[Zero to ML Master #01] 수포자를 위한 머신러닝·딥러닝 독학 로드맵 — 수학부터 파이썬, LLM·RAG까지 163절 커리큘럼

오톨로리즘·2026년 10월 7일

LLM 독학로드맵 딥러닝 머신러닝 머신러닝수학 비전공자 인공지능 파이썬

Zero to 머신러닝 딥러닝 Master

목록 보기

1/23

수학을 전공하지 않았습니다. 공학 근처에도 가 본 적이 없습니다. 중학교 칠판의 정체불명 기호들과 함께 수학은 오래전에 닫아 버린 서랍이었죠. 🗄️

그런 사람이 인공지능(AI)에 빠졌고, 곧 피할 수 없는 사실 하나와 마주쳤습니다.

"결국 AI를 이해하려면 수학이라는 강을 건너야 한다." 🌊

이 시리즈는 그 강을 건너면서 쓴 공부 일기이자, 수포자도 머신러닝·딥러닝을 밑바닥부터 이해할 수 있게 만든 독학 로드맵입니다. 첫 글에서는 전체 지도부터 펼쳐 놓습니다. 무엇을 어떤 순서로 공부하면 되는지, 어떻게 해야 끝까지 갈 수 있는지를 정리했어요.

📘 이 글은 위키독스 도서 Zero to 머신러닝 딥러닝 Master 의 000 - 목차 - 이 책의 사용법! 을 블로그용으로 다듬은 글입니다.
💻 실습 코드: GitHub · 🏠 mldict.net · ✍️ 기술 블로그

💻 이 시리즈의 코드: GitHub book/ 폴더 — 권별 코드 폴더 안내와 실행 방법은 글 아래 💻 GitHub 실습 섹션에 있습니다.

➡️ 다음 글: #02 벡터란? 장바구니로 이해하는 벡터·내적·코사인 유사도 (파이썬 NumPy 실습)

TL;DR — 3줄 요약

🗺️ 5권 · 20개 장 · 163개 절: 🔢 수포자 훑어보기 → 🧮 ML 수학 완전기초 → 🐍 파이썬 → 📈 머신러닝 → 🧠 딥러닝(LLM·RAG까지)으로 이어지는 완주 로드맵입니다.
⚖️ 머신러닝과 딥러닝을 같은 무게로 다룹니다. 03권(머신러닝) 64절 : 04권(딥러닝) 67절입니다.
🎯 끝까지 가는 비결은 3회독 원칙, 목적별 트랙 고르기, 하루 40분 루틴, 그리고 수식 → 코드 → 검증 습관입니다.

1. 이 시리즈는 어떤 책을 옮긴 걸까?

1.1 한 줄 소개

중학 수학도 낯설었던 사람이 인공지능 모델을 직접 구현하기까지의 과정을 담았습니다.

🔢 수포자 훑어보기 → 🧮 수학 완전기초 → 🐍 파이썬 → 📈 머신러닝 → 🧠 딥러닝

이렇게 다섯 권이 끊기지 않고 이어지는 총 5권 · 20개 장 · 163개 절짜리 로드맵이 바로 Zero to 머신러닝 딥러닝 Master입니다. 🧮➡️📈➡️🧠➡️🤖

1.2 프롤로그 — "기적은 가장 늦었다고 생각한 길 위에서 시작된다"

컴퓨터가 사람의 언어를 벡터로, 확률로 풀어내는 과정은 그야말로 경이로웠습니다. 빛이 가장 빠른 경로를 스스로 찾아가듯, 세상은 차가운 결정론이 아니라 가장 따뜻하고 효율적인 확률의 지도로 채워져 있다는 깨달음이었죠. 🌌

그래서 다시 중학교 수학 문제집을 폈습니다. 사칙연산 → 벡터·행렬 → 연립방정식 → 미분·경사하강법 → 확률과 통계. 이 고단한 길은 전통적인 분류기의 숲 🌳으로, 사람의 뇌를 닮은 딥러닝의 퍼셉트론 🧠으로, 마지막엔 프레임워크를 직접 만들어 보는 작업대 ⚙️까지 이어졌습니다. 그리고 그 막막한 길에서 저를 구해 준 건, 아이러니하게도 그토록 배우고 싶었던 인공지능 그 자체였습니다. 🤝

