AI 올림피아드(KOAI·USAAIO·IOAI)를 목표로 한다면 자료를 출제 범위에 맞춰 순서대로 보는 것이 가장 빠릅니다. 입문·KOAI 기초는 Google 머신러닝 단기집중과정·Kaggle Learn, 딥러닝 실습(USAAIO 필수 PyTorch)은 PyTorch 튜토리얼·Dive into Deep Learning, USAAIO 컴퓨터 비전·NLP 심화는 Stanford CS231n·CS224n과 Goodfellow 딥러닝 교재입니다. 아래는 각 자료가 어느 시험 범위에 닿는지까지 수준별로 정리했고, 대부분 무료입니다.
게시일: 2026년 5월 28일
막연히 "AI 공부"가 아니라, 목표 대회의 출제 범위에 자료를 맞추면 시간을 아낄 수 있습니다. 아래는 각 자료가 KOAI·USAAIO 어느 영역에 닿는지 정리한 표입니다.
| 학습 자료 | 닿는 시험·범위 | 수준 |
|---|---|---|
| Google 머신러닝 단기집중과정 | KOAI 필기 입문, USAAIO 머신러닝 기초 | 입문 |
| Kaggle Learn | Python·pandas·ML 기초, KOAI 서류용 첫 프로젝트 | 입문 |
| PyTorch Tutorials | USAAIO 필수 도구(PyTorch), 딥러닝 구현 | 중급 |
| Dive into Deep Learning (D2L) | USAAIO 딥러닝 기초(MLP·역전파), KOAI 딥러닝 필기 | 중급 |
| fast.ai | 실습 속도 높이기, 올림피아드 실전 감각 | 중급 |
| Stanford CS231n | USAAIO 컴퓨터 비전·생성형(CNN·객체탐지·GAN·디퓨전) | 심화 |
| Stanford CS224n | USAAIO 자연어처리·트랜스포머(어텐션·임베딩) | 심화 |
| Deep Learning Book (Goodfellow) | 수학 기초·이론 심화, IOAI 이론 라운드 | 심화 |
출제 범위 전체와 선발 구조는 국제인공지능올림피아드(IOAI) 가이드에서 확인하세요. KOAI는 한국, USAAIO는 미국·캐나다 재학생 경로입니다.
Python을 어느 정도 다룰 수 있다는 전제에서, 머신러닝의 큰 그림을 잡고 첫 모델을 만들어 보는 단계입니다. 한국어 또는 짧은 실습 위주의 자료가 좋습니다.
구글이 만든 머신러닝 입문 강의. 한국어 번역이 제공되어 개념과 핵심 용어를 빠르게 잡기 좋습니다. 영상·실습·퀴즈로 구성됩니다.
developers.google.com/machine-learning/crash-course →짧은 모듈로 Python, pandas, 머신러닝 기초를 브라우저에서 바로 실습합니다. 끝나면 Kaggle 대회 데이터로 연습을 이어 갈 수 있습니다.
kaggle.com/learn →머신러닝 기초를 익혔다면 PyTorch로 신경망을 직접 만들어 보는 단계입니다. 코드와 이론을 함께 다루는 자료가 좋습니다.
딥러닝 표준 도구 PyTorch의 공식 튜토리얼. 60분 입문부터 이미지 분류·자연어까지 단계별 예제를 제공합니다.
pytorch.org/tutorials →이론 설명과 실행 가능한 코드가 한 페이지에 함께 있는 온라인 교재. 여러 언어로 번역되어 있어 교재 겸 실습서로 좋습니다.
d2l.ai →Keras 개발자 François Chollet의 책. 딥러닝의 직관을 친절하게 설명해 입문에서 중급으로 넘어갈 때 읽기 좋습니다.
manning.com →먼저 결과를 만들고 원리를 나중에 채우는 실습 중심 강의. 빠르게 동작하는 모델을 만들어 보고 싶은 학생에게 잘 맞습니다.
course.fast.ai →올림피아드나 연구 수준을 목표로 한다면, 대학 강의와 정통 교재로 이론을 단단히 다질 차례입니다. 대부분 영어 자료입니다.
