코딩 없이 연필과 종이만으로 딥러닝의 핵심을 완전정복한다.

전세계 AI 전문가들이 극찬한 핸즈온 워크북으로 복잡한 코드와 프로그래밍 없이, 오직 손을로 직접 계산하며 딥러닝의 수학적 원리를 체득할 수 있는 혁신적인 학습서입니다.

이런 분들께 강력 추천

• AI/머신러닝을 제대로 이해하고 싶은 개발자

• 딥러닝 수학의 기초를 탄탄히 다지고 싶은 학생

• 블랙박스 AI가 아닌 원리를 알고 싶은 실무진

• 수학적 직관력을 기르고 싶은 연구사

214개 단계별 연습문제로 무리 없이 마스터할 수 있고 손으로 직접 체험할 수 있습니다. 이론과 실무의 완벽한 연결고리 제공합니다. 더 이상 딥러닝을 두려워하지 마세요. 연필 하나면 충분합니다.

추천사

미국 텍사스 A&M대학교 컴퓨터공학과 김지은 교수

이 책은 인공지능의 핵심 원리를 손으로 직접 계산하고 시각적으로 이해할 수 있도록 구성된, 보기 드문 학습 자료다. 심지어 와이파이조차 연결되지 않는 비행기에서나 휴가지에서 스도쿠, 낱말 퍼즐을 풀듯이 술술 손으로 풀어나갈 수 있는 퍼즐북에 가깝다. 특히 수식과 이론 위주로 흐르기 쉬운 AI 교육에서, 이 책은 연필과 종이만으로도 신경망의 작동 원리와 학습 과정을 아주 쉬운 단계에서부터 복잡한 과정까지 혼자서 따라갈 수 있도록 돕는다.

서울대학교 조선해양공학과 딥러닝연구실 교수 김태완

이 책은 공식을 나열하고 연습문제를 던져주는 데 그치지 않습니다. 복잡한 개념을 퍼즐 풀듯이 문제-해결의 퍼즐 구조로 재구성하여 자기 스스로 손으로 계산하고 이해의 층위를 쌓아 올리도록 설계되어 있습니다.

미분·선형대수·확률과 같은 딥러닝의 핵심 수학을 손끝의 사고(Hands-On Reasoning)로 체화화하며, 딥러닝을 “사용”에서 “이해”로 옮기고자 하는 학부·대학원생, 현업 엔지니어, 그리고 수업을 설계하는 교육자들에게 믿을 만한 길잡이가 될 것입니다.

Asia2G 캐피탈 창립파트너, 모두의연구소 CVO, DGIST

전기전자컴퓨터공학과 겸직교수 정지훈

어느 날, 우연히 톰 예(Tom Yeh) 교수의 포스팅을 보다가 팬이 되었다. 복잡한 AI 모델의 핵심 원리를 어쩜 이리도 명쾌하고 아름다운 애니메이션으로 설명할 수 있을까?

이 책은 바로 그 감동과 통찰을 고스란히 담고 있다. 페이지를 넘길 때마다 마치 그의 옆에서 직접 설명을 듣는 것처럼, 어려운 개념들이 하나씩 명쾌하게 정리될 것이다. 복잡한 수식에 지쳐 AI에 대한 흥미를 잃어가던 이들, 이제 막 AI의 세계에 발을 들이려는 이들, 그리고 더 깊은 수준의 직관을 얻고 싶은 전문가들 모두에게 이 책은 최고의 안내서가 될 것이라 확신한다.

KAIST 전산학부 부교수 김주호

이 책은 굉장히 파격적이고 독창적인 구조를 가지고 있습니다. 완전한 문장 하나 없이, 숫자와 다이어그램만으로 개념을 쌓아 올리면서 이론을 ‘읽는’ 대신 직접 ‘체험하게’ 합니다. 딥러닝의 복잡한 수학 개념이 머릿속 지식이 아니라 ‘내 손의 이해’로 바뀌는 순간을 경험하게 됩니다.

작년 KAIST를 방문한 교수님이 직접 “손으로” 강연해 주셨을 때, 학생들은 AI 개념이 숫자와 도식만으로도 이해될 수 있다는 사실에 놀라워했습니다.

이번 한글판의 출간으로, 한국의 많은 학생과 연구자가 딥러닝 수학을 손으로 익히는 새로운 길을 만나게 될 것입니다.

콜로라도 대학교 볼더 캠퍼스에서 컴퓨터 과학 부교수로 재직중이며, 이매진 AI 연구소를 이끌고 있다. 그의 연구와 교육은 인공지능, 인간·컴퓨터 상호작용, 교육, 윤리, 그리고 신경과학에 걸쳐있다. 그는 150편 이상의 동료 심사 논문을 발표했으며, 그중 많은 논문이 최고의 국제 학술대회에서 최우수 논문상과 명예 언급상을 수상했다. 콜로라도 대학교 올해의 학생부 교수상과 교육 및 연구 우수성을 수상하는 등 여러 대학에서 우수한 성적을 거두었다.

현대 AI 모델을 명확하고 단계별로 설명함으로써 이해할 수 있도록 하는 글로벌 교육 운동인 손으로 배우는 AI를 창시한 사람이기도 하다. 그의 작품은 LinkedIn, X(구 트위터), Substack, YouTube에서 20만 명 이상의 팔로워를 보유한 커뮤니티에 영감을 주었다.

연구, 교육, 그리고 홍보를 통해 AI의 최전선에서 전 세계 학습자들이 더 인간 중심적이고 투명하며 접근하기 쉽게 만들기 위한 노력을 하고 있다.

1. Dot Product(내적)

2. Matrix Multiplication(행렬 곱)

3. Linear Layer(선형 계층 또는 선형 변환층)

4. Artificial Neuron(활성화 함수)

5. Batch(인공 뉴런)

6. Connection(배치)

7. Hidden Layer(연결)

8. Deep(깊이, 은닉층이 많은 신경망)

9. Wide(너비, 뉴런 수가 많은 층)

10. Softmax(소프트 맥스 함수 또는 확률 분포화 함수)

11. Gradient(기울기)