알파벳을 몰라도 마음을 울리는 문장을 쓸 수 있듯, 수학을 놓았던 당신도 AI의 주인이 될 수 있습니다. 💌

1.3 이 책이 특별한 이유 6가지

	특징	내용
🔢	수학 포비아 완전 정복	00권으로 한 번 훑고, 01권에서 벽돌 한 장씩 다시 쌓아 올립니다
⚖️	ML과 DL을 같은 비중으로	03권 64절 : 04권 67절. 전통 머신러닝을 곁가지로 두지 않습니다
🍯	비유로 배우는 개념	택배·레고·요리 레시피처럼, 모든 수식을 생활 비유로 먼저 풀어냅니다
💻	코드로 완성하는 이해	수식 → 코드 → 실행 결과가 항상 3종 세트로 붙어 있습니다
⚙️	프레임워크 직접 구현	DeZero를 60단계로 만들며 PyTorch의 설계 철학을 몸으로 익힙니다
🗂️	백과사전 연계	본문 속 핵심 개념은 mldict.net에서 카드로 다시 확인할 수 있습니다

2. 전체 구성 한눈에 — 5권, 20개 장, 163개 절

권	장	절	난이도	한 줄 요약
🔢 00권 수포자 훑어보기	—	6	🟢	벡터부터 PCA까지 ML 수학 전체를 6일 만에 한 번 통과하는 예고편
🧮 01권 수학 완전기초	—	17	🟢⭐	같은 주제를 천천히 다시: 기호 100선·텐서·고유값·적분·확률통계
🐍 02권 헬로 파이썬	—	9	🟢⭐	자료형·메모리·클래스에서 신경망 Layer까지, NumPy·Plotly
📈 03권 머신러닝	10+부록	64	🔵⭐	회귀·분류·군집·이상탐지·추천·부스팅·교차검증, 실무 도구함 전체
🧠 04권 딥러닝	9	67	🔵🔴🚀	역전파·CNN·강화학습·DeZero·RNN·어텐션·확산모델·LLM·RAG
🏁 합계	20장	163절	🟢→🚀	수학 기초에서 최신 LLM까지 하나로 이어진 로드맵

💡 번호 읽는 법: 03권과 04권은 "장(章) → 절(節)" 2단 구조입니다. 03-09-05 XGBoost는 "03권 · 09장(부스팅) · 05절", 04-02-08 DQN은 "04권 · 02장(강화학습) · 08절"이라는 뜻이에요. 00·01·02권은 장 구분 없이 01-13처럼 두 자리 번호를 씁니다.

📌 03권을 "딥러닝 가기 전 몸풀기"로 읽지 마세요. 표 데이터, 불균형 데이터, 설명이 필요한 문제에서는 아직도 XGBoost와 LightGBM이 1등입니다.

이 책의 등반 지도 — 수포자 베이스캠프에서 LLM 정상까지

다섯 권을 차례로 넘으면 정상에 닿습니다. 앞의 세 권은 준비운동이고, 뒤의 두 권이 본편입니다.

학습 로드맵 — 준비 3권, 그리고 대등한 두 본편

03권과 04권이 같은 크기의 두 줄로 놓인 것이 이 책의 설계 의도입니다.

3. 권별 상세 소개 — 다섯 권, 다섯 개의 관문

권마다 한 줄 요약 → 무엇을 다루나 → 이렇게 공부하세요 → 완료 신호 순서로 정리했습니다. 지금 내가 어디쯤 서 있는지 확인할 때 쓰세요.

3.1 🔢 00권 — 비전공자 처음부터: 수포자 훑어보기 (6절)

📌 한 줄 요약: 이 책에서 쓸 수학을 6일 만에 한 번 통과하는 예고편입니다. 이해하는 권이 아니라 겁을 빼는 권이에요.
📖 무엇을 다루나: 벡터는 "장바구니 속 숫자의 줄서기", 행렬은 "성적표", 연립방정식은 "x가 뭔지 맞춰보세요 게임"으로 바꿔 설명합니다. 미분과 경사하강법은 안개 낀 산에서 내려오는 이야기, 베이즈 정리는 병원 검사의 함정, SVD·PCA는 300페이지 책을 3페이지로 줄이는 일입니다.
🎓 이렇게 공부하세요: ① 이해하려 애쓰지 마세요. ② 하루 1절씩 6일이면 끝납니다. ③ 비유 이름만 외우세요("경사하강법 = 안개 낀 산"). ④ 연필은 내려놓으세요. 계산 연습은 01권에서 합니다.
✅ 완료 신호: "벡터·행렬·미분·확률·PCA" 다섯 단어를 들었을 때 가슴이 덜 답답해졌다면 통과입니다.

