구현하며 이해하는 이미지 생성모델 - CNN 기초부터 Diffusion까지

엑셀로 딥러닝 프레임워크를 직접 구현해보자! 구현한 프레임워크로 지도학습/ 비지도학습/강화학습을 풀어보자!

엑셀로 딥러닝의 원리를 눈으로 보면서 익혀보겠습니다.

[강의 요약: 픽셀에서 실무까지, 명함 인식 시스템 구축]전처리(Pre-processing): 노이즈를 제거하고 가우시안 블러와 캐니 엣지로 명함의 '뼈대'를 추출하는 법을 배웠습니다.허프 변환(Hough Transform): 수만 개의 점 중에서 $(\rho, \theta)$ 투표 시스템을 통해 진짜 '테두리'를 선발하는 오디션 과정을 거쳤습니다.기하학적 추론: 복잡한 직선 방정식을 대입법과 행렬로 풀어내어, 명함의 네 꼭짓점$(x, y)$을 정밀하게 타격했습니다.데이터 정렬 및 필터링: 겹치는 선을 제거하고, 찾은 점들을 '좌상, 우상, 우하, 좌하' 순서로 이름표를 붙여주는 데이터 정제 기술을 익혔습니다.마법의 변환(Perspective): 삐딱한 이미지를 똑바로 펴거나, 반대로 내가 원하는 액자 속에 이미지를 합성하는 실무 기술로 대미를 장식했습니다. 📢 "수식만 보면 머리가 아프신가요? 저도 그랬습니다."개발 현장에서 이미지 처리 프로젝트를 처음 맡았을 때, 저를 가장 괴롭혔던 건 화면 가득한 $\sin, \cos$ 수식들이었습니다. 책에는 공식만 가득했고, 정작 **"이게 왜 내 코드에서 명함을 못 찾지?"**라는 실무적인 문제에 답해주는 곳은 없었습니다.저는 이 강의를 통해 수강생 여러분이 겪을 세 가지 고질적인 문제를 해결해 드리고자 합니다.1. "수학이 외계어처럼 느껴지는 문제" → [비유의 힘]으로 해결합니다.직선 방정식을 단순히 암기하는 것이 아니라, **'원점에서 쏜 레이저'**와 **'그림자 놀이'**로 이해시켜 드립니다. 원리를 이해하면 코드는 자연스럽게 따라옵니다. 제가 수많은 시행착오 끝에 찾아낸 '가장 쉬운 언어'로 수식을 번역해 드립니다.2. "이론은 아는데 응용이 안 되는 문제" → [데이터 오디션]으로 해결합니다.왜 내 명함 테두리가 10개나 생기는지, 왜 꼭짓점 순서가 뒤섞이는지... 실무에서 반드시 마주치는 '지저분한 데이터'를 어떻게 거르고 정렬하는지, 저의 디버깅 노하우를 모두 공개했습니다. 옥석을 가려내는 오디션 로직은 여러분의 프로젝트를 한 차원 높여줄 것입니다.3. "결과물이 따분한 문제" → [인터랙티브 합성]으로 마무리합니다.단순히 흑백 엣지만 보다 끝나는 강의가 아닙니다. 내가 직접 마우스로 찍은 '명예의 전당 액자' 속에 여러분이 만든 명함을 쏙 집어넣는 순간, 여러분은 단순한 코딩을 넘어 **'공간을 다루는 마법'**을 경험하시게 될 겁니다. "컴퓨터 비전은 수학이 아니라, 세상을 바라보는 새로운 눈을 갖는 과정입니다." 제가 현장에서 깨달은 그 짜릿한 'A-ha!' 모먼트를 여러분께 전달해 드리고 싶습니다. 이제 복잡한 이론서는 덮으셔도 좋습니다. 저와 함께 코드라는 붓으로 이미지를 자유자재로 그려보시죠!

본 강의에서는 포토 모자익을 생성하는 전체 과정을 알고리즘 관점에서 살펴봅니다. 입력 이미지를 K-means 클러스터링을 통해 타일 개수에 맞는 대표 색상 집합으로 축소한 뒤, 헝가리안 알고리즘을 적용하여 각 색상과 타일을 1:1로 최적 매칭합니다. 이를 통해 이미지 처리와 조합 최적화 알고리즘이 결합되어 하나의 시각적 결과물을 만들어내는 과정을 이해합니다

파이썬 + xlwings 업무자동화 강의 요약 1. 기본편: Excel 제어 기초 셀 다루기 / 서식 적용 / 이미지 & 차트 삽입 2. 응용편 : 자동화 시나리오 자동메일 발송 / 보고서 요약 자동화(LLM) / 이미지 분류하여 작업(Teachable Machine)

