전자공학부 · 2026년 2학기 · 학부

딥러닝

신경망 기초부터 transformer, generative model, deep reinforcement learning까지 학습합니다.

강의 개요

이 강의에서는 현대 딥러닝의 원리와 실제 활용 방법을 배웁니다. 먼저 신경망의 수학적 원리와 계산 방법을 살펴봅니다. 이어서 vision, language, graph, generative AI에 사용되는 최신 architecture를 학습합니다. 마지막에는 deep reinforcement learning을 소개합니다.

담당 교수
김누리 교수
학기
2026년 2학기
강의 시간
월·수
09:00–10:15
강의실
공과대학 7호관
114호

수강 안내

학습 목표

  • deep neural network의 학습 원리와 regularization을 설명합니다.
  • PyTorch로 최신 architecture를 구현하고 평가합니다.
  • vision, language, graph, generative task에 맞는 모델 설계 방법을 이해합니다.
  • 최신 deep learning 연구를 비판적으로 읽고 토론합니다.

권장 선수 지식

  • Python 프로그래밍에 익숙해야 합니다.
  • 기초 선형대수, 미적분, 확률 지식이 필요합니다.
  • 기초 machine learning을 알고 있으면 좋지만, 강의에서도 다시 다룹니다.

평가 방법과 정확한 마감일은 학기 시작 전에 JBNU LMS에 공지합니다.

강의

1부
기초
00강의 소개추후 공지
01딥러닝 기초추후 공지
02Optimization추후 공지
03Regularization추후 공지
04Deep Feedforward Networks추후 공지
2부
Architecture
05Convolutional Neural Networks추후 공지
06Recurrent Neural Networks추후 공지
07Attention추후 공지
08Transformers추후 공지
09Vision Architectures추후 공지
10Transformers in NLP추후 공지
11Graph Neural Networks추후 공지
12Additional Deep Models추후 공지
3부
Generative AI
13Deep Generative Models 소개추후 공지
14Score-based Diffusion Models I추후 공지
15Score-based Diffusion Models II추후 공지
16Score-based Diffusion Models III추후 공지
17Score-based Diffusion Models IV추후 공지
18Variational Autoencoders추후 공지
19Generative Adversarial Networks추후 공지
4부
의사결정
20Deep Reinforcement Learning I추후 공지
21Deep Reinforcement Learning II추후 공지
22Deep Reinforcement Learning III추후 공지

강의 순서는 수업 진행 상황에 따라 바뀔 수 있습니다. 강의 자료와 참고 자료는 공개되는 대로 이 페이지에 올립니다.

과제

과제 1

최신 Architecture

CNN, transformer 직접 구현, vision transformer, BERT fine-tuning을 다룹니다.

과제 2

Generative Model

Diffusion 기반 생성 모델과 text-to-image 모델 구현을 다룹니다.

학기 프로젝트

자유 주제 딥러닝

모델을 구현하고 평가한 뒤 결과를 정리해 발표하는 단계별 프로젝트입니다.

프로그래밍 프로젝트
20%
중간고사
25%
기말고사
25%
기말 프로젝트
25%
출석
5%+

과제 파일, 제출 방법, 협업 규칙, 마감일은 수강생만 JBNU LMS에서 확인할 수 있습니다.

자료

  • 강의 플랫폼JBNU LMS
  • 주요 개발 도구PyTorch
  • 참고문헌Goodfellow, Bengio, and Courville, Deep Learning
  • 참고문헌Sutton and Barto, Reinforcement Learning: An Introduction
  • 연락처nuri.kim@jbnu.ac.kr