채널톡 아이콘

AI 반도체 설계를 위한 필수 이론 — 뉴런에서 LLM까지

NPU·트랜스포머 가속기·mini LLM 같은 AI 반도체를 직접 설계하려면, 그 안의 연산이 왜 일어나는지 이론으로 알아야 합니다. 이 강의는 뉴런 하나에서 CNN·트랜스포머·LLM까지, 하드웨어 설계에 꼭 필요한 이론의 엑기스만 뽑아 세 편으로 압축했습니다. 수식 암기가 아니라 '왜 그렇게 되는지'의 직관으로, 반도체 산업 30년 경력의 현직 교수가 소프트웨어 이론과 하드웨어 구현을 하나로 잇습니다.

1명 이 수강하고 있어요.

난이도 입문

수강기한 무제한

트랜스포머
트랜스포머
llm
llm
ai이론
ai이론
인공지능
인공지능
트랜스포머
트랜스포머
llm
llm
ai이론
ai이론
인공지능
인공지능

수강 후 이런걸 얻을 수 있어요

  • 뉴런·신경망·CNN·트랜스포머·LLM의 작동 원리를 직관으로 이해하는 능력

  • 학습·경사하강법·양자화 등 AI 하드웨어 설계에 필요한 핵심 이론 토대

  • ChatGPT·GPT·BERT가 어떻게 만들어지는지 원리 수준의 이해

  • AI 이론이 실제 반도체 회로(NPU·가속기)로 어떻게 이어지는지 보는 큰 그림

  • 이후 AI 가속기·NPU 설계 실습을 이해하며 따라갈 수 있는 이론 기반

■ 이 강의는 왜 필요한가

NPU, 트랜스포머 가속기, mini LLM — 이런 AI 반도체를 직접 설계하려면, 그 안에서 무슨 연산이 왜 일어나는지 이론으로 알고 있어야 합니다. 회로만 따라 그려서는 한계에 부딪힙니다. 이 강의는 앞으로 AI 하드웨어를 설계하기 위해 반드시 필요한 이론적 토대를, 꼭 필요한 엑기스만 뽑아 세 편으로 압축한 강의입니다.

뉴런 하나의 곱셈에서 시작해 CNN, 어텐션, 트랜스포머, LLM까지 — 방대한 AI 이론 중에서 '하드웨어 설계에 실제로 필요한 것'만 골라 담았습니다. 학문적 깊이를 위한 이론이 아니라, 직접 만들기 위한 이론입니다.

■ 이 강의가 다른 이유

시중의 AI 이론 강의는 소프트웨어와 수학의 관점에서 멈춥니다. 이 강의는 처음부터 '하드웨어로 만들기 위한 이론'을 지향합니다. 뉴런의 곱셈·덧셈이 칩에서 어떻게 전력이 되는지, 왜 트랜스포머의 행렬 연산이 전용 가속기(NPU)를 부르는지, 왜 저전력 AI 반도체가 미래인지 — AI 이론을 반도체 설계자의 눈으로 풀어냅니다. 반도체 산업 30년 경력의 현직 교수가, 소프트웨어 이론과 하드웨어 구현을 하나로 잇습니다.

■ 이 강의는 시작점입니다

이 강의는 앞으로 이어질 하드웨어 설계 강의들의 이론적 출발점입니다.

· 이 강의(이론) → NPU 설계 → 트랜스포머 가속기 → mini LLM SoC

여기서 다진 이론이 있어야, 이후 강의에서 '이 회로가 왜 이렇게 설계되는지'를 이해하며 따라올 수 있습니다. 반대로 이론 없이 회로만 보면 암기가 되고, 응용할 수 없습니다.

■ 3부작 구성

· 제1부 뉴런에서 CNN까지 — 학습의 원리(경사하강법), 퍼셉트론과 XOR의 벽, 심층 신경망(DNN), 합성곱 신경망(CNN)

· 제2부 RNN에서 Transformer까지 — 순차 데이터와 RNN, 워드 임베딩, 어텐션 메커니즘, 트랜스포머

· 제3부 Transformer에서 LLM으로 — 사전학습·전이학습, BERT와 GPT, ChatGPT와 RLHF, 그리고 저전력 반도체로

세 편은 하나로 이어지는 이야기입니다. 순서대로 학습하시면 뉴런에서 LLM에 이르는 전체 그림이 완성됩니다.

