케줄러, Mixed Precision, 분산 학습, MLflow	6
06. 임베딩과 표현 학습	Word2Vec, Sentence-BERT, 대조 학습	4
07. 생성 모델	AE, VAE, GAN, Diffusion	6

머신러닝 탭을 완료한 학습자라면 ML에서 DL로부터 시작합니다. PyTorch 경험이 있다면 신경망 기초로 바로 진입할 수 있습니다.

모든 실습 코드는 PyTorch 기반입니다. 아래 환경 설정 가이드를 참고합니다.

MPS 백엔드 PyTorch 설치

CUDA 기반 PyTorch 설치

sklearn MLP와 PyTorch 비교로 이해하는 DL 전환

아키텍처 계보와 응용 분야 한눈에 보기

퍼셉트론부터 역전파까지 수학적 기초

텐서, Autograd, nn.Module 핵심 API