3.2 🧮 01권 — 수포자들을 위한 머신러닝 수학 완전기초 (17절)

📌 한 줄 요약: 00권에서 훑은 주제를 처음부터, 아주 천천히 다시 봅니다. 수식이 무섭지 않게 만들어 주는 유일한 권입니다.
📖 무엇을 다루나: 01-02 그리스 문자와 수학 기호에서 ML 공식 100선을 읽는 법부터 배웁니다. 이어서 벡터 → 행렬("공간을 바꾸는 함수"라는 관점) → 내적·외적·유사도 행렬 → 텐서 → 연립방정식·행렬식·역행렬 → 고유값·SVD로 선형대수를 끝냅니다. 그다음 함수와 합성함수 → 미분 → 편미분·그래디언트·경사하강법 → 적분 → 확률과 통계를 거쳐, 마지막 01-13에서 배운 수학 전부가 XOR 신경망 하나 안에서 만나는 모습을 보여 줍니다.
🎓 이렇게 공부하세요: 수식을 소리 내어 읽고, 이번에는 연필을 드세요. 그리고 수식-코드 대응표를 만드세요. 예를 들어 $\mathbf{z}=\mathbf{xW}+\mathbf{b}$ ↔ x @ W + b 처럼요.
✅ 완료 신호: $\mathbf{z}=\mathbf{xW}+\mathbf{b}$ 를 보자마자 "행렬곱에 편향 더하기"로 읽히고, $\frac{\partial J}{\partial \theta_1}$ 을 "여러 손잡이 중 하나만 돌렸을 때의 변화"라고 말할 수 있으면 통과입니다.

3.3 🐍 02권 — 헬로 파이썬: 탄생부터 NumPy · Pandas · Plotly까지 (9절)

📌 한 줄 요약: "남의 코드를 읽고 내 손으로 고칠 수 있는 상태"를 만듭니다. 이 책에서 유일하게 건너뛰면 안 되는 권입니다.
📖 무엇을 다루나: 파이썬의 탄생 이야기(ABC 언어의 실패, 1989년 크리스마스의 개인 프로젝트, Zen of Python)로 시작합니다. 이어서 자료형·흐름 제어·함수와 메모리를 다루는데, 핵심은 "변수는 상자가 아니라 이름표" 라는 한 문장입니다. 5부에서는 그냥 코드 → 함수 → 클래스 → Layer로 진화하는 과정을 따라가며 Affine·Relu 계층을 직접 구현합니다. 그리고 NumPy와 Pandas, Plotly로 마무리합니다.
🎓 이렇게 공부하세요: 전부 직접 타이핑하세요. 그리고 일부러 망가뜨려 보세요. @를 *로, axis=0을 axis=1로 바꿔 보는 겁니다.
✅ 완료 신호: b = a 뒤에 둘 다 바뀌는 이유를 그림으로 설명할 수 있고, forward()를 가진 Layer 클래스를 빈 화면에서 쓸 수 있으면 통과입니다.

3.4 📈 03권 — 초기(전통적) 머신러닝으로 기초 다지기 (10개 장 + 부록, 64절)

📌 한 줄 요약: 딥러닝 없이도 실무를 돌릴 수 있는 도구함 전체를 채우는 권입니다. 가장 오래 머무르게 될 구간이에요.
🔥 왜 이렇게 두껍나요? 회사에서 만나는 데이터의 상당수는 여전히 엑셀 같은 표 데이터이기 때문입니다. 게다가 과대적합·정규화·교차검증·평가 지표는 딥러닝에서도 그대로 쓰입니다.
📗 1부 · 지도학습의 기초 (01~04장, 19절): 머신러닝 기초 → 경사하강법 완전 분해(학습률 $\alpha$ 의 영향, 편미분 유도, NumPy 손구현 vs PyTorch 오토그라드) → 다항회귀·정규방정식·로지스틱 회귀·결정 경계 → 과대적합과 정규화, 그리고 신경망이 처음 등장하는 04장
🧩 2부 · 라벨 없는 세계 (05~07장, 20절): K-평균과 PCA → 이상탐지(가우시안 분포) → 추천시스템(콘텐츠 기반·협업 필터링·행렬분해)
🏆 3부 · 성능을 끌어올리고 증명하기 (08~10장 + 부록, 25절): L1/L2·학습 곡선·미니배치 → AdaBoost → GBM → XGBoost → LightGBM → 이상탐지 실습·K-Fold·ROC-AUC → 부록: TF-IDF·Word2Vec 텍스트 분류
✅ 완료 신호: "정확도 99%"를 보면 클래스 불균형부터 의심하고, 학습 곡선 한 장을 보고 "데이터를 더 모아야 하나, 모델을 키워야 하나"에 말로 답할 수 있으면 통과입니다.

