스킬캠퍼스

퍼셉트론 → LLM

AI · 퍼셉트론 → LLM

퍼셉트론에서
LLM까지

딥러닝은 어느 날 갑자기 똑똑해진 마법이 아닙니다. 뉴런 하나를 흉내 낸 퍼셉트론에서 시작해 역전파와 CNN, 어텐션을 거쳐 GPT와 LLM에 이르는 한 칸씩의 사다리입니다. 이 코스는 숫자와 함수의 준비운동에서 출발해 “모델은 어떻게 배우고, 왜 결국 언어를 이해하게 되었는가”를 직접 움직이며 따라갑니다.

코스 · 준비운동 3강 + 본편 22일 · 5트랙

뉴런 하나에서 LLM까지

준비운동(P1–P3) → 지도학습(1–12) → 강화학습(13–15) → 생성모델(16–18) → 멀티모달(19–20) → 실무(21–22). 앞 강의가 다음 강의의 블랙박스가 됩니다.

AI 준비운동: 숫자와 벡터 →

모델은 결국 숫자를 먹음 — 표, 좌표, 벡터를 한 번에 연결

AI 준비운동: 함수와 그래프 →

입력 x가 출력 y로 바뀌는 길 — 직선, 곡선, 결정경계

AI 준비운동: 학습이란 무엇인가 →

예측 → 손실 → 조금 수정 — 딥러닝의 루프를 먼저 몸에 붙임

퍼셉트론과 XOR 문제 →

1958 로젠블랫의 환호 → 1969 민스키의 XOR 증명 → 첫 AI 겨울

MLP와 역전파 →

1986 럼멜하트·힌튼·윌리엄스 — 은닉층의 부활, XOR을 푸는 법

활성화 · 손실 · 옵티마이저 →

Sigmoid→ReLU, SGD→Adam — 학습을 ‘되게’ 만든 진화사

Dropout·BatchNorm·초기화 — 딥러닝이 드디어 ‘잘 되기’ 시작한 이유

1989 LeCun → 2012 AlexNet의 ImageNet 충격

VGG·ResNet — Skip Connection이 152층을 연 순간

RNN — 순차 데이터와 기억 →

Vanilla RNN과 vanishing gradient의 벽

1997 호크라이터 — 기억을 여닫는 게이트

Seq2Seq와 Attention →

2014 바다나우 — 번역의 병목을 푼 ‘주목’

Transformer →

2017 Attention Is All You Need — RNN을 버리다

GPT 아키텍처 →

Decoder-only · Causal Mask · BPE — 한 글자씩 미래를 예측

나만의 미니 LLM 만들기 →

nanoGPT 스타일 — 셰익스피어로 직접 학습시킨다

강화학습의 탄생 (Q-Learning) →

MDP+벨만 — 정답 없이 보상으로 배우기 (Snake 데모)

Deep Q-Network →

2013 딥마인드, Atari를 정복한 혁명 (Flappy Bird DQN)

AlphaGo & AlphaZero →

MCTS + Self-Play의 왕관 (틱택토 AlphaZero 데모)

Autoencoder & VAE →

힌튼 2006 → 킹마 2013 — 잠재공간과 재매개변수화

굿펠로우 2014 — 위조범과 감별사의 대결 → StyleGAN

Diffusion Models →

노이즈에서 그림으로 — DDPM → Stable Diffusion → Sora

Word Embeddings & BERT →

king−man+woman=queen — Word2Vec → BERT의 MLM

비전에도 Transformer, 텍스트와 이미지를 하나로 (멀티모달 빅뱅)

Fine-tuning & RAG →

LoRA·QLoRA·RAG — 기업 도입 수요 최고

Model Efficiency — 졸업편 →

Quantization·Distillation·MoE — 모델을 가볍게

각 강의는 ‘학습목표 → 배경 스토리 → 실습 미션 → 핵심 교훈 → 완료 점검’ 순서. 처음 온 사람도 길을 잃지 않게 준비운동부터 시작합니다.