딥러닝이란?

딥러닝은 컴퓨터가 엄청 많은 예시를 보면서 스스로 패턴을 배우는 방법이에요. 사람이 규칙을 하나하나 넣어 주는 게 아니라, 데이터를 보여 주면 '이런 입력에는 이런 출력이 나오구나'를 스스로 찾아 내요. 이때 쓰는 구조가 인공 신경망이에요. 뇌의 뉴런처럼 작은 계산 단위를 여러 층으로 쌓은 것이 딥러닝이에요.

왜 딥러닝이 중요할까요? 우리 주변의 많은 기술이 딥러닝으로 돌아가요. ChatGPT, Gemini처럼 대화하고 글을 만들어 주는 AI, 테슬라 같은 자율주행(카메라로 차선·보행자·신호를 인식), 넷플릭스·유튜브 추천, 번역기, 얼굴 인식까지 모두 같은 원리—입력을 숫자로 바꾸고, 층을 따라 곱셈·덧셈을 반복해 결과(분류, 예측, 생성)를 내는 거예요. 실제로 다양한 업계(IT, 의료, 금융, 제조 등)와 학계에서는 머신러닝·딥러닝 연구가 주를 이루고 있어요.

시중의 좋은 성능 모델을 쓰면 안 될까요? 시중의 좋은 성능 모델을 쓰는 것, 또는 딥러닝·머신러닝 모델을 만드는 것도 바이브코딩으로 가능해요. 다만 그 모델을 잘 쓰고, 변경하거나 활용하려면 이 챕터에서 다루는 기초 지식(내적, 행렬 곱, 기울기 등)이 필요해요. 그래서 딥러닝을 배우고 챕터들을 따라가는 것이 중요해요.

한 층이 하는 일은 '들어온 숫자들에 가중치를 곱하고 더해서 다음 층으로 넘기는 것'이에요. 층이 여러 개 이어지면서 단순한 정보가 점점 '가장자리', '눈·코', '강아지/고양이' 같은 큰 특징으로 바뀌어요. 학습은 정답 예시를 보여 주면서 가중치를 조금씩 바꿔 정답에 가깝게 만드는 과정이에요. '어디를 얼마나 바꿀지'를 알려 주는 것이 기울기(그래디언트)예요. Ch12에서 배워요.

이 코스에서는 어떻게 배우나요? 한 층이 하는 일은 결국 곱하기·더하기의 반복이에요. Ch01 내적 → Ch02 행렬 곱 → Ch03~05 선형 계층·활성화·인공 뉴런 → Ch06~10 배치·연결·은닉층·깊이·너비 → Ch11~12 소프트맥스·기울기 순서로, 그 계산이 어떻게 이루어지는지 한 걸음씩 배워요.

아래 로드맵에서 각 챕터가 무엇을 다루는지 확인해 보세요. Ch01부터 차근차근 따라오면, ChatGPT나 자율주행 같은 시스템이 내부적으로 어떤 수식을 쓰는지 이해할 수 있게 될 거예요.