3.5 🧠 04권 — 신경망과 딥러닝 이론 (9개 장, 67절)

📌 한 줄 요약: 블랙박스를 열고, 직접 만들어 보고, 마침내 내 손으로 쓰는 권입니다. 01장(딥러닝 이론)만 공통 관문이고, 나머지 8개 장은 관심 있는 순서대로 골라 읽어도 됩니다.
🧠 1부 (01~03장): 퍼셉트론 → 순전파 → 손실 함수 → 계산 그래프로 보는 오차역전파 → 옵티마이저·초기화 → CNN / 강화학습(밴디트 → MDP → 벨만 → TD → DQN → 정책 경사법) / DeZero 60단계 직접 구현
📝 2부 (04~05장): word2vec → RNN → LSTM·GRU → seq2seq → 어텐션("Transformer로 가는 다리") / NLP 전처리 파이프라인(NER·품사 태깅)
🚀 3부 (06~09장): 정규분포 → MLE → GMM → EM → VAE → 확산 모델(Stable Diffusion) / LLM의 이해 / RAG와 랭체인 실전, 멀티 에이전트 / AI의 과거·현재·미래
✅ 완료 신호: 역전파를 백지에 그려 가며 설명할 수 있고, "어텐션이 왜 RNN의 한계를 넘었나"를 한 문단으로 쓸 수 있고, 내 데이터로 RAG 챗봇을 돌려 봤다면 통과입니다. 🎉

3.6 🔗 03권과 04권은 이렇게 맞물립니다

같은 개념	📈 03권에서는	🧠 04권에서는
경사하강법	02장: 직선 하나의 기울기와 절편 찾기	01장: 수백만 개 가중치를 역전파로 한꺼번에
과대적합·정규화	04·08장: L1·L2로 계수 억제, 학습 곡선 진단	01장: 드롭아웃·배치정규화·가중치 감쇠
신경망	04장: 뉴런 하나 = 로지스틱 회귀, 논리 게이트	01·03장: 계층을 쌓고 프레임워크로 만들기
단어를 숫자로	99부록: TF-IDF, Word2Vec 문서 분류	04장: word2vec 내부 구조, 임베딩 계층
성능 평가	10장: K-Fold, 혼동행렬, ROC-AUC	전 장: 검증 손실과 조기 종료의 기준
확률 분포	06장: 가우시안 분포로 이상 탐지	06장: 같은 분포로 이미지 생성(VAE·Diffusion)

4. 알차게 학습하는 법 — 완주 확률을 높이는 7가지 전략

"다 읽었는데 남는 게 없다"를 막으려고, 직접 시행착오를 겪으며 만든 학습 설계도입니다.

4.1 전략 ① 3회독 원칙: 완벽하게 한 번보다 세 번

가장 흔한 실패는 01권 1절을 완벽하게 이해하려다 3절에서 멈추는 것입니다. 🛑 이 책은 나선형(spiral) 구조라서 같은 개념이 뒤에서 더 쉬운 모습으로 다시 나옵니다. 예를 들어 경사하강법은 01권(수식) → 03권 02장(직선 하나) → 04권 01장(역전파), 이렇게 세 번 등장합니다.

회독	방법	이해율
🥉 1회독: 지도 그리기	수식은 건너뛰고 비유와 그림만 봅니다	40%
🥈 2회독: 손으로 따라가기	코드를 직접 타이핑하고 수식과 변수를 짝지어 봅니다	75%
🥇 3회독: 설명해 보기	연습문제를 풀고 체크리스트를 말로 설명합니다	95%

3회독 나선형 학습 — 이해율은 계단식으로 올라갑니다

4.2 전략 ② 목적에 맞는 "트랙"을 고르세요

트랙	추천 대상	읽는 순서	예상 기간
⚡ 속성	일단 감부터 잡고 싶은 분	00권 → 02권 → 03권 01~04장 → 04권 01장 → 04권 07장	약 5주
📚 정석 (권장)	제대로 밑바닥부터	00권 → 01권 → 02권 → 03권 → 04권	8~14개월
💬 NLP 집중	챗봇·언어 모델이 목표	02권 → 04권 01장 → 04장 → 05장 → 07장 → 08장	약 3개월
⚙️ 엔지니어	프레임워크 내부가 궁금한 분	02권 → 04권 01장 → 03장(DeZero) → 06장	약 3개월
🔗 실전 앱	당장 서비스를 만들고 싶은 분	02권 → 04권 07장 → 08장 → (필요 시 04장)	약 6주
📊 데이터 분석	딥러닝 전에 실무부터	02권 → 03권 (01~10장 + 99부록)	약 4개월

💡 어느 트랙이든 02권(헬로 파이썬) 은 건너뛰지 마세요. 그리고 03권을 일부 건너뛰더라도 04장(정규화·신경망 기초), 08장(학습 곡선), 10장(교차검증·ROC-AUC) 은 꼭 보세요.

