Deep Learning and Practice (딥러닝및실습) - CSE533, Fall Semester, 2026


“Student-professor relationships are based on trust. Acts, which violate this trust, undermine the educational process. Your classmates and the professor will not tolerate violations of academic integrity.”


1. Course Schedule & Lecture Notes [수업 실습 코드], [수업 질의 응답]

주차 회 Date Lecture Notice
1주차 01 08월 31일(월) - Course Introduction
- 00. Introduction to Deep Learning 강의 노트 		- _01_code 로컬 디렉토리 및 _02_homeworks 로컬 디렉토리 변경 사항 초기화
: git checkout -- _01_code
: git checkout -- _02_homeworks
- link_dl 리포지토리 최신화
: git pull
02 09월 01일(화) - 00. Introduction to Deep Learning
- 01. Development Environment 강의 노트 		- Tensor 및 Tensor Operations 에 관한 특강 (조교) - 위 특강에 대한 강의 파일 강의 노트 (Updated: 2026.09.09)
2주차 03 09월 07일(월) - 02. Tensors 강의 노트
- 03. Real-World Data to Tensors 강의 노트 		- 데이터 (zip 파일) 다운 로드
: 다운받은 zip 파일을 해제하여 _00_data 폴더를 확인 후 link_dl 폴더 하위에 _00_data 폴더 위치 시킴
04 09월 08일(화) - 03. Real-World Data to Tensors - Homework #1 (기한: 9월 27일 일요일 23시 59분) 숙제 설명
3주차 05 09월 14일(월) - 03. Real-World Data to Tensors
06 09월 15일(화) - 04. Artificial Neuron, Gradient Descent, and Backpropagation 강의 노트
4주차 07 09월 21일(월) - 05. Autograd 강의 노트
08 09월 22일(화) - 06. FCN (Fully-Connected Network) 강의 노트
5주차 09 09월 28일(월) - 07. Loss Functions 강의 노트 - Homework #2 (기한: 10월 17일 토요일 23시 59분) 숙제 설명
10 09월 29일(화) - 08. Learning and Optimization 강의 노트
6주차 11 10월 05일(월) 개천절 대체공휴일 (휴강)
12 10월 06일(화) - 09. FCN Best Practice 강의 노트
7주차 13 10월 12일(월) - 10. Convolutional Neural Network (CNN) 강의 노트
14 10월 13일(화) - 10. Convolutional Neural Network (CNN)
8주차 15 10월 19일(월) - 11. CNN Architectures 강의 노트
16 10월 20일(화) - 11. CNN Architectures
9주차 17 10월 26일(월) 중간 고사
장소: 2공학관 408호, 시간: 16시 ~ 17시 50분
18 10월 27일(화) - 12. Optimizers 강의 노트
10주차 19 11월 02일(월) - 13. Regularization - Homework #3
20 11월 03일(화) - 14. Normalization
11주차 21 11월 09일(월) - 14. Normalization
22 11월 10일(화) - 15. Data Augmentation
12주차 23 11월 16일(월) - 16. Modern CNNs
24 11월 17일(화) - 17. Recurrent Neural Network (RNN) - Homework #4

13주차 25 11월 23일(월) - 17. Recurrent Neural Network (RNN)
26 11월 24일(화) - 18. LSTM and Its Application
14주차 27 11월 30일(월) - 18. LSTM and Its Application
28 12월 01일(화) - 19. Attention
15주차 29 12월 07일(월) - 19. Attention
30 12월 08일(화) - 20. Transformer
16주차 31 12월 14일(월) - 21. Transfer Learning
32 12월 15일(화) 기말 고사