■ 이런 분께 권합니다

· 앞으로 NPU·AI 가속기·AI SoC를 직접 설계하려는 분 (그 이론 토대로)

· AI 하드웨어 설계 강의를 듣기 전, 배경 이론을 엑기스로 다지고 싶은 분

· AI를 원리부터 이해하되, 학문적 깊이보다 '만들기 위한 핵심'을 원하는 분

· 용어(CNN·어텐션·트랜스포머·LLM)는 들어봤지만 작동 원리가 잡히지 않는 분

■ 이런 강의입니다

· 하드웨어 설계에 필요한 이론만 엄선 — 방대한 AI 이론의 엑기스

· 수식 암기가 아니라 직관 중심 — '왜 그렇게 되는지'를 그림과 비유로

· 뉴런 하나에서 LLM까지, 끊김 없이 이어지는 하나의 이야기

· AI 이론과 반도체 하드웨어를 잇는, 흔치 않은 관점

· 별도의 실습·보드·설치 없이 영상만으로 완주 가능

■ 참고

· 이 강의는 이론편입니다. FPGA로 직접 AI 가속기를 만드는 실습은 별도의 강의에서 다룹니다. 이 강의의 이론이 그 실습 강의들의 토대가 됩니다.

· 본 강의의 모든 내용은 강사가 제작하였으며, 나레이션(음성)은 TTS로 제작되었습니다.

이런 분들께
추천드려요

학습 대상은
누구일까요?

  • 앞으로 NPU·AI 가속기·AI SoC를 직접 설계하려는데 이론 토대가 없는 분

  • AI 하드웨어 설계 강의를 듣기 전, 배경 이론을 엑기스로 다지고 싶은

  • CNN·어텐션·트랜스포머·LLM 용어는 아는데 작동 원리가 안 잡히는 분

  • AI를 원리부터 이해하되, 학문적 깊이보다 '만들기 위한 핵심'을 원하는 분

선수 지식,
필요할까요?

  • 특별한 선수 지식이 없어도 이해할 수 있도록 직관 중심으로 설명합니다

  • 고등학교 수준의 수학(함수·그래프)을 알면 더 수월합니다

  • 코딩·실습은 필요하지 않습니다 (이론편)

안녕하세요
EdgeChipLab입니다.

반도체 산업 30년 경력(삼성전자)과 현직 대학 교수입니다.

삼성전자 DS부문 시스템반도체 연구원, 영국·독일법인 Director, 시스템LSI 마케팅·영업 그룹장을 거쳤고, 현재 대학에서 차세대 반도체 설계를 가르치고 있습니다.

트랜지스터부터 CPU·NPU·AI SoC까지, 직접 설계한 회로가 실제 FPGA에서 동작하는 과정을 가르칩니다. 특히 본 강의들은 인터넷의 단편 지식을 모은 것이 아니라, 강사 본인의 학술 연구와 검증된 설계를 실제 FPGA 하드웨어로 구현하고 Bit-True로 검증한 결과물입니다. 자체 개발한 RISC-V CPU를 포함한 모든 소스 코드는 GitHub에 공개되며, 보급형 FPGA(Arty S7-25)와 무료 툴(Vivado)만으로 누구나 직접 재현하고 검증할 수 있습니다.

모든 강의는 하나의 커리큘럼으로 연결됩니다. AI 이론에서 시작해 이미지 처리, AI 가속기(NPU) 설계·검증으로 이어지며, 앞으로 RISC-V CPU, NPU 심화, AI SoC, mini LLM에 이르는 고급·전문 과정으로 확장됩니다. (콘텐츠는 지속적으로 업데이트됩니다.)

[검증 가능한 이력]

- 자체 개발 RISC-V CPU — RISC-V 국제재단 공식 컴플라이언스 테스트(ACT) 통과, 소스 코드 공개

- 단독저자 학술논문 4편(KCI 저명학술 등재지 IJIBC)

- 아마존 출간 서적 2편(AI NPU System Design with Python and Verilog 등 베스트셀러 #3 등재)

- RV32I CPU·NPU·비전·AURA-Edge SoC를 Arty S7에서 동작 검증

YouTube @EdgeChipLab · GitHub github.com/estlit

더보기

커리큘럼

전체

3개 ∙ (1시간 40분)

강의 게시일: 
마지막 업데이트일: 

수강평

아직 충분한 평가를 받지 못한 강의입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!

EdgeChipLab님의 다른 강의

지식공유자님의 다른 강의를 만나보세요!

비슷한 강의

같은 분야의 다른 강의를 만나보세요!

얼리버드 할인 중

₩5,940

40%

₩9,900