모듈 목표
- 정확도가 높아도 로봇이 실패하는 조건을 데이터 관점에서 설명.
원안의 선수 안내: M01, M02. 실제 보충은 아래 소주제별 권장 선수를 참고하세요.
M11.01지도학습·손실·경사·역전파·최적화
학습 목표
- 지도학습의 입력·목표·모형·손실을 구분하고 손실 선택과 작업 성공의 차이를 설명한다.
- 작은 회귀 모형의 MSE와 연쇄법칙에 따른 경사를 계산하여 경사하강 한 단계를 수행한다.
- PyTorch의 기울기 초기화·역전파·파라미터 갱신 역할을 구분하고 학습률/누적 오류와 검증 범위를 진단한다.
권장 선수
M02.03의 미분과 M02.05의 최적화, M01.02의 Python이 선수다. 기본은 두 합성 표본의 종이 계산이다. 선택 CPU 코드는 이미 PyTorch가 있는 환경용 완전 예제이며 GPU/실제 로봇 학습이 필요하지 않다. 이미 알고 있다면 직접 열어볼 수 있습니다.
학습 범위: 기본 설명·예제가 준비되었습니다. 기존 보충 자료의 범위와 구별하세요.
교재 본문: 지도학습·손실·경사·역전파·최적화 · 본문M11.02텐서·Dataset·DataLoader·모델 저장
학습 목표
- 텐서의 shape·dtype·device와 축 의미를 해석하고 reshape와 축 교환의 차이를 설명한다.
- 입력/목표가 짝인 Dataset과 DataLoader의 마지막 배치를 계산하고 표본 수에 맞는 손실 평균을 구한다.
- state_dict 저장/로드 결과를 확인하고 구조·전처리·학습 재개에 필요한 별도 기록을 제안한다.
권장 선수
M01의 Python/배열과 M11.01의 모형/손실이 선수다. 기본은 작은 합성 배열·배치의 종이 계산이며, 이미 PyTorch가 있는 경우 완전한 CPU 코드를 선택 실행할 수 있다. GPU나 외부 데이터 다운로드는 필요하지 않다. 이미 알고 있다면 직접 열어볼 수 있습니다.
학습 범위: 기본 설명·예제가 준비되었습니다. 기존 보충 자료의 범위와 구별하세요.
교재 본문: 텐서·Dataset·DataLoader·모델 저장 · 본문M11.03학습/검증/시험 분리·과적합·데이터 누수
학습 목표
- 평가하려는 일반화 주장에 맞춰 학습/검증/시험과 episode·물체·시간의 분리 단위를 설계한다.
- 학습 자료만의 정규화 통계를 계산하고 전처리·파생 자료·미래 입력의 데이터 누수를 진단한다.
- 가상 학습곡선에서 모델 선택과 과적합 신호를 해석하고 시험 잠금 및 결과 기록 범위를 설명한다.
권장 선수
M11.01의 손실/학습과 M11.02의 전처리·Dataset, M02.04의 평균/분산이 선수다. 기본은 합성 분할표/곡선과 종이 계산이다. 실제 학습을 돌리거나 일반화 성능을 실증한 자료가 아니다. 이미 알고 있다면 직접 열어볼 수 있습니다.
학습 범위: 기본 설명·예제가 준비되었습니다. 기존 보충 자료의 범위와 구별하세요.
교재 본문: 학습/검증/시험 분리·과적합·데이터 누수 · 본문M11.04CNN·Transformer·표현학습의 역할
학습 목표
- 작은 CNN식 국소 연산과 ReLU를 계산하여 가중치 공유/공간 정보의 역할과 한계를 설명한다.
- query/key/value의 scaled dot attention을 계산하고 위치/마스크·가중합의 의미를 구분한다.
- 표현·task head·사전학습/전이의 역할을 구분하고 로봇 과제에 필요한 별도 검증을 제안한다.
권장 선수
M11.01~03의 학습·텐서·분리와 M02.01의 내적이 선수다. 기본 활동은 합성 벡터의 종이 계산이다. 선택 CPU 코드의 가중치는 손으로 정하며 실제 영상 학습이나 대형 모델 성능을 실증하지 않는다. 이미 알고 있다면 직접 열어볼 수 있습니다.
학습 범위: 기본 설명·예제가 준비되었습니다. 기존 보충 자료의 범위와 구별하세요.
교재 본문: CNN·Transformer·표현학습의 역할 · 본문M11.05분류·검출·분할·회귀의 출력과 지표
학습 목표
- 분류·검출·semantic/instance 분할·회귀의 출력 단위와 의미를 구분하고 과제에 맞는 계약을 선택한다.
- 합성 예측에서 confusion 지표·IoU·회귀 오차를 계산하고 분모/집계/단위의 한계를 설명한다.
- 점수 threshold와 오류 비용을 비교하여 검증 자료의 선택 기준 및 실제 작업 성공의 별도 조건을 제안한다.
권장 선수
M11.01~04의 손실/출력·검증 분리와 평균 계산이 선수다. 기본은 합성 점수·영역·오차의 종이 계산이며 모델 학습/검출이나 실제 작업 성과를 실행하지 않는다. 이미 알고 있다면 직접 열어볼 수 있습니다.
학습 범위: 기본 설명·예제가 준비되었습니다. 기존 보충 자료의 범위와 구별하세요.
교재 본문: 분류·검출·분할·회귀의 출력과 지표 · 본문M11.06추론 지연·메모리·분포 이동과 실험 추적
학습 목표
- 같은 시계의 합성 시간표와 표본 통계로 전체 지연·기한 초과를 계산하고 측정 범위/throughput과 구분한다.
- 가상 모형의 파라미터·경사·optimizer 상태 저장량을 계산하고 실제 추론/훈련 peak 메모리의 추가 항목을 설명한다.
- 조건별 성능과 배포 혼합 변화를 계산하여 분포 이동을 해석하고 재현에 필요한 실험/실행 기록을 제안한다.
권장 선수
M05.06의 시간원, M11.02의 저장, M11.03~05의 분할/평가가 선수다. 기본은 합성 로그·메모리 명세·조건별 성공표의 종이 계산이며 실제 CPU/GPU 성능 측정이나 로봇 배포가 아니다. 이미 알고 있다면 직접 열어볼 수 있습니다.
학습 범위: 기본 설명·예제가 준비되었습니다. 기존 보충 자료의 범위와 구별하세요.
교재 본문: 추론 지연·메모리·분포 이동과 실험 추적 · 본문