워밍업: 이런 적 있으시죠?

네비게이션 켜고 "목적지까지 3km, 북동쪽으로 가세요" 안내 들어보셨죠? 쿠팡에서 사과 3개, 바나나 2개 담고 "총 얼마지?" 계산해보신 적도 있을 거예요.

이게 다 벡터예요. 숫자 여러 개를 묶어서 한 번에 다루는 거죠.

---

왜 벡터수학을 배워야 할까?

"벡터수학? 어려운 거 아냐?" 하고 걱정되시죠?
근데 실은 우리가 매일 쓰는 것들이 다 벡터로 되어 있어요. AI 개발하려면 핵심이 되는 기초이기도 하고요.

우리가 일상에서 이미 쓰고 있는 벡터

• 네비게이션: 지금 위치에서 목적지까지 "어느 방향으로 얼마나 가야 하지?" 이게 바로 벡터예요
• 쿠팡 장바구니: 사과 3개, 바나나 2개, 우유 1개... 이 목록도 벡터로 표현할 수 있어요
• 게임 캐릭터: 화면의 (x, y) 좌표로 위치 잡고, 어느 방향으로 얼마나 빨리 움직일지 계산하죠

AI는 어떻게 벡터수학을 쓸까?

요즘 뉴스에 나오는 AI들, 다 벡터와 행렬 계산으로 돌아가요:

• ChatGPT, Claude 같은 AI: 단어를 숫자 벡터로 바꿔서 "이 단어의 의미가 뭔지" 이해해요
• 사진 인식 AI: 픽셀 하나하나를 벡터로 만들어서 패턴을 찾아내죠
• 유튜브, 넷플릭스 추천: 사용자 취향을 벡터로 만들어서 "이 사람과 비슷한 사람들이 본 거" 찾아줘요
• 딥러닝 모델: 그 복잡해 보이는 인공신경망도 결국 벡터랑 행렬 곱셈이에요

그러니까 AI를 제대로 이해하고 만들고 싶다면 벡터수학은 필수예요.
걱정 마세요! 어려운 수학 이론보다는 실제로 돌려보면서 배울 거예요.

---

Google Colab으로 시작하기

Python 설치하고 환경 설정하고... 귀찮으시죠?
걱정 마세요. Google Colab 쓰면 브라우저만 있으면 끝이에요. 설치? 필요 없어요!

Google Colab - 무료로 쓸 수 있는 온라인 Python 환경

어떻게 시작하냐고요?

1. Google Colab 들어가기
2. "새 노트" 클릭하기
3. 아래 코드 복사해서 붙여넣고 실행! 끝!

---

NumPy - 벡터 계산의 필수 도구

NumPy(Numerical Python)가 뭐냐고요?
Python에서 숫자 계산을 빠르고 쉽게 해주는 도구예요. AI, 데이터 분석하는 사람들은 거의 다 쓰죠.

1. NumPy 불러오기

먼저 NumPy를 불러와야겠죠? 보통 np라고 짧게 줄여서 써요. 매번 numpy 치기 귀찮으니까요.

NumPy 불러오기 - 이렇게 쓰면 돼요

---

벡터 만들기 - 숫자를 일렬로 나열하기

벡터가 뭐냐고요? 그냥 숫자들을 일렬로 쭉 나열한 거예요.
NumPy에서는 array() 함수 하나면 끝이에요.

2. 기본 벡터 만들기

벡터 만들기 - 대괄호 안에 숫자 나열하면 돼요

우리가 일상에서 쓰는 거:

• [1, 2, 3, 4, 5] → 이번 주 월~금 운동한 시간
• [85, 90, 78, 92, 88] → 우리 반 5명 시험 점수
• [37.5, 37.2, 37.1, 36.9] → 4일 동안 재 보온 기록

AI에서 쓰는 거:

• [0.8, 0.1, 0.05, 0.05] → AI가 "이 사진은 고양이 80%, 개 10%..." 판단한 거
• [128, 256, 512] → 딥러닝 모델 만들 때 레이어 크기 설정

---

3. 범위로 벡터 만들기 - arange()

범위 정해서 자동으로 숫자 만들기

np.arange(시작, 끝, 간격) 이거 쓰면 일정한 간격으로 숫자를 자동으로 만들어줘요.
1부터 100까지 하나씩? 일일이 안 쳐도 돼요!

