AI 수학
AI를 위한 미적분
딥러닝의 미분과 역전파 수식을, 함수와 극한부터 차근차근 따라가며 이해합니다. 코딩 없이 애니메이션과 손계산으로 신경망이 학습하는 원리를 확인합니다.
18개 섹션 · 144개 레슨 · 미리보기 8개 · 난이도 입문
₩79,000₩99,000정가 ₩99,00020% 할인
인프런 기준 · 2026-11-21 확인
강의 소개
이런 분께 맞아요
- 딥러닝 강의나 논문에 나오는 미분과 역전파 수식을 이해하고 싶은 분
- 모델을 실행해 본 경험은 있지만, 프레임워크 안에서 그래디언트를 계산하는 원리가 궁금한 분
- 선형대수 기초를 배운 뒤, 미적분을 그림과 계산으로 익히며 AI 공부를 이어가고 싶은 분
시작하기 전에
- 「AI를 위한 선형대수학」 수강 또는 이에 준하는 벡터, 행렬, 내적, 선형변환의 기초 지식
- 방정식 풀이, 좌표평면, 간단한 그래프 읽기 등 고등학교 수준의 대수
- 미적분 선행 학습과 프로그래밍 경험은 필요하지 않습니다. 별도의 개발 환경 설치 없이 진행합니다
- 학습 부담 18개 섹션 144개 수업, 미리보기 8개. 프로젝트 3개에서 직접 계산해 봅니다.
얻게 될 결과
- 함수, 극한, 도함수, 연쇄 법칙을 신경망과 연결해 설명할 수 있습니다
- 손실 함수의 그래디언트를 구하고 가중치 조정 방향을 계산할 수 있습니다
- 작은 신경망의 순전파, 손실, 역전파, 가중치 갱신을 직접 계산할 수 있습니다
- 경사 하강법, 모멘텀, Adam의 원리를 비교해 설명할 수 있습니다
- 시그모이드, tanh, ReLU, 소프트맥스의 도함수를 구하고 해석할 수 있습니다
강의 미리보기
커리큘럼
18개 섹션 · 144개 레슨 · 미리보기 8개
미리보기
- 섹션 1 · 1강강의 소개와 학습 목표보기
- 섹션 2 · 3강그래프로 함수의 변화 살펴보기보기
- 섹션 4 · 21강곡선을 확대하면 직선처럼 보이는 이유보기
- 섹션 5 · 31강연쇄 법칙(체인 룰): 합성함수의 미분보기
- 섹션 7 · 47강프로젝트 소개: 뉴런 하나를 미분해 보기보기
- 섹션 9 · 63강경사 하강법의 동작 원리보기
- 섹션 12 · 87강프로젝트 소개: 실제 데이터로 손실 곡면 살펴보기보기
- 섹션 17 · 132강프로젝트 소개: 신경망 학습의 전 과정보기
설명 방식이 마음에 드셨다면, 전체 강의는 인프런에서 이어집니다.
인프런에서 수강하기전체 커리큘럼
01강의 소개와 학습 안내1개 레슨 · 무료 1
- 1강의 소개와 학습 목표미리보기
02함수의 언어 — 미적분을 위한 기초7개 레슨 · 무료 1
- 2함수란 무엇인가: 입력과 출력의 관계유료
- 3그래프로 함수의 변화 살펴보기미리보기
- 4직선의 기울기와 변화율유료
- 5일차함수, 다항함수, 유리함수, 구간별 함수유료
- 6지수함수와 로그함수의 관계유료
- 7합성함수: 함수의 출력을 다음 함수의 입력으로유료
- 8합성함수로 이해하는 신경망유료
03변화의 개념 — 극한과 AI 학습9개 레슨
- 9선형대수에서 미적분으로유료
- 10AI 학습에 미적분이 필요한 이유유료
- 11그래프로 살펴보는 극한유료
- 12수치와 그래프로 이해하는 극한유료
- 13두 점을 가까이하면 할선은 어떻게 변할까?유료
- 14함수의 연속: 끊어지는 곳과 이어지는 곳유료
- 15좌극한과 우극한, 함수의 모서리유료
- 16무한대에서의 극한과 점근선유료
- 17극한에서 미분으로유료
04도함수 — 기울기, 접선, 순간 변화율9개 레슨 · 무료 1
- 18평균 변화율에서 순간 변화율로유료
- 19차분몫: 두 점 사이의 변화율유료
- 20도함수의 정의와 표기법유료
- 21곡선을 확대하면 직선처럼 보이는 이유미리보기
- 22접선과 그 기울기유료
- 23위치에 따라 달라지는 접선의 기울기유료
- 24도함수의 그래프 읽기유료
