통계 실험실 차트
너멜엠 로고
너멜엠
LEARN · SIMULATE · VERIFY

확률부터 LLM까지, 원리부터 제대로 배우는 자기주도 학습 플랫폼

로그인
학습 메뉴
도구블로그
도움말

AI는 답을 줍니다.너멜엠은 판단력을 기릅니다.

정규분포에서 트랜스포머까지, 스스로 이해하는 학습
초보자부터 실무자까지 — 46개 실습에서 먼저 예측하고, 직접 돌려 보며 확인합니다

원하는 개념·랩·가이드를 검색해보세요

Ctrl K
실습 시작하기이론부터 차근차근왜 배워야 할까요?
확률·통계 → 기계학습 → 딥러닝 → LLM 학습 경로 보기
매주 검증당첨번호, AI로 예측이 될까? — 통계·LSTM·트랜스포머·세계통합 vs 랜덤, 추첨 전 번호 공개 후 매주 채점결과 보기 →

AI 시대, 왜 검증하는 능력인가

AI 리터러시는 AI 시스템을 이해하고, 검증하고, 사려 깊게 활용하는 능력입니다. 체계적인 훈련 없이 AI를 자주 사용할수록 그 결과물에 과도하게 의존하게 될 수 있습니다.

— IBM Think, ‘AI 리터러시란 무엇인가요’

AI의 답은 틀릴 때도 유창합니다. 유창함과 정확함을 구분하는 일은 결국 사람의 몫이고, 검증은 태도가 아니라 훈련으로 길러지는 기술입니다. 그 기술의 뿌리가 바로 확률·통계적 사고입니다. AI가 흔히 틀리는 여섯 지점을 시뮬레이션으로 직접 확인해 보세요.

조건 뒤집기

P(A|B)와 P(B|A)를 슬쩍 바꿔 말해도 문장은 그럴듯하게 들립니다.

조건부확률 랩에서 직접 확인

기저율 무시

"검사 양성이면 병이 있다"는 착각 — 드문 사건일수록 크게 틀립니다.

베이즈 정리 랩에서 직접 확인

'통계적으로 유의미'의 남용

p-값의 의미를 오독하면 근거 없는 주장도 과학처럼 보입니다.

가설검정 랩에서 직접 확인

요약 수치만 믿기

평균·상관계수가 같아도 데이터는 전혀 다를 수 있습니다(Anscombe 4중주).

상관·회귀 랩에서 직접 확인

불확실성 없는 단정

오차 범위를 생략한 단정적 수치는 정보가 아니라 인상입니다.

신뢰구간 랩에서 직접 확인

'정확도 90%'의 함정

불균형 데이터에서는 높은 정확도가 아무것도 보장하지 않습니다.

모델 평가 랩에서 직접 확인

이런 분들에게 추천합니다

너멜엠은 다양한 배경의 학습자들이 자신의 속도로 확률·통계부터 AI까지 배울 수 있도록 설계되었습니다

통계·AI 입문자

통계와 AI를 처음 배우고 싶은 분

확률·통계 이론 첫 장부터

취업 준비생

실무 면접 대비가 필요한 분

기계학습 실습실 (모델 평가·과적합)

현업 실무자

이론 복습과 최신 트렌드 학습이 필요한 분

LLM 실습실 (토큰화·어텐션·RAG)

대학생/대학원생

학교 수업 복습과 실습이 필요한 분

확률·통계 실습실 (시뮬레이션 12종)

너멜엠이 특별한 이유

단순한 이론 나열이 아닌, 실제로 배우고 익히고 활용할 수 있는 학습 경험을 제공합니다

자기주도 학습 설계

  • 난이도별(기초/중급/고급) 3단계 학습 경로
  • 개념 → 예제 → 실습 → 평가 단계별 학습
  • 자신의 속도에 맞춰 자유롭게 진도 조절

실제 데이터 기반 학습

  • 실제 통계 데이터를 가공 없이 그대로 제공
  • 이론을 바로 실습에 적용
  • 현실적인 문제 해결 경험

체계적 커리큘럼

  • 확률/통계 → 기계학습 → 딥러닝 → LLM
  • 각 단계의 연결성을 명확히 이해
  • 실무에서 바로 활용 가능한 지식

인터랙티브 학습 환경

  • 시각화 도구로 개념 직관적 이해
  • 실시간 피드백과 진도 추적
  • 다양한 실습 도구와 예제

숫자로 보는 너멜엠

데이터와 실습으로 검증된 학습 플랫폼

1,000+

실제 통계 데이터셋 표본

200+

개념 설명

46개

인터랙티브 실습

4

학습 트랙 (확률·통계 → 기계학습 → 딥러닝 → LLM)

학습 경로

확률/통계 → 기계학습 → 딥러닝 → LLM 순서로 체계적인 학습

확률과 통계

기계학습

딥러닝

LLM

교육 전용 플랫폼 - 통계학, 기계학습, AI를 실제 데이터로 배우는 학습 플랫폼입니다.

이론 학습

데이터 분석 전문가를 위한 통계학

실무에 필요한 통계 이론과 데이터 분석 방법론을 체계적으로 학습합니다.

확률, 통계의 정의와 원리, 수식, 이론적 해설, 실제 예시 등 이론 중심으로 단계별로 학습합니다.

학습 내용:
  • 확률의 기초 개념과 정의
  • 확률분포와 중심극한정리
  • 통계적 추론과 가설검정
  • 베이즈 정리와 실무 응용
학습 시작
이 이론에서 다루는 개념별 가이드
베이지안 네트워크마르코프 체인

핵심 기계학습 알고리즘의 원리

실무에서 가장 많이 사용되는 핵심 알고리즘의 원리와 구현 방법을 학습합니다.

기계학습의 이론적 기초부터 다양한 알고리즘의 작동 원리를 깊이 있게 학습합니다.

학습 내용:
  • 기계학습의 기본 개념과 유형
  • 지도학습: 분류와 회귀 알고리즘
  • 비지도학습: 클러스터링과 차원축소
  • 모델 평가, 검증, 과적합 방지
학습 시작

딥러닝 기초 이론과 아키텍처

퍼셉트론부터 CNN, RNN까지 딥러닝의 기초 이론과 구조를 체계적으로 학습합니다.

인공신경망의 구조와 학습 원리, 딥러닝 모델의 이론적 토대를 학습합니다.

학습 내용:
  • 퍼셉트론: 신경망의 기본 단위
  • 다층 퍼셉트론(MLP)과 활성화 함수
  • 신경망 학습: 순전파와 역전파
  • CNN과 RNN: 특화된 아키텍처
학습 시작
이 이론에서 다루는 개념별 가이드
신경망

대규모 언어모델의 핵심 원리

GPT, BERT부터 최신 LLM까지 핵심 원리와 실무 활용법을 학습합니다.

Transformer 구조부터 최신 LLM까지, 자연어 처리의 이론적 발전사를 학습합니다.

학습 내용:
  • 자연어 처리와 언어 모델의 기초
  • Transformer와 Attention 메커니즘
  • 사전 훈련과 파인튜닝 전략
  • 프롬프트 엔지니어링과 실무 활용
학습 시작
이 이론에서 다루는 개념별 가이드
LLM 처음부터 만들기 (8챕터)