2. Course Information


  • - Lecturer: 한연희 교수 (Rm. 2공학관 423호, Email: yhhan@koreatech.ac.kr)
  • - Teaching Assistant: 강대건 (Email: ahicraft1937@koreatech.ac.kr)
  • - Classes: 월요일 (8, 9교시 - 16:00 ~ 17:50), 화요일 (8, 9교시 - 16:00 ~ 17:50)
  • - Lecture Room: 2공학관 408호
  • - Prerequisites: Python (필수), 인공지능기초및실습, 기계학습및실습

3. Homework Guide


  • - 추후 구체적인 숙제 내용 제시
  • - 숙제 제출 사이트: https://lms.koreatech.ac.kr/ 의 자유게시판 활용
  • - 숙제 제출 방법 (jupyter notebook 활용)

    • 1) jupyter notebook 환경에서 각 숙제별로 ipynb 파일 생성


    • 2) ipynb 파일 내에 코드를 작성하고 작성한 코드 설명시에 Markdown 문법으로 입력해야 함


    • 3) 생성한 ipynb 파일에 대해 자신만의 방법을 사용하여 온라인상 URL을 생성

      • 로컬 파일을 원격으로 업로드하고 URL을 얻으려면 Google Drive, Dropbox 또는 OneDrive와 같은 클라우드 스토리지 서비스를 사용할 수 있음.
      • 다음은 Google 드라이브에 로컬 파일을 업로드하고 URL을 얻는 단계임:
        1. Google 드라이브 계정에 로그인합니다.
        2. "새로 만들기" 버튼을 클릭하고 "파일 업로드"를 선택합니다.
        3. 선택 업로드할 로컬 파일.
        4. 파일이 업로드되면 파일을 마우스 오른쪽 버튼으로 클릭하고 "링크 가져오기"를 선택합니다.
        5. 팝업 창에서 " 링크가 있는 사람은 누구나 볼 수 있습니다."
        6. 제공된 링크를 복사하면 업로드된 파일의 URL이 됩니다.

    • 4) 다음 사이트에 해당 URL을 입력

      • - http://nbviewer.jupyter.org
      • - 위 nbviewer 사이트를 통하여 보여지는 자신의 숙제를 확인하고 해당 nbviewer URL을 EL2의 자유게시판 본문에 글쓰기로 등록
        • - 따라서, 숙제 등록 URL은 반드시 http://nbviewer.jupyter.org/ 로 시작해야 함.
        • - 숙제 등록 URL 예: http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t9nmklgjkp7w4ok/kmeans.ipynb

    • 5) jupyter notebook 단축키

      • - ESC, a: 현재 셀 바로 위에 새로운 코드 셀 추가
      • - ESC, b: 현재 셀 바로 아래에 새로운 코드 셀 추가
      • - ESC, dd: 현재 셀 삭제
      • - ESC, m: 현재 셀을 markdown 셀로 변환
      • - ESC, y: 현재 셀을 code 셀로 변환
      • - ESC, c: 현재 셀 복사
      • - ESC, y: 현재 셀 잘라내기
      • - ESC, v: 복사하거나 잘라낸 셀을 붙여넣기


4. References


[강의 노트]

  • - 수업 시간 PDF로 제공
    • 강의 노트 프린트 및 서류철/서류집 활용하여 정리하기

[참고 강의 노트]

  • - Deep Learning with PyTorch
  • - Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville. (Free electronic copy available at that website)
  • - 텐초의 파이토치 딥러닝 특강

[보조 교재]

  • - Deep Learning with Pytorch: A 60 Minute Blitz:
  • - Python 익히기:
  • - PyTorch 튜토리얼:

5. Logistics


  • - Attendance: one class absence will result in the deduction of two points out of 100 points. Five absences will not result in ten points deduction, but “failure” (i.e., grade ‘F’) in this course.
  • - Homework: much intensive homework will be set. Any cheating (or copying) will result in grade ‘F’.
  • - Exam: there will be the final examination for the evaluation of the knowledge learned from the class.

6. Lecture Evaluation


  • Attendance (10%), Homework Reports (20%), Midterm Exam. (35%), Final Exam. (35%)