4.3 전략 ③ "손으로 쓰는" 3종 노트

📓 비유 노트: 개념마다 내 말로 된 비유를 한 줄씩 적습니다. 남의 비유보다 내 비유가 10배 오래 갑니다.
🧾 수식-코드 대응표: $\mathbf{z}=\mathbf{xW}+\mathbf{b}$ ↔ x @ W + b 처럼 짝지어 적습니다.
🐞 에러 로그: 만난 에러와 해결법을 날짜와 함께 남깁니다. 같은 에러를 두 번째 만날 때부터 그게 실력이 됩니다.

4.4 전략 ④ 코드는 "3단 변형"으로 익히기

그대로 실행: 결과가 책과 같은지 확인합니다 ✅
숫자 바꿔 보기: 학습률, 층 개수, 시드를 바꾸고 결과가 어떻게 변하는지 봅니다 🔧
일부러 망가뜨리기: copy()를 지우거나 @를 *로 바꿔 보고 어떤 에러가 나는지 확인합니다 💥

👉 3번까지 해 본 사람만 디버깅을 할 수 있습니다.

4.5 전략 ⑤ AI를 학습 파트너로 쓰기

저를 구해 준 것도 AI였습니다. 이렇게 물어보세요.

💬 "이 수식을 중학생에게 설명해 줘"
💬 "이 코드에 한 줄씩 주석 달아 줘"
💬 "내 설명이 맞는지 채점해 줘: (내 설명)"

⚠️ 단, 답을 받아 적기만 하면 아무것도 남지 않습니다. 꼭 내 말로 다시 써 보세요.

4.6 전략 ⑥ 주 5일 · 하루 40분 루틴

시간	할 일
⏱️ 10분	어제 배운 것을 체크리스트로 복습 (가장 중요!)
⏱️ 20분	새 내용 읽기 + 코드 실행
⏱️ 10분	오늘 배운 것을 한 문단으로 요약

📌 "몰아서 3시간"보다 "매일 40분" 이 훨씬 효과적입니다. 하루 1절이면 163일, 약 8개월이면 완주합니다.

4.7 전략 ⑦ 한 절을 소화하는 표준 사이클

이 책의 모든 절은 아래 흐름으로 쓰여 있습니다.

한 절을 소화하는 7단계 표준 사이클

🚨 가장 흔한 실수는 2단계(비유)만 읽고 넘어가거나 4단계(코드)만 복붙하고 넘어가는 겁니다. 5단계(망가뜨리기)와 6단계(설명하기)가 실력을 만드는 구간이에요.

4.8 매주 스스로에게 던지는 5가지 질문

☐ 이번 주에 배운 개념을 비유 하나로 설명할 수 있는가?
☐ 수식의 기호 하나하나가 무엇을 뜻하는지 말할 수 있는가?
☐ 코드를 보지 않고 핵심 부분을 다시 쓸 수 있는가?
☐ 이번 주에 새로 만난 에러는 무엇이고, 왜 났는가?
☐ 이 개념이 다음 절과 어떻게 이어지는가?

5. 지금 바로 해 보기 — 파이썬 · NumPy 환경 점검 (2분)

읽기만 하면 남는 게 없다고 했죠? 😊 시리즈를 시작하기 전에 부엌(개발 환경)이 차려졌는지부터 확인해 봅시다. 이 코드는 책 01-01 왜 수학인가에 나오는 환경 점검 코드이고, GitHub 저장소에 실행 가능한 형태로 올려 두었습니다.

📂 코드 폴더: medium-series/10-why-math
🐍 스크립트: 10_why_math.py
📓 노트북: 10_why_math.ipynb
☁️ Open in Colab: 설치 없이 브라우저에서 바로 실행됩니다

import sys
import numpy as np      # 관례적으로 np라는 짧은 별칭을 씁니다

print("파이썬 버전:", sys.version.split()[0])
print("NumPy 버전 :", np.__version__)

# 첫 벡터를 만들어봅니다 (00-01에서 자세히 배웁니다)
v = np.array([3.0, 4.0])

print("\n첫 벡터 :", v)
print("모양     :", v.shape)      # (2,) → 숫자가 2개인 1차원
print("자료형   :", v.dtype)      # float64 (실수)
print("길이(노름):", np.linalg.norm(v))   # √(3²+4²) = 5.0

print("\n✅ 여기까지 출력되면 준비 완료입니다!")

