“수학은 몰라도 됩니다”는 내가 산 것 중 가장 비싼 거짓말이었다
지름길은 없다. AI 엔지니어가 되는 정도(正道)
loss가 왜 내려가는지 아는 사람이 되는 길. 파이썬에서 논문 재현, 취업까지 이어지는 단 하나의 학습 지도

행렬곱 AB와 BA는 왜 다른지, loss.backward() 한 줄이 정확히 무슨 일을 하는지, zero_grad를 빼먹으면 무슨 일이 벌어지는지, attention은 왜 √d로 나누는지. 이 책을 따라 걷다 보면 이런 질문에 자기 말로 답할 수 있게 된다. 수식을 한국어로 옮겨 읽고, 실전 GPT 코드를 강의 없이 읽으며 미니 모델을 직접 학습시키고, 최신 논문을 5분 안에 분류해 재현까지 해본다. 그리고 그 결과를 학위 대신 내밀 수 있는 포트폴리오로 만든다. 따라 치기만 하던 사람이 스스로 읽고 만드는 사람이 되어 가는 과정이다.
이 책은 AI 엔지니어를 꿈꾸는 사람을 위한 학습 로드맵이다. 개념을 하나 더 설명하는 교재가 아니라, 무엇을 어떤 순서로 배우고 어디까지 하고 넘어갈지를 알려주는 지도다. 세상에 자료는 이미 차고 넘친다. 부족한 것은 고르는 눈이다. 이 책은 파이썬부터 수학적 직관, 딥러닝 코어, 원전 해부, 논문 읽기, 전공 선택, 취업까지 길을 단계로 나누고, 단계마다 꼭 볼 자료와 지금은 버려도 되는 것의 경계, 다음으로 넘어가도 되는지 스스로 확인하는 통과 조건을 둔다. 그 길을 실제로 걸어본 사람의 판단이 곳곳에 담겨 있다.
AI에게 물으면 무엇이든 답을 얻는 시대지만, 무엇을 물어야 할지는 여전히 스스로 정해야 한다. 강의를 여러 개 들었는데도 빈 파일 앞에서 손이 멈췄던 사람, 수학 앞에서 매번 돌아섰던 사람, 비전공이나 학위 없이 AI 엔지니어를 준비하는 사람에게, 이 책은 처음부터 다시 시작해도 헤매지 않을 길을 보여주는 든든한 안내서가 될 것이다.
AI는 기초가 있는 사람에게는 날개지만, 없는 사람에게는 더 빨리 헤매게 하는 도구다. 지금 부족한 것은 도구가 아니라 길이다.


AI가 다 알려주는 시대, 왜 여전히 커리큘럼이 필요할까요?
라 치는 공부를 멈추고, 스스로 읽고 만들고 증명하는 사람이 되는 6단계 로드맵

AI에게 “AI 공부 로드맵 짜줘”라고 해본 적이 있을 겁니다. 파이썬, 선형대수, 머신러닝, 딥러닝, Transformer. 그럴듯한 목록이 나옵니다. 그런데 그 목록을 받은 다음 날, 무엇을 하셨나요? 그 로드맵에는 판단이 없습니다. 어디까지 파야 하고 어디서 멈춰야 하는지, 무엇은 나중에 배워도 되고 무엇은 지금 해야 하는지 알려주지 않습니다. 『내가 다시 AI를 처음 공부한다면』은 판단이 담긴 로드맵입니다. 학원도 대학도 부트캠프도 없이 그 길을 맨몸으로 걸은 저자가, 다시 처음으로 돌아간다면 어떤 순서로 걸을지를 단계마다 통과 조건과 함께 적었습니다.

세 개의 함정을 뒤집으면 커리큘럼이 됩니다
강의 화면을 따라 코드를 치면 모델이 돌아가고 정확도가 찍힙니다. 뭔가 해낸 기분이 들지만, 그 기분은 실력과 무관합니다. 강의를 끄고 빈 파일을 열었을 때 손이 멈춘다면 아직 아무것도 배우지 않은 것입니다. 저자는 수학을 “몰라도 됩니다”라는 말로 건너뛰는 강의들에 꽤 많은 돈을 날린 뒤에야 그 말의 뜻을 알았다고 고백합니다. “저도 모릅니다”이거나 “알려주면 강의가 안 팔립니다”였다고요.

1장은 이렇게 튜토리얼 지옥, “수학은 몰라도 됩니다”, 한글 자료의 우물이라는 세 함정을 짚고, 그것을 뒤집어 전체 지도를 그립니다. 따라 치는 대신 스스로 만들 수 있을 때까지 작게 반복하고, 수학은 필요한 직관만 정확히 골라 먼저 다지고, 자료는 처음부터 세계 기준의 원문을 씁니다. 에이전트, 멀티모달, 피지컬 AI로 움직이는 지금의 산업 지형도 먼저 보고하므로, 어디로 가는 공부인지 알고 출발할 수 있습니다. 전체 여정은 몰입(하루 6~8시간) 기준 6개월 남짓, 일과 병행(하루 2~3시간)하면 1년에서 1년 반. 짧지 않습니다. 하지만 방향이 맞는 1년은 방향이 틀린 3년보다 빠릅니다.