- 25미분이 불가능한 경우유료
- 26도함수로 가중치의 조정 방향 판단하기유료
05미분의 도구 — 기본 규칙과 체인 룰10개 레슨 · 무료 1
- 27거듭제곱 미분법과 다항함수의 미분유료
- 28상수, 합, 차의 미분법유료
- 29곱의 미분법에 두 항이 필요한 이유유료
- 30몫의 미분법과 적용 방법유료
- 31연쇄 법칙(체인 룰): 합성함수의 미분미리보기
- 32여러 겹의 합성함수에 연쇄 법칙 적용하기유료
- 33고계도함수와 곡률유료
- 34직선과 포물선으로 함수 근사하기유료
- 35미분 공식과 수치 미분 비교하기유료
- 36연쇄 법칙과 역전파의 관계유료
06지수·로그와 활성화 함수10개 레슨
- 37자연상수 e의 의미유료
- 38eˣ을 미분해도 eˣ이 되는 이유유료
- 39지수함수와 로그함수의 도함수유료
- 40로그로 곱셈을 덧셈으로 바꾸기유료
- 41시그모이드 함수와 그 도함수유료
- 42tanh와 그 도함수유료
- 43ReLU의 도함수와 0에서의 미분유료
- 44소프트맥스와 그 도함수유료
- 45활성화 함수와 도함수의 그래프 비교유료
- 46활성화 함수의 도함수가 학습에 미치는 영향유료
07미니 프로젝트 — 단일 뉴런의 미적분6개 레슨 · 무료 1
- 47프로젝트 소개: 뉴런 하나를 미분해 보기미리보기
- 481단계: 가중합, 편향, 활성화 함수로 뉴런 표현하기유료
- 492단계: 뉴런의 계산을 단계별로 나누기유료
- 503단계: 각 단계의 도함수 구하기유료
- 514단계: 가중치와 편향에 대한 도함수 구하기유료
- 525단계: 파라미터 변화에 따른 출력의 민감도 해석하기유료
08손실 함수와 그래디언트8개 레슨
- 53손실 함수: 예측 오차를 수치로 나타내기유료
- 54평균제곱오차(MSE)와 그래디언트유료
- 55평균절대오차(MAE)와 L1 손실의 미분유료
- 56교차 엔트로피 손실과 그 그래디언트유료
- 57소프트맥스와 교차 엔트로피를 함께 미분하기유료
- 58후버 손실: L1과 L2 손실의 장점 결합하기유료
- 59손실 함수의 그래프와 기울기 비교유료
- 60손실 함수 선택이 학습에 미치는 영향유료
09경사 하강법 — 학습 알고리즘8개 레슨 · 무료 1
- 61손실 곡선에서 최솟값 찾기유료
- 62도함수의 부호와 손실이 줄어드는 방향유료
- 63경사 하강법의 동작 원리미리보기
- 64가중치 갱신 공식과 학습률유료
- 65학습률에 따른 수렴, 진동, 발산유료
- 66평평한 구간에서 학습이 느려지는 이유유료
- 67그래디언트를 이용한 탐색과 직접 탐색 비교유료
- 68손실을 줄이는 과정으로 이해하는 모델 학습유료
10다변수 미적분 — 수백만 차원의 변화11개 레슨
- 69두 변수 함수의 그래프: 3차원 곡면유료
- 70편미분: 한 변수만 바꿀 때의 변화율유료
- 71곡면의 단면으로 편미분 이해하기유료
- 72편미분을 모아 그래디언트 벡터 만들기유료
- 73등고선과 그래디언트의 관계유료
- 74그래디언트가 최대 증가 방향을 가리키는 이유유료
- 75그래디언트 장으로 곡면의 변화 살펴보기유료
- 76방향 도함수: 특정 방향의 변화율유료
- 77헤시안: 이계 편미분과 곡률유료
- 78야코비안 행렬 — 벡터값 함수의 도함수유료
- 79파라미터가 많을 때의 그래디언트유료
11배치 학습 — 데이터에 걸친 그래디언트 평균7개 레슨
- 80여러 데이터의 손실을 합쳐 전체 손실 구하기유료
- 81합의 그래디언트와 미분의 선형성유료
- 82데이터별 그래디언트의 평균 구하기유료
- 83배치 크기가 그래디언트 추정에 미치는 영향유료
- 84배치, 미니배치, 확률적 경사 하강법유료
- 85SGD와 전체 배치 학습의 경로 비교유료
- 86미니배치를 사용하는 이유유료
12중간 프로젝트 — 실제 데이터의 손실 곡면 내려가기8개 레슨 · 무료 1