실행 결과 (버전 숫자는 환경마다 다릅니다):

파이썬 버전: 3.12.3
NumPy 버전 : 2.4.4

첫 벡터 : [3. 4.]
모양     : (2,)
자료형   : float64
길이(노름): 5.0

✅ 여기까지 출력되면 준비 완료입니다!

🎉 방금 첫 벡터를 만들고 그 길이까지 구했습니다. 중학교 때 배운 피타고라스 정리가 그대로 쓰였어요.

\lVert \mathbf{v} \rVert = \sqrt{3^2 + 4^2} = \sqrt{25} = 5

내 컴퓨터에서 돌리고 싶다면 이렇게 하면 됩니다.

git clone https://github.com/otoloism/Zero_to_ML_Master.git
cd Zero_to_ML_Master/medium-series/10-why-math
pip install -r requirements.txt   # numpy>=1.24
python 10_why_math.py

💬 설치에서 30분 넘게 막히면 고민하지 말고 Colab을 쓰세요. 목표는 설치 전문가가 되는 게 아니라 수학을 이해하는 것입니다. 🎯

6. 이런 분께 추천합니다

✅ 수학을 놓은 지 오래됐지만 AI를 밑바닥부터 이해하고 싶은 비전공자
✅ 이론만 훑지 않고 프레임워크를 직접 만들어 보며 원리를 익히고 싶은 분 ⚙️
✅ 수식 앞에서 늘 좌절했지만 포기하고 싶지는 않은 분 💪
✅ 전통 ML부터 최신 LLM·RAG까지 하나의 로드맵으로 차근차근 배우고 싶은 분 🗺️
✅ AI 도구를 "쓰는 사람"에서 "이해하고 만드는 사람" 으로 넘어가고 싶은 분 🚀

7. 전체 커리큘럼 (163절)

시리즈는 아래 순서대로 연재합니다. 글이 올라오는 대로 velog 시리즈 「Zero to 머신러닝 딥러닝 Master」 에 차곡차곡 쌓입니다.

🔢 00권: 비전공자 처음부터, 수포자 훑어보기 (6절)

00-01 벡터: 장바구니 속 숫자의 줄서기 · 00-02 행렬: 성적표는 곧 행렬이다 · 00-03 연립방정식: "x가 뭔지 맞춰보세요" 게임 · 00-04 미분·경사하강법: 안개 낀 산에서 내려오기 · 00-05 확률·베이즈 정리: 병원 검사의 함정 · 00-06 SVD·PCA: 300페이지 책을 3페이지로

🧮 01권: 수포자들을 위한 머신러닝 수학 완전기초와 파이썬 맛보기 (17절)

01-01 왜 수학인가? · 01-02 그리스 문자와 수학 기호 (예제 100선) · 01-03 벡터 · 01-04 행렬 · 01-05 내적·외적·유사도 행렬 · 01-05-01 텐서 · 01-06 연립방정식·행렬식·역행렬 · 01-06-01 연립방정식의 의미와 풀이법 · 01-06-02 행렬식 · 01-06-03 역행렬 · 01-07 고유값·고유벡터·대각화·SVD · 01-08 함수와 합성함수 · 01-09 미분 기초 · 01-10 편미분·그래디언트·경사하강법 · 01-11 적분 · 01-12 확률과 통계 기초 · 01-13 ML 수학 연결 총정리 ⭐

🐍 02권: 헬로 파이썬, 파이썬의 탄생부터 NumPy · Pandas · Plotly까지 (9절)

02-01 파이썬이라는 언어의 이야기 · 02-02 자료형 · 02-03 조건과 반복 · 02-04 함수와 메모리 · 02-05 객체지향: 클래스에서 Layer까지 ⭐ · 02-06 예외·모듈·코드 컨벤션 · 02-07 NumPy: 딥러닝의 계산 엔진 ⭐ · 02-08 Pandas: 파이썬으로 쓰는 엑셀 · 02-09 Plotly: 결과를 눈으로 확인하기

📈 03권: 초기(전통적) 머신러닝으로 기초 다지기 (10개 장 + 부록, 64절)