당신이 무서워하는 것은 수학이 아니라 외국어입니다
3장은 수학 전공자의 수학이 아니라, 모델을 굴리는 사람에게 필요한 최소한의 직관을 다룹니다. 어디까지 필요하고 어디부터 버려도 되는지 경계선까지 그어줍니다. 행렬곱 AB와 BA가 다른 이유는 “양말 신고 신발 신기”와 “신발 신고 양말 신기”가 다른 것과 같습니다. 행렬을 “변환”으로 보는 눈이 생기면 shape 에러 대부분이 한 문장으로 진단됩니다.

독학하는 사람이 실제로 넘어지는 일곱 지점은 따로 모아 ‘수학 급소 사전’으로 엮었습니다. 증상(어디서 막히는가), 정체(사실 무엇을 묻는가), 번역(한국어 한 문장)의 순서로 풀어, 공부하다 막히는 날 해당 항목만 펴 보면 됩니다. 일곱 급소의 공통점은 어느 것도 어려운 수학이 아니라는 것입니다. 낯선 표기와 관습이었을 뿐이고, 표기는 번역하면 끝납니다. 3Blue1Brown, StatQuest, Khan Academy를 어떤 순서로 볼지 정리한 4~6주 실행 계획까지 붙어 있습니다.

GPT도, 휴머노이드의 제어 정책도 루프 하나의 변주입니다
4장에서 회귀 하나로 학습 루프를 세우고, 5장에서 그 루프로 딥러닝 전체를 꿰어냅니다. 예측하고(forward), 차이를 재고(loss), 책임을 나누고(backward), 조금씩 고친다(update). GPT도, 이미지 생성 모델도, 휴머노이드의 제어 정책도 이 네 줄로 학습됩니다. 다른 것은 어떤 데이터를 넣는가, 모델의 생김새가 무엇인가, 차이를 무엇으로 정의하는가뿐입니다. 이 세 질문을 손에 쥐면 처음 보는 모델도 분해할 수 있습니다.

6장에서는 강의를 보지 않습니다. 설정만 바꾸면 실제 GPT-2를 재현해내는 카파시의 nanoGPT, 그 660여 줄의 원전을 함께 읽고 미니 모델을 CPU에서 직접 학습시킵니다. 코드마다 ‘본질’, ‘실전 장치’, ‘최적화’ 라벨을 붙여 어디를 한 줄도 놓치면 안 되는지, 어디는 지금 건너뛰어도 되는지 알려줍니다. 다만 건너뛴 곳으로 언제 돌아와야 하는지도 반드시 적어둡니다. 유예는 있어도 면제는 없습니다. 에러를 AI에 붙여넣기 전에 먼저 할 세 가지, 카파시조차 강의 영상에서 zero_grad를 빼먹고 “인생 20번째 실수”라며 그 장면을 남겨둔 이야기까지, “왜 안 되지?”라는 사고법을 실전 감각으로 전합니다. 고쳐진 코드는 남지만 고친 능력은 남지 않기 때문입니다.

논문은 요리 사진이고, 재현은 직접 요리해보는 것입니다
강의는 늘 늦습니다. 어떤 기술이 강의로 만들어질 때쯤이면 최전선은 이미 다음으로 가 있습니다. 학위가 없는 사람에게 논문을 읽고 재현하는 능력은 “저 사람은 진짜다”를 증명하는 가장 확실한 방법이기도 합니다. 저자의 커리어 전환점은 전부 논문과 함께 왔습니다.

7장은 논문을 앞에서부터 읽지 않는 법, 수식 앞에서 멈추지 않는 법, 최신 논문을 5분 안에 분류하는 법을 알려줍니다. “Attention Is All You Need”를 함께 해부한 뒤, AlexNet에서 CLIP까지 첫 논문 10편과 지금의 전선으로 이어지는 다섯 편을 한 편씩 안내합니다. 편마다 챙길 것과 빠지기 쉬운 함정이 함께 적혀 있습니다. GAN의 목적함수는 이번에는 독자가 직접 유도하고, flow matching은 첫 계단까지 함께 내려가 봅니다. 그리고 재현. 사진만 봐서는 소금 양을 모릅니다. 데이터 전처리의 지저분한 현실, 학습이 터질 때의 대처, “이 하이퍼파라미터는 도대체 왜 이 값인가” 같은 의문은 재현 과정에서만 드러납니다.

학위 대신 실물로 증명합니다
8장은 LLM과 에이전트, 비전과 생성 모델, RL과 로보틱스(피지컬 AI), 멀티모달로 갈라지는 길의 지도를 그립니다. 트랙을 여러 번 옮겨 온 저자는 이 선택을 평생의 선택이 아니라 “앞으로 1년 집중할 곳”을 고르는 일로 보라고 권합니다.