AI 개발할 때 이렇게 써요:

• np.arange(0, 100) → AI 모델 학습을 100번 돌릴 때 카운터로
• np.arange(0, 1, 0.1) → 학습 속도(learning rate)를 0.1씩 바꿔가며 실험할 때

---

벡터 연산 - 한번에 쫙 계산하기

NumPy의 진짜 좋은 점? 벡터 전체에 한 번에 계산할 수 있다는 거예요.
for 문 돌려서 하나씩 계산할 필요 없어요. 한 줄이면 끝!

4. 벡터에 숫자 더하기/곱하기

전체 숫자에 동시에 계산하기

우리 생활에서 쓰는 거:

• prices = [10000, 15000, 20000]
sale_prices = prices * 0.8 → 20% 세일 가격 한번에 계산
• celsius = [20, 25, 30]
fahrenheit = celsius * 1.8 + 32 → 섭씨를 화씨로 변환 (해외여행 갈 때)

AI에서 쓰는 거:

• normalized = (data - mean) / std → 데이터 정규화 (학습 전 전처리)
• activated = relu(z) → 활성화 함수 적용 (뉴럴넷의 핵심)
• weighted = inputs * weights + bias → 인공신경망의 기본 계산

---

5. 벡터끼리 연산하기

같은 크기 벡터끼리 계산하기

벡터끼리 더하거나 빼면? 같은 위치끼리 계산돼요.
첫 번째 숫자는 첫 번째끼리, 두 번째는 두 번째끼리. 이걸 전문용어로 element-wise 연산이라고 해요.

AI에서 이렇게 써요:

• loss = (predictions - targets) ** 2 → AI가 얼마나 틀렸는지 계산 (평균 제곱 오차)
• accuracy = (predictions == labels).mean() → 정확도 계산 (몇 %나 맞췄는지)

---

유용한 벡터 함수들

NumPy는 통계 계산하는 함수들이 많아요. 합계, 평균, 최댓값... 이런 거 자동으로 계산해줘요.
AI 모델 만들 때나 데이터 분석할 때 정말 많이 쓰죠!

6. 합계, 평균, 최대/최소값

통계 함수로 쉽게 분석하기

AI 개발할 때 이렇게 써요:

• loss.mean() → 여러 데이터의 평균 오차 계산
• predictions.argmax() → 확률 중에서 제일 높은 거 고르기 (이게 답이다!)
• gradients.sum() → 그래디언트 모으기 (역전파 계산할 때)
• data.std() → 데이터 편차 계산 (정규화할 때 필요)

---

정리 - 오늘 배운 것

자, 오늘 우리가 뭘 배웠는지 정리해볼까요?

1. 벡터가 뭐지? → 숫자를 일렬로 나열한 거. 우리 일상에도, AI에도 쓰여요
2. NumPy 시작 → import numpy as np 이것만 쓰면 시작!
3. 벡터 만들기 → array()로 직접 만들거나, arange()로 자동 생성
4. 벡터 계산 → 한 줄이면 전체 숫자에 한번에 계산 적용
5. 통계 함수 → 합계, 평균, 최대/최소값 자동으로 구하기

AI 만들 때 이렇게 써요:

• 데이터 정리하기 (정규화, 스케일 조정) → 벡터 연산으로
• 인공신경망 계산 → 벡터랑 행렬 곱셈으로
• 오차 계산 → 벡터끼리 빼고 제곱해서
• 모델 평가 → 통계 함수로 얼마나 잘하는지 측정

---

다음 글 예고

다음 시간엔 좀 더 재밌는 걸 해볼게요!
벡터 덧셈, 뺄셈, 곱셈 - 이걸로 실제로 뭘 할 수 있는지 보여드릴게요.

장바구니 계산, 세일 가격 계산, 다이어트 기록 분석... 우리가 실제로 쓸 수 있는 거 위주로요.
넷플릭스가 어떻게 추천하는지도 알 수 있을 거예요!

다음 글에서 또 만나요!