컴퓨터 비전을 위한 딥러닝(Deep Learning for Computer Vision). CNN을 깊이 이해하고 싶을 때 표준으로 꼽히는 스탠퍼드 공개 강의입니다.
cs231n.stanford.edu →딥러닝 기반 자연어처리(NLP with Deep Learning). 임베딩부터 트랜스포머까지, 현대 NLP의 핵심을 다루는 스탠퍼드 강의입니다.
web.stanford.edu/class/cs224n →Ian Goodfellow, Yoshua Bengio, Aaron Courville이 쓴 딥러닝의 정통 교재. 수학적 기초를 깊이 다루며 온라인판이 무료로 공개되어 있습니다.
deeplearningbook.org →실제 데이터로 모델 성능을 겨루는 대회 플랫폼. 배운 것을 실전에 적용하고 다른 사람의 풀이를 보며 빠르게 성장할 수 있습니다.
kaggle.com/competitions →1) Google 머신러닝 단기집중과정 + Kaggle Learn으로 기초 → 2) PyTorch 튜토리얼 + Dive into Deep Learning으로 딥러닝 구현 → 3) fast.ai로 실습량 늘리기 → 4) CS231n·CS224n + Goodfellow 교재로 깊이 더하기 → 5) Kaggle 대회·자기 프로젝트로 실전 적용. 강의 시청과 실습을 항상 함께 진행하세요.
자료를 보다가 개념이 헷갈리면 머신러닝·딥러닝 가이드로 돌아오고, 배운 것을 적용할 때는 AI 프로젝트 만들기를 참고하세요.
위 자료들은 모두 훌륭하지만, 영어 강의를 끝까지 따라가거나 어디서 막혔는지 스스로 진단하기는 쉽지 않습니다. 자료가 너무 많아 무엇부터 봐야 할지 막막한 경우도 많습니다. CIT는 학생의 현재 수준을 진단해 이 자료들을 학년과 목표(입시 또는 올림피아드)에 맞게 재구성하고, 막히는 지점을 1:1로 풀어 줍니다. 압구정 오프라인 수업과 동일한 커리큘럼으로 온라인 1:1 세션도 운영합니다.
한국어로 접근하기 쉬운 Google 머신러닝 단기집중과정과 Kaggle Learn으로 기초를 잡은 뒤, PyTorch 공식 튜토리얼과 Dive into Deep Learning(D2L)으로 딥러닝을 직접 구현해 봅니다. 더 깊이 들어가고 싶으면 Stanford CS231n(컴퓨터 비전)과 CS224n(자연어처리) 공개 강의로 확장하고, 이론을 탄탄히 하고 싶으면 Goodfellow의 딥러닝 교재를 참고합니다. fast.ai는 실습 중심으로 빠르게 결과를 만들고 싶은 학생에게 좋습니다.
Google 머신러닝 단기집중과정은 한국어 번역이 제공되어 입문자가 시작하기 좋습니다. Dive into Deep Learning(D2L)도 한국어를 포함한 여러 언어로 번역되어 있습니다. 다만 CS231n·CS224n이나 최신 자료는 대부분 영어이므로, 핵심 자료는 영어로 읽는 연습을 병행하는 것이 장기적으로 도움이 됩니다.
네. Google 머신러닝 단기집중과정, Kaggle Learn, PyTorch 튜토리얼, Dive into Deep Learning, fast.ai 강의, Stanford CS231n·CS224n 강의 자료, Goodfellow의 딥러닝 교재 온라인판은 모두 무료로 볼 수 있습니다. 실습은 무료 GPU를 제공하는 Google Colab으로 충분히 가능합니다.
강의 시청만으로는 부족합니다. 배운 내용을 코드로 직접 구현하고, 작은 프로젝트에 적용하며, Kaggle 같은 곳에서 실제 데이터로 연습해야 실력이 됩니다. 좋은 자료는 길잡이일 뿐이며, 손으로 만들어 보는 과정이 핵심입니다.
처음에는 어디서 막혔는지 스스로 진단하기 어렵고, 영어 강의를 끝까지 따라가기도 쉽지 않습니다. CIT는 학생의 수준을 진단해 위 자료들을 학년과 목표에 맞게 재구성하고, 막히는 지점을 1:1로 풀어 줍니다. 온라인 1:1 세션도 운영하여 해외 거주 가정도 참여할 수 있습니다.
참고 자료 (Sources)