9장은 냉정한 사실에서 시작합니다. 학위가 없는 사람의 이력서는 서류 단계에서 불리합니다. 저자는 이것을 분노할 일이 아니라 설계에 반영할 변수로 다룹니다. 보증서가 없다면 보증서보다 강한 것, 실물을 내밀면 됩니다. 오픈소스, 발표, 이력서, 직군 지도, 코딩 테스트의 현실적 준비선, 이직의 타이밍과 협상, 오퍼 레터에 없는 약속까지 다룹니다. 잘 만든 저장소 하나는 면접관의 질문을 “실력이 있으신가요?”에서 “이건 어떻게 구현하셨어요?”로 바꿉니다. 부록의 면접 질문집에는 저자가 면접관으로서 실제로 냈던 질문과 그때 쓰던 채점 기준을 그대로 공개했고, 증명 키트에는 README 템플릿과 저장소 점검표를 담았습니다.

마지막 종장은 이 길 전체에서 AI를 어떻게 쓸 것인가를 정리합니다. AI에게 코드를 받는 것과 AI에게 배우는 것은 다르고, 대체와 가속도 다릅니다. 같은 도구가 누군가에게는 속도를 배로 올려주는 날개가 되고, 누군가에게는 실행되는 코드와 늘지 않는 실력만 쌓는 함정이 됩니다. 그 갈림길에서 쓸 단계별 사용 수칙을 담았습니다.

이 책에서는 네 가지를 직접 합니다
● 본다: loss가 내려가는 것을 5분 만에 눈으로 보고, 그 곡선이 하는 말을 읽습니다.
● 돌린다: NumPy로 신경망을 밑바닥부터 짜고, 실전 GPT 코드로 미니 모델을 CPU에서 학습시킵니다.
● 읽는다: 수식을 한국어로 옮기고, 실전 GPT 코드를 강의 없이 읽고, 최신 논문을 5분 안에 분류합니다.
● 증명한다: 트랙을 정해 첫 프로젝트를 고르고, 오픈소스와 글, 발표로 학위 대신 실물을 쌓아 이력서를 만듭니다.

GPU가 없어도 괜찮습니다. 커리큘럼 전체를 Google Colab 같은 무료 자원 안에서 소화할 수 있도록 설계했습니다.

단계마다 통과 조건이 있는 로드맵
[0단계] 2장 파이썬: 도구가 되는 최소한
● 빈 파일에서 작은 자동화 스크립트를 스스로 완성한다

[1단계] 3장 수학적 직관
● 수식을 한국어로 번역할 수 있다

[2단계] 4~6장 고전 머신러닝, 딥러닝 코어, 원전 해부
● 학습 루프를 회귀 하나로 설명할 수 있다
● 새 모델을 세 질문으로 분해할 수 있다
● 강의 없이 실전 GPT 코드를 읽는다

[3단계] 7장 논문 읽는 법
● 최신 논문을 5분 안에 분류할 수 있다

[4단계] 8장 전공 선택
● 내 트랙과 첫 프로젝트를 정한다

[5단계] 9장 증명
● 실물 포트폴리오와 이력서를 완성한다

[단계 밖] 종장 AI와 함께 공부하는 법
● 이 길 전체에서 AI를 어떻게 쓸지 정리한다

이미 아는 단계가 있다면 해당 장 끝의 「통과 확인하기」부터 풀어보세요. 모두 답할 수 있으면 그 단계는 통과입니다. 하나라도 막히면 처음부터 읽으면 됩니다.

이런 분께 권합니다
● 강의를 여러 개 완주했지만 빈 파일 앞에서 손이 멈추는 분
● 수학 앞에서 매번 돌아섰지만 이번에는 피하지 않고 지나가고 싶은 분
● 프레임워크 조립을 넘어 모델이 왜 그렇게 동작하는지 알고 싶은 개발자
● 학위 없이, 또는 비전공으로 AI 엔지니어 취업이나 이직을 준비하는 분
● 전혀 다른 일을 하다가 AI로 커리어를 전환하려는 분

추천의 글
친구 구민의 책에 이 글을 쓰게 되어 기쁩니다. 이 책은 구민이 독학으로 AI에 들어선 여정과, 한국어와 영어를 함께 다루는 Gumini 모델을 만들어낸 과정을 담고 있습니다. 몇 장을 읽고 나머지는 훑어보았는데, 자신 있게 말할 수 있습니다. 제가 머신러닝을 시작할 때 이런 책이 출발점으로 있었다면, 제 여정도 조금은 수월했을 것입니다.
특히 7장에서 영감을 많이 받았습니다. 훗날 Gumini 모델군으로 이어진 독립 프로젝트를 구민이 어떻게 시작했는지 적은 대목입니다. 이 여정이 더 놀라운 이유는, 그가 이 프로젝트를 누구의 지원도 없이 혼자 힘으로, 자비로 해냈다는 점입니다.
이 글을 읽는 여러분도 구민의 여정에서 힘을 얻어 자기 아이디어를 밀고 나가고, 만들면서 배우고, 호기심과 끈기가 얼마나 멀리 데려가는지 직접 확인해보길 바랍니다.
_ 써니 산얄(Sunny Sanyal), 텍사스 대학교 오스틴 전기컴퓨터공학 박사과정, 전 구글 딥마인드 스튜던트 리서처