이 강의가 특별한 이유: 핵심 장점 • 직관적인 시각화: Pygame 2D 시뮬레이션으로 알고리즘 동작을 실시간으로 직접 확인 • 실제 구현 경험: 이론을 넘어 직접 코딩하며 자율 주행 알고리즘 체득 • 핵심 알고리즘 마스터: 다익스트라, 퓨어 퍼슈트, ICP 등 필수 알고리즘 집중 학습 • 단계별 심화 학습: 기초부터 SLAM까지 체계적인 난이도 구성 • Lidar 기반 SLAM: 미지 환경에서의 맵 구축 및 위치 추정 실습

딥러닝은 복잡한 함수의 조합으로 이루어진 신경망을 통해 데이터를 학습하는 기술입니다. 이 강의에서는 딥러닝의 핵심 개념을 수학적으로 이해하고, 이를 행렬 연산 관점에서 분석해봅니다. 특히 Python의 NumPy 라이브러리를 활용하여, 딥러닝의 순전파와 역전파 과정을 직접 구현해보며 파라미터가 어떻게 업데이트되는지 시각적으로 살펴봅니다. 복잡해 보이던 신경망 구조도 행렬 연산으로 풀어내면 명확해집니다. 이 강의는 코딩보다 개념 이해에 중점을 두고, 딥러닝의 원리를 수학적으로 직관적으로 익히고자 하는 학생들에게 적합합니다.

엑셀로 딥러닝 기초를 구현하며 그 의미를 깊게 이해하기! 이미지 데이터를 어떻게 처리하는지 학습!

엑셀로 딥러닝 기초를 구현하며 그 의미를 깊게 이해하기!

엑셀로 딥러닝 기초를 구현하며 그 의미를 깊게 이해하기!

Pre-Trained 모델(VGG16) / CAM / Grad-CAM / YOLO / STYLE TRANSFER / PIX2PIX / CYCLEGAN Stable Diffusion 을 직접 구현해 보기

Pre-Trained 모델(VGG16) / CAM / Grad-CAM / YOLO / STYLE TRANSFER / PIX2PIX / CYCLEGAN Stable Diffusion 을 직접 구현해 보기

이 강의는 LDM(Latent Diffusion Model)부터 DiT(Diffusion Transformer)까지, 생성형 AI의 핵심 기술 발전을 완전 해부하는 실전형 마스터클래스입니다. LDM의 잠재 공간 기반 학습 원리와 Stable Diffusion의 구조, 그리고 최신 Diffusion Transformer의 구현 방식을 논문과 코드로 직접 분석합니다. 수강생은 PyTorch 기반으로 LDM, CFG(Classifier-Free Guidance), DiT 모델을 직접 구현하며, 생성 모델의 최신 트렌드와 구조적 진화를 체계적으로 익힙니다.

최신 Transformer 기반 PixArt와 경량 적응화 SANA를 이론부터 코드까지 단계별로 구현합니다. I·II편에서 다룬 DDPM·DDIM·LDM·DiT를 바탕으로, 텍스트 인코더 연결, 샘플러(DDIM/ODE), v-예측/CFG 튜닝, 소규모 데이터 스타일 미세튜닝까지 실습 위주로 완주합니다.

이 강의는 생성형 인공지능 모델 중 Diffusion 모델과 관련된 실습을 수행합니다. 대표적인 Diffusion 모델 응용 논문인 prompt-to-prompt 논문을 함께 읽어보고 구현해 봄으로써, 최신 인공지능 논문을 이해할 수 있는 능력을 함양할 수 있기를 기대합니다.

실무 적용과 면접 대비가 막막하시죠? 제 현업 경험을 녹여 CNN부터 DETR까지 코드 중심으로 확실히 잡아드립니다.

본 강의에서는 포토 모자익을 생성하는 전체 과정을 알고리즘 관점에서 살펴봅니다. 입력 이미지를 K-means 클러스터링을 통해 타일 개수에 맞는 대표 색상 집합으로 축소한 뒤, 헝가리안 알고리즘을 적용하여 각 색상과 타일을 1:1로 최적 매칭합니다. 이를 통해 이미지 처리와 조합 최적화 알고리즘이 결합되어 하나의 시각적 결과물을 만들어내는 과정을 이해합니다

Next.js, YOLOv11, FastAPI를 활용하여 실시간 화재 감지 시스템을 구축하는 방법을 배웁니다.

메이커톤에서 80%가 막히는 포인트, 이제 해결하세요. 라즈베리파이 · 컴퓨터비전 · LLM · 3D 설계까지 4주 완성! 시연 가능한 스마트미러 PoC로 메이커톤 상위권 달성!

현업에서 진짜 쓰이는 OCR 기술, 제대로 배워보고 싶다면 이 강의 하나로 끝! 비정형 문서와 복잡한 레이아웃에서도 98% 이상의 정확도를 목표로, 최신 SOTA 모델과 실전 노하우를 바탕으로 기업 수준의 OCR 프로젝트를 함께 만들어갑니다.

보스톤 마라톤 빅 데이터를 기반으로 파이썬과 텐서플로2를 이용하여 다양하고 유용한 머신러닝 회귀(Regression)와 분류(Classification) 프로젝트를 이론과 함께 배우는 머신러닝 종합 프로젝트 과정입니다.