챕터별 상세
강의 소개 및 철학
이 강의는 단순한 지식 전달이 아니라 딥러닝 연구를 위한 '언어'를 배우는 과정이다. 최신 기술은 금방 구식이 되기 때문에 특정 도구 사용법보다는 연구를 수행할 수 있는 사고방식과 기초 체력을 기르는 데 집중한다. 칠판을 주로 사용하는 이유는 정보가 휘발되지 않고 교수와 학생이 실시간으로 논리를 구축해 나가는 과정을 공유하기 위함이다.
강의 운영 및 평가 방식
강의는 6개의 퀴즈, 4개의 과제, 2개의 프로젝트로 구성된다. 첫 번째 프로젝트는 가이드가 제공되는 실습이며, 두 번째 프로젝트는 학생이 자유롭게 주제를 선정하여 가설을 검증하는 방식이다. 최종 시험은 칠판 앞에서 자신의 논리를 설명하고 교수의 질문에 방어해야 하는 구술 시험으로 진행된다.
딥러닝의 역사적 기원: 1943년
딥러닝의 역사는 1943년 Warren McCulloch와 Walter Pitts의 논문에서 시작되었다. Walter Pitts는 12세에 Bertrand Russell의 'Principia Mathematica'를 읽고 저자와 서신을 주고받을 정도로 천재적인 논리학자였다. 이들은 생물학적 뉴런의 작동 방식을 논리적인 계산 단위로 모델링하려는 시도를 처음으로 수행했다.
이진 뉴런(Binary Neuron)의 개념
뉴런의 'All-or-None' 반응을 논리적 True/False로 연결하여 모델링했다. 뉴런은 활성화(On)되거나 비활성화(Off)되는 두 가지 상태만 가지며, 이는 수학적 논리의 이진 상태와 일치한다. 예를 들어 '비가 오거나 예보가 있으면 우산을 챙긴다'는 논리 회로를 뉴런의 연결로 표현할 수 있음을 보여주었다.
McCulloch-Pitts 뉴런의 수학적 모델
입력값(Feature)에 가중치(Weight)를 곱해 합산하는 Linear Sum 수식을 정의했다. 합산 결과인 s가 0보다 크면 1을 출력하고, 그렇지 않으면 0을 출력하는 활성화 함수를 적용했다. 이를 위해 Iverson Bracket 노테이션이나 Heaviside Step Function을 사용하여 수학적으로 엄밀하게 표현했다.
편향(Bias)과 임계값(Threshold)의 통합
뉴런이 활성화되는 기준인 임계값(Threshold)을 수식 내부의 가중치 항으로 포함시켰다. 임계값의 음수 값을 별도의 가중치 W0로 설정하고 입력값 F0를 1로 고정하여 'Bias'라는 개념을 도출했다. 딥러닝은 이러한 뉴런들을 여러 층으로 쌓은 Deep Neural Network를 연구하는 분야임을 정의하며 강의를 마무리했다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 02. 11.수집 2026. 02. 21.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
