<aside> 🐚

새싹반은 한 학기 동안만 운영되는 별도의 체험 프로그램이 아니라, 이후 정규학회원 활동으로 이어지는 입문 트랙입니다.

새싹반에서 AI 학습의 기초와 프로젝트 경험을 쌓은 뒤, 다음 학기에는 정규학회원으로 활동하며 관심 분야의 스터디와 프로젝트에 참여할 수 있습니다.

새싹반은 매주 토요일 오후 12시 ~ 1시 멘토 피드백 세션이 있습니다.

</aside>

주요 활동

<aside>

Step 01. Foundation

AI 지식을 쌓는 커리큘럼입니다.

Python과 NumPy를 활용한 데이터 처리부터 머신러닝과 딥러닝의 핵심 개념까지 단계적으로 학습합니다. 모델이 데이터를 학습하는 원리와 코드가 동작하는 방식을 함께 이해하는 것을 목표로 합니다.

운영 방식:
- 월수금 공부일지 작성
- 매주 토요일 오후 12시 멘토 피드백 세션을 통해 학습 내용 점검
정규 행사: OT&MT

데이터 분석 → 머신러닝 → 딥러닝

</aside>

<aside>

Step 02. Mini Project

커리큘럼에서 배운 내용을 하나의 결과물로 발전시키는 팀 프로젝트입니다.

새싹반 구성원끼리 팀을 이루며 각 팀에는 멘토 한명이 배정됩니다.

주제 선정, 데이터 처리부터 모델 학습, 실험과 결과 분석까지 AI 프로젝트의 전 과정을 직접 수행합니다.

프로젝트는 멘토 피드백을 거쳐 발전시키며, 최종 결과는 정규 학회원과 함께하는 Demo Day에서 발표합니다.

주제 선정 → 데이터 준비 → 모델 학습 및 실험 → Demo Day

</aside>

주요 활동 자세히 보기

Timeline

날짜	일정	주요 내용	비고
9/4	OT & MT	새싹반 활동 안내 및 학회원 네트워킹	오프라인
9/5	커리큘럼 시작	데이터 분석부터 단계별 학습 시작
10/2	세미나	AI 주제 발표 및 지식 공유	오프라인
11/28	오프라인 딥러닝 세션	딥러닝 핵심 개념 정리 및 실습	오프라인
12/5	커리큘럼 마무리	정규 학습 과정과 피드백 종료
12/27	Mini Project 시작	팀빌딩 및 자유 주제 프로젝트 진행
1/8	Demo Day	정규 학회원과 함께 최종 발표	오프라인

<aside>

Step 01. Foundation

AI 학습의 기반을 단계적으로 쌓는 기초 커리큘럼

데이터를 다루는 방법부터 머신러닝과 딥러닝 모델이 학습하는 원리까지 순서대로 공부합니다.

각 단계는 이후 내용을 이해하는 데 필요한 기반이 되며, 이론과 코드 실습을 함께 진행해 배운 개념을 직접 확인할 수 있도록 구성되어 있습니다.

<aside>

새싹반에서 경험하는 것

AI 학습에 필요한 개념을 정해진 순서에 따라 공부하는 경험
Python과 NumPy를 활용해 데이터를 직접 다루는 경험
머신러닝과 딥러닝 모델의 학습 원리를 이해하는 경험
배운 개념을 코드로 구현하고 실행해 보는 경험
멘토와 함께 질문과 어려움을 해결하며 꾸준히 학습하는 경험 </aside>

<aside>

새싹반 운영방식

월·수·금 공부일지 작성

제공되는 주차별 학습 자료를 바탕으로 개인 공부를 진행하며 월요일, 수요일, 금요일에 공부일지를 작성합니다. 일지를 통해 학습 진행 상황을 기록하고 공부하며 생긴 질문이나 나누고 싶은 아이디어를 동기들과 함께 공유합니다.

매주 토요일 오후 12시~1시 온라인 피드백 세션

매주 토요일 12시~1시에는 온라인 세션에 참여합니다. 한 주간 학습한 내용을 복습하고 멘토의 피드백을 받으며, 해당 주제와 관련된 최신 연구, 확장 개념 등을 함께 다룹니다.

딥러닝 커리큘럼 진행 중 1회 오프라인 피드백 세션이 대면으로 진행됩니다.

</aside>

<aside>

PART A. 데이터 분석

Python 기본 문법과 NumPy를 활용해 데이터를 표현하고 처리하는 방법을 학습합니다.

데이터 분석과 모델 학습에 활용되는 배열과 행렬의 기본 개념을 익히며, 이후 머신러닝과 딥러닝을 이해하는 데 필요한 데이터 구조와 연산 방식을 배웁니다.

</aside>

<aside>

PART B. 머신러닝

머신러닝 모델이 데이터를 통해 규칙을 학습하고 예측하는 원리를 공부합니다.

회귀와 분류 알고리즘

선형 회귀, 로지스틱 회귀, SVM, Decision Tree와 정규화를 학습합니다.
최적화 및 이론

손실함수와 경사하강법 등 모델 최적화와 학습의 핵심 원리를 이해합니다.
비지도 학습

군집화와 차원 축소를 통해 다양한 머신러닝 문제 해결 방식을 비교합니다.

</aside>

<aside>

PART C. 딥러닝

인공신경망의 구조와 학습 과정을 깊이 있게 다룹니다.

오차역전파 및 최적화 원리부터 최신 AI 연구 트렌드까지 학습하며, 코드 구현을 통해 이론의 실제 적용 과정을 체득합니다.

다소 난이도가 있는 딥러닝 핵심 개념은 오프라인 피드백 세션을 통해 함께 정리하고 실습합니다.

신경망 기초: MLP, 역전파, 경사하강법 변형 알고리즘(Adam 등)
확률적 이해: Sigmoid, Softmax, MLE 기반 손실함수(BCE, Cross-Entropy)
학습 테크닉: Batch Norm, ResNet Skip-Connection, Dropout, Data Augmentation
주 아키텍처: CNN(Feature Map, Padding, Pooling), RNN, Attention, Transformer(Self-Attention) </aside>

</aside>

<aside>

Step 02. Mini Project

배운 내용을 직접 적용해 결과물로 완성하는 프로젝트

새싹반 구성원끼리 팀을 이루어 자유 주제의 미니 프로젝트를 2주 간 진행합니다.

팀은 해결하고 싶은 문제를 정하고, 필요한 데이터를 준비한 뒤 모델을 학습하고 실험합니다. 결과를 분석하고 접근 방식을 개선하며 배운 개념이 실제 프로젝트에서 어떻게 활용되는지 경험합니다.

<aside>

</aside>

<aside>

</aside>

<aside>

</aside>

함께하는 정규 행사

<aside>

</aside>