로널드 크노이젤 《딥러닝을 위한 수학》(제이펍) 을 정리하며
각 장의 개념을 Google Colab 노트북으로 직접 구현·시각화하는 개인 스터디 저장소
신경망을 "라이브러리 호출"이 아니라 확률 · 통계 · 선형대수 · 미분의 언어로 이해하는 것을 목표로 합니다.
모든 실습은 Google Colab에서 진행하며, 각 노트북은 책의 절(section) 단위로
개념 요약 → 수식 정리 → NumPy/SciPy 구현 → 시각화 순서로 구성됩니다.
|
제목 | 딥러닝을 위한 수학 신경망 수학 기초부터 역전파와 경사하강법까지 |
| 원서 | Math for Deep Learning: What You Need to Know to Understand Neural Networks (No Starch Press, 2021) | |
| 저자 | 로널드 크노이젤 (Ronald T. Kneusel) | |
| 옮긴이 | 류광 | |
| 출판사 | 제이펍 (제이펍의 인공지능 시리즈 39) | |
| 출간일 | 2022년 8월 8일 | |
| 페이지 | 380쪽 | |
| ISBN | 9791192469225 | |
| 링크 | 예스24 · 교보문고 · 알라딘 · 원서(No Starch Press) · 원서 예제 코드 |
각 챕터 폴더의 README.md에 절 단위 노트북과 Colab 실행 링크 표가 정리되어 있습니다.
| # | 챕터 | 주요 내용 | 상태 |
|---|---|---|---|
| 01 | 실습 환경 설정 | NumPy · SciPy · Matplotlib · scikit-learn 설치와 기본 사용법 | ⬜ |
| 02 | 확률 1부 | 표본공간, 확률의 법칙, 결합확률과 주변확률 | ⬜ |
| 03 | 확률 2부 | 확률분포(이산·연속), 베이즈 정리 | ⬜ |
| 04 | 통계 | 데이터의 종류, 요약통계량, 분위수·상자그림, 결측자료, 상관관계, 가설검정 | 🟡 |
| 05 | 선형대수 1부 | 스칼라 · 벡터 · 행렬 · 텐서와 텐서 산술 연산 | ⬜ |
| 06 | 선형대수 2부 | 정방행렬, 고윳값·고유벡터, 벡터 노름과 거리, PCA, SVD와 유사역행렬 | ⬜ |
| 07 | 미분 | 기울기, 도함수, 극값, 편미분, 그래디언트 | ⬜ |
| 08 | 행렬 미분 | 행렬 미분 공식과 항등식, 야코비 행렬, 헤세 행렬 | ⬜ |
| 09 | 신경망의 데이터 흐름 | 데이터 표현, 전통적 신경망과 CNN에서의 데이터 흐름 | ⬜ |
| 10 | 역전파 | 역전파의 원리, 손으로 계산하기, 완전연결 신경망, 계산 그래프 | ⬜ |
| 11 | 경사하강법 | SGD, 운동량(momentum), 적응적 경사하강법 | ⬜ |
| — | 부록 | 더 나아가기 | ⬜ |
상태 표기 — ⬜ 예정 · 🟡 진행 중 · ✅ 완료
모든 노트북은 Google Colab 기준으로 작성되어 있어 별도의 설치 없이 바로 실행할 수 있습니다.
- 위 챕터 목록에서 원하는 챕터 폴더로 이동합니다.
- 챕터
README.md의 표에서배지를 클릭합니다.
- Colab에서
런타임 → 모두 실행으로 노트북을 실행합니다.
GitHub 노트북을 Colab에서 여는 방법 (링크 규칙)
https://colab.research.google.com/github/{GitHub-ID}/{저장소}/blob/main/{경로}/{파일명}.ipynb
또는 Colab의 파일 → 노트북 열기 → GitHub 탭에서 저장소 주소를 붙여 넣어도 됩니다.
로컬에서 실행하고 싶다면
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install numpy scipy matplotlib scikit-learn jupyterlab
jupyter lab| 패키지 | 용도 |
|---|---|
| NumPy | 데이터 표현 및 텐서 연산 |
| SciPy | 확률 분포 · 가설 검정 |
| Matplotlib | 시각화 |
| scikit-learn | 예제 데이터셋 및 검증용 구현 비교 |
Colab에는 위 패키지가 모두 기본 설치되어 있습니다. 추가 패키지가 필요한 노트북은 첫 셀에
!pip install을 포함합니다.
딥러닝을위한수학/
├── README.md
├── LICENSE
├── assets/
│ └── book.jpg # 책 표지 이미지
├── Ch01_실습환경설정/
│ └── README.md # 절 목록 + Colab 링크 표
├── ...
└── Ch04_통계/
├── README.md
├── 1_데이터의종류.ipynb # 4.1
└── figure/
└── 그림4-1.jpg # 본문 그림 · 직접 그린 도식
- 챕터 폴더 :
Ch{두 자리 번호}_{주제}(예:Ch05_선형대수1) - 노트북 파일 :
{절 번호}_{절 제목}.ipynb(예:2_요약통계량.ipynb) - 그림 : 각 챕터 폴더의
figure/아래에 모음
- 수식은 반드시 손으로 한 번 유도한 뒤 노트북에 LaTeX으로 옮겨 적습니다.
- 라이브러리 함수를 쓰기 전에 NumPy로 직접 구현해 보고, 그 결과를 라이브러리 결과와 비교합니다.
- 개념마다 "왜 딥러닝에서 이게 필요한가" 를 한 줄로 남깁니다.
- 예시는 가능한 한 그림/그래프로 시각화하여 직관을 확인합니다.
- 이 저장소는 개인 학습 목적의 정리본이며, 책의 본문을 그대로 옮긴 것이 아닙니다.
- 모든 내용의 저작권은 원저자와 출판사에 있습니다. 자세한 내용은 반드시 원서를 참고해 주세요.
- 원서 예제 코드: https://github.com/rkneusel9/MathForDeepLearning