나머지 퀘스트의 구성
남은 7개 트랙에서는 실제 팀이 배우는 순서대로 딥러닝 지식을 쌓아가. 작은 개념부터 이해하고, 그다음 코드를 작성한 뒤, 실제 연산으로 확인하는 흐름이야.
- 뉴런, 층, 순전파 — 형태와 행렬 곱셈을 통해 신경망이 무엇인지 배워.
- 손실, 기울기, Backpropagation — 이해할 수 있는 수준의 미적분으로 신경망이 실제로 어떻게 학습하는지 살펴봐.
- 학습 데이터, 상태, 체크포인트 — ‘모델을 학습했다’를 ‘모델을 학습하고 저장하고 복구했다’로 바꿔 주는 작업 흐름의 뼈대를 익혀.
- 안정성, 정규화, 학습 제대로 돌리기 — 실제 운영에서는 학습이 무너지지 않게 만드는 일이 대부분이야.
- 아키텍처: 비전, 시퀀스, 어텐션 — CNN, RNN, Transformer 같은 대표 설계와 각각이 왜 만들어졌는지 배워.
- 현대 딥러닝 실전 — PyTorch의 사고방식, 전이학습, 혼합 정밀도, 실험 추적을 익혀.
- 올바른 접근법 선택하기 — 딥러닝을 쓰지 않는 선택까지 포함해 문제에 맞는 도구를 고르는 상위 능력을 길러.
이 퀘스트를 제대로 활용하는 법
레슨마다 연습 문제를 풀어. 아빠 하드웨어가 아니라 본인 하드웨어에서 코드를 직접 돌려. 일부러 코드를 망가뜨리고 오류 메시지도 읽어 봐. 각 구성 요소가 무슨 일을 하는지 체득하는 가장 좋은 방법이야. 레슨이 짧은 건 의도적이야. 진짜 깊이는 본인 손으로 코드를 치는 과정에서 생겨.
원칙: 이 퀘스트는 목적지가 아니라 활주로야. 끝낸 뒤에는 PyTorch 소스 코드를 읽고, arXiv 논문을 실제로 작동하는 코드까지 따라가고, 다음 문제에 어떤 모델을 미세 조정할지 결정할 수 있어야 해.
피파 메모: 이 섹션의 4개 canonical 퀘스트인 Pippa Quest, OO Quest, AI Math Quest, 그리고 이 퀘스트는 같은 능력을 4가지 관점에서 함께 가르쳐. 실제 시스템, 실제 추상화, 수학, 모델 클래스가 어떻게 맞물리는지 보여 주는 거야. 어느 하나도 다른 퀘스트를 대신하지 않아.