GDGoC AI 스터디 운영 + 코어 선학습 통합 기록 | 손재민 (AI 코어)

📌 스터디 한눈에 보기

항목	내용
목적	GDGoC AI 스터디 운영 (코어: 손재민 · 도이)
컨셉	개념 먼저 → 시각자료로 체감 → 코드로 확인
대상	AI 입문자 (Python 기본 문법 가정, 일부 CNN 프로젝트 경험자 포함 → 제로베이스 전제로 설계)
세션 시간	순수 강의 20분 기준 (내용에 따라 유동)
실습 환경	Google Colab (설치 불필요, 무료 GPU, 사전 세팅 최소화)
교재	오렐리 — Jon Krohn, Deep Learning with TensorFlow, Keras, and PyTorch
설계 원칙	제로베이스 전제 · 실습 먼저 → 개념 라벨링 · 용어 3개 압축
코어 선학습	3주 압축 (하루 최대 가용) · 우선순위: 설명 가능 > 개념 완성도 > 실습 코드

🗺️ 커리큘럼 로드맵

📅 주차별 구성 (오렐리 매핑 기준)

주차	주제	오렐리 대응	상태
W1	ML/DL 기초 — 뉴런부터 시작하기	Krohn L1~L2 + 3.3	✅ 기획·슬라이드 완료
W2	비지도학습 — K-means로 데이터 묶기	(오렐리 범위 밖) 초기 10주안 5주차 '비지도학습'에 대응	✅ 슬라이드 14장 완료
W3	에이전트 — AI 설계의 목적과 유의할 점	(오렐리 범위 밖) AIMA 4th ed. ch.1·2·17·22	✅ 슬라이드 9장 완료
(미정)	체인룰 & 역전파 직접 구현	micrograd (Karpathy zero-to-hero)	⚠️ W1에서 W2로 예고했으나 W2는 K-means로 진행됨 → 일정 코어 확인 필요
W3~W4	임베딩 · Transformer	Raschka Ch.2~3	⏸ 대기 (W3가 에이전트 주제로 진행됨 → 배분 재확인 필요)
W5~W6	LLM · 프롬프팅	Sinan — Intro to LLMs	⏸ 대기
W7	RAG	Sinan — Practical RAG	⏸ 대기
W8	Agent	Sajal — LangGraph	⏸ 대기

💡 Gemini API Key 발급 세션은 RAG(W7) 직전으로 이동 논의됨. 데이터 분석 2주 · 프로젝트 주차는 W8 이후 배치 여부 코어 확인 필요.

🏃 코어 선학습 트랙 (내 3주 압축)

[x] 1주차 — 지도학습 전체 + 모델 평가
- [x] 1-1. AI/ML 전체 지도 (AI⊃ML⊃DL, 3갈래)
- [x] 1-2. 선형회귀 — 손실함수(MSE)
- [x] 1-3. 경사하강법 (골짜기·기울기·미분)
- [x] 1-4. 학습률 & 스케줄링
- [x] 1-5. 고차원 손실 곡면 (밥그릇 = 볼록함수)
- [x] 1-6. 학습 vs 추론 구분
- [x] 1-7. 경사하강법 직접 구현 실습 (Colab) — 코드 블록별 완전 분해
- [x] 1-8. 분류 (로지스틱 회귀) — 시그모이드·BCE·결정경계
- [x] 1-9. 모델 평가 (과적합·정밀도·재현율)
[ ] 2주차 — 비지도 + 신경망 + 딥러닝 학습원리
[ ] 3주차 — CNN + 트랜스포머 + LLM

💡 전략: "손실함수 + 경사하강법" 을 1주차에 확실히 박는 게 핵심. 이 하나가 회귀·분류·신경망·딥러닝 전부의 공통 엔진이라, 여기만 뚫으면 나머지는 "같은 원리의 변형"으로 이해돼 속도가 붙는다.

📎 초기 10주 커리큘럼안 (선학습 설계 기준, 참고용)

📚 세션 기획 (Session Log)

🎯 W1 | ML/DL 기초 — 뉴런부터 시작하기 (슬라이드 12장)
🎯 W2 | 비지도학습 — K-means로 데이터 묶기 (슬라이드 14장)
🎯 W3 | 에이전트 — AI 설계의 목적과 유의할 점 (슬라이드 9장)