코딩맥스
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

대표 미리보기 · 21강곡선을 확대하면 직선처럼 보이는 이유인프런 미리보기 (새 탭)

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

전체 커리큘럼

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

AI를 위한 미적분

전체 강의는 인프런에서 이어집니다.

인프런에서 수강하기

₩79,000₩99,000정가 ₩99,00020% 할인

인프런에서 보기