장	절
03-01 머신러닝 기초	머신러닝이란 · 회귀 vs 분류 · 비지도학습 · 선형회귀 개요
03-02 Parameter Learning	경사하강법 개념 ⭐ · 학습률의 영향 · 수식 유도 · NumPy·PyTorch 오토그라드 실습
03-03 Feature 설계와 분류 모델	다항회귀 · 정규방정식 · 로지스틱 회귀 · 결정 경계 · 다중 클래스 분류
03-04 정규화와 신경망 기초	과대적합 ⭐ · 정규화된 선형/로지스틱 회귀 · 신경망 표현 · 논리 게이트 · 역전파 ⭐
03-05 클러스터링과 차원축소	K-평균 개념 · 왜곡 비용함수 · 무작위 초기화 · K 결정 · 붓꽃 실습 · PCA 문제 정의 · PCA 알고리즘 · PCA 실습
03-06 이상탐지 이론	밀도추정 · 가우시안 분포 · 알고리즘 · 구현과 평가 · vs 지도학습 · Feature 선택
03-07 추천시스템	문제 정의 · 콘텐츠 기반 · 협업 필터링 · 저차원 행렬분해 · 콘텐츠 기반 실습 · SGD 행렬분해 실습
03-08 정규화 심화·대규모 학습	L1/L2 노름 · 라쏘/릿지 · 학습 곡선 ⭐ · 미니배치 GD ⭐ · 온라인 학습·맵리듀스 · Ridge·Lasso·ElasticNet 실습
03-09 부스팅	부스팅 vs 배깅 · AdaBoost · 그레이디언트 부스팅 · GBM 규제 · XGBoost 🔴 · LightGBM 종합 실습
03-10 이상탐지·교차검증 실습	노벨티/아웃라이어 · EllipticEnvelope · LOF · Isolation Forest · K-Fold ⭐ · `cross_val_score`~LOOCV · 혼동행렬·ROC-AUC ⭐
03-99 부록: 텍스트 분류	데이터 탐색·분할 · 분류기 도구함 · 하이퍼파라미터 튜닝 · 앙상블·불균형 데이터 · TF-IDF·Word2Vec · 토픽 모델링

🧠 04권: 신경망과 딥러닝 이론 (9개 장, 67절)

장	절
04-01 딥러닝 이론과 구현	퍼셉트론 · 활성화 함수·순전파 · 손실 함수 · 오차역전파 ⭐ · 옵티마이저·초기화 · CNN · 더 깊은 네트워크 · Softmax-with-Loss 유도 🔴
04-02 강화 학습	밴디트 · MDP · 벨만 방정식 · DP · 몬테카를로 · SARSA·Q-Learning · 신경망 Q러닝 · DQN · 정책 경사법·Actor-Critic · 최신 RL · 증명 모음 🔴
04-03 DeZero 직접 만들기	오토그라드(1~10) · 연산자 오버로딩(11~24) · 고차미분(25~36) · nn.Module 구현(37~51) ⭐ · GPU·CNN·RNN(52~60) · 보충
04-04 순환 신경망과 자연어 처리	신경망 복습 · 분산 표현 · word2vec · 네거티브 샘플링 · RNN · LSTM · seq2seq · 어텐션 ⭐ · sigmoid·tanh 미분 · WordNet · GRU
04-05 자연어 처리 입문	NLP란 · 전처리 파이프라인 · 소문자·구두점 처리 · NER · 품사 태깅 · 파이프라인 종합
04-06 이미지 생성 모델	정규분포 · MLE · 다변량 정규분포 · GMM · EM · PyTorch 기초 · VAE · 확산 모델 이론·구현·응용 · 수식 보충 🔴
04-07 LLM 이해하기	기존 언어 모델과의 차이 · 개발 이유와 도전 과제 · GPT-3의 함정 · LLM 패밀리
04-08 RAG와 랭체인 실전	LLM 앱 설정 · 프롬프트 엔지니어링 · RAG·랭체인 입문 ⭐ · 클라우드 LLM · 웹 검색·프롬프트 압축 · 멀티 에이전트 🚀
04-09 LLM·AI의 과거·현재·미래	기술 트렌드 · 컴퓨팅 파워와 데이터 · 비즈니스 영향 · 사회적 측면과 여정 마무리 🏁

난이도 아이콘: 🟢 초급 · 🔵 중급 · 🔴 심화 · ⭐ 필수 · 🚀 응용. 처음에는 🟢 + ⭐만 읽어도 완주할 수 있습니다.

💻 GitHub 실습 — 이 책의 코드 저장소 둘러보기

이 시리즈의 모든 실습 코드는 GitHub 저장소 otoloism/Zero_to_ML_Master 에 있습니다. 책의 원고에서 코드 블록을 장(절)별로 추출해 book/ 폴더에 권 → 장 → 절 순서로 정리했고, 각 절 폴더에는 실행 스크립트(.py), 주피터 노트북(.ipynb), 코드 블록 목록과 검증 결과를 담은 README.md가 들어 있습니다.