- 87프로젝트 소개: 실제 데이터로 손실 곡면 살펴보기미리보기
- 881단계: 모델, 데이터, 손실 함수 정하기유료
- 892단계: 손실 곡면 구하기유료
- 903단계: 그래디언트 벡터 계산하기유료
- 914단계: 미니배치의 그래디언트 평균 구하기유료
- 925단계: 경사 하강법을 여러 번 계산하기유료
- 936단계: 등고선에 학습 경로 표시하기유료
- 947단계: 학습률과 배치 크기를 바꿔 비교하기유료
13역전파 — 계산 그래프 위의 체인 룰9개 레슨
- 95계산 그래프로 신경망 표현하기유료
- 96순전파: 입력에서 예측까지 계산하기유료
- 97그래디언트를 역방향으로 계산하는 이유유료
- 98계산 그래프에 연쇄 법칙 적용하기유료
- 99국소 그래디언트: 각 연산의 도함수유료
- 100역전파로 그래디언트 계산하기유료
- 101작은 신경망의 순전파와 역전파 따라가기유료
- 102역전파가 중간 계산을 재사용하는 방법유료
- 103역전파를 이용한 신경망 학습유료
14더 깊은 신경망으로 확장하기8개 레슨
- 104여러 층의 신경망에 연쇄 법칙 적용하기유료
- 105층이 깊어질수록 그래디언트는 어떻게 달라질까?유료
- 106야코비안의 곱으로 표현하는 역전파유료
- 107신경망의 깊이와 역전파 계산량유료
- 108그래디언트 소실과 폭발유료
- 109활성화 함수 선택과 그래디언트 소실유료
- 110뉴런 수가 늘어날 때의 역전파유료
- 111깊은 신경망을 안정적으로 학습시키는 방법유료
15최적화 지형과 고급 옵티마이저11개 레슨
- 112극소점, 전역 최솟값, 안장점유료
- 113학습이 멈춘 지점은 극소점일까, 안장점일까?유료
- 114볼록 함수와 비볼록 함수의 최적화유료
- 115모멘텀의 원리와 가중치 갱신유료
- 116좁은 골짜기에서 모멘텀이 효과적인 이유유료
- 117RMSProp: 파라미터별 학습률 조정유료
- 118Adam: 모멘텀과 적응형 학습률의 결합유료
- 119같은 손실 곡면에서 옵티마이저 비교하기유료
- 120학습률 스케줄: 워밍업, 감쇠, 어닐링유료
- 121헤시안과 곡률을 활용한 최적화유료
- 122옵티마이저 선택과 설정 조정유료
16적분 — 미적분의 또 다른 절반9개 레슨
- 123곡선 아래 넓이와 누적량유료
- 124작은 넓이의 합에서 적분으로유료
- 125미적분의 기본 정리: 미분과 적분의 관계유료
- 126정적분과 부정적분유료
- 127확률 밀도 함수의 전체 적분이 1인 이유유료
- 128적분으로 기댓값 구하기유료
- 129확률 밀도 함수의 넓이로 확률 구하기유료
- 130몬테카를로 적분: 표본으로 적분값 추정하기유료
- 131AI에서 적분이 쓰이는 곳유료
17캡스톤 프로젝트 — 신경망은 어떻게 학습하는가11개 레슨 · 무료 1
- 132프로젝트 소개: 신경망 학습의 전 과정미리보기
- 1331단계: 신경망 구조, 초기 가중치, 손실 함수 정하기유료
- 1342단계: 순전파로 첫 예측 계산하기유료
- 1353단계: 예측값으로 손실 계산하기유료
- 1364단계: 역전파로 모든 파라미터의 그래디언트 구하기유료
- 1375단계: 미니배치 평균으로 가중치 갱신하기유료
- 1386단계: 학습을 반복하며 손실 변화 살펴보기유료
- 1397단계: 에포크별 손실 곡선 그리기유료
- 1408단계: 손실 곡선으로 학습 문제 진단하기유료
- 141학습 과정 전체에서 미적분의 역할 정리하기유료
- 142실제 AI 학습에서 자동화되는 계산과 직접 정할 것유료
18AI를 위한 미적분 정리와 다음 단계2개 레슨
- 143AI를 위한 미적분 핵심 개념 정리유료
- 144다음 과정 안내: AI를 위한 확률과 통계유료
AI를 위한 미적분
전체 강의는 인프런에서 이어집니다.
₩79,000₩99,000정가 ₩99,00020% 할인