📂 `book/` 폴더 — 권별 안내

권	폴더	코드가 있는 절	코드 블록	저장소 검증 (절 기준)
00권 비전공자 처음부터 — 수포자 훑어보기	`00-math-overview-for-beginners`	6	31	✅ 5 · ⏭️ 0 · 🧩 1 · ❌ 0
01권 수포자들을 위한 머신러닝 수학 완전기초와 파이썬 맛보기	`01-ml-math-basics-python`	17	176	✅ 14 · ⏭️ 0 · 🧩 3 · ❌ 0
02권 🐍 헬로 파이썬 — 파이썬의 탄생부터 NumPy · Pandas · Plotly까지	`02-hello-python`	9	140	✅ 8 · ⏭️ 0 · 🧩 0 · ❌ 1
03권 초기(전통적) 머신러닝으로 기초 다지기	`03-classic-ml`	62	353	✅ 46 · ⏭️ 3 · 🧩 13 · ❌ 0
04권 신경망과 딥러닝 이론	`04-neural-networks-deep-learning`	63	263	✅ 32 · ⏭️ 12 · 🧩 18 · ❌ 1

🧪 검증 표시는 저장소 book/README.md 기준입니다: ✅ 실행 OK · ⏭️ 외부 데이터/API 키/대형 패키지 필요 · 🧩 앞 절의 변수·클래스를 가정한 조각 · ❌ 실행 오류(의도된 오류 예시 등).
이 글(목차)에는 실행할 코드가 없어 실행 결과는 싣지 않았습니다. 다음 글부터는 각 장의 핵심 코드와 실제 실행 결과를 글 아래 「💻 GitHub 실습」 섹션에서 보여 드립니다.

🎬 블로그용으로 다듬은 예제는 medium-series/ 폴더에 따로 있습니다.

☁️ Colab에서 바로 실행

각 절 폴더의 .ipynb 파일은 설치 없이 Colab에서 열 수 있습니다. 주소 규칙은 다음과 같습니다.

https://colab.research.google.com/github/otoloism/Zero_to_ML_Master/blob/main/book/<권 폴더>/<장 폴더>/<파일>.ipynb

예: 다음 글(00-01 벡터)의 노트북 → Open in Colab

🖥️ 내 컴퓨터에서 실행하기

git clone https://github.com/otoloism/Zero_to_ML_Master.git
cd Zero_to_ML_Master
python -m venv .venv
source .venv/bin/activate          # Windows: .venv\Scripts\activate
pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu   # CPU 버전 PyTorch (03·04권용)
pip install -r book/requirements.txt
cd book/00-math-overview-for-beginners/00-01-vectors-shopping-cart
python 00_01_vectors_shopping_cart.py

📦 00~01권은 numpy만 있으면 대부분 실행됩니다. 일부 절은 TensorFlow·JAX·API 키·GPU 등이 필요하며, 그런 절은 각 글에서 따로 안내합니다.

⭐ GitHub Star / Fork

⭐ 코드가 도움이 되셨다면 GitHub 저장소에 Star를 눌러 주세요. 새 장의 코드가 올라올 때 가장 먼저 알 수 있습니다.
🍴 직접 고쳐 보며 실험하고 싶다면 Fork 해서 내 저장소에서 마음껏 바꿔 보세요. 오류 제보·개선 제안은 Issues로 환영합니다!

마무리 — 이제, 함께 걸어 보지 않겠습니까? 🌱

알파벳을 몰라도 마음을 울리는 문장을 쓸 수 있듯이,
수학을 놓았던 당신도 인공지능의 주인이 될 수 있습니다.
이 시리즈가 걸어온 발자국이, 지금 망설이고 있는 당신에게 지도가 되기를 바랍니다. 🧭

🔮 다음 글 예고: 00-01 벡터, 장바구니 속 숫자의 줄서기 🛒

마트에서 사과 3개, 바나나 2개, 우유 1개를 샀습니다. 이걸 $(3, 2, 1)$ 세 숫자로 줄여 쓰는 순간, 여러분은 이미 벡터를 쓴 겁니다. 다음 글에서는 벡터의 덧셈·스칼라 곱·크기(Norm)부터 내적과 코사인 유사도로 영화 추천을 만드는 원리까지, NumPy 코드로 직접 실행하며 정리합니다. (실습 코드: 03-vectors)