누구나 따라하면서 배우는 Physical AI

지금은 바야흐로 생성형 AI의 시대! 단순히 최신 기술을 사용하는 것 뿐만 아니라 핵심원리를 파악해 생성형 AI를 나의 일상에 활용할 수 있는 지식과 경험을 습득해 보세요!

이 강의는 LLM과 GPT의 기본 개념을 누구나 이해할 수 있도록 쉽게 설명합니다. 수강생은 GPT API를 직접 활용해 챗봇을 만들고, Streamlit을 이용해 웹에서 실행할 수 있습니다. 기초부터 실습까지 경험하면서 AI 활용의 첫걸음을 확실히 다질 수 있습니다.

RAG(Retrieval-Augmented Generation)의 이론부터 최신 멀티모달, 에이전트 기반 RAG까지! 비전공자도 이해할 수 있도록 구성된 실습 중심 강의입니다. 논문 리뷰부터 실전 코드 구현까지, RAG를 처음 접하는 사람도 쉽게 따라올 수 있도록 설계했습니다.

이 강좌에서 기대할 수 있는 것 LangGraph를 사용하여 고급 AI 에이전트를 설계하고 배포하는 방법을 익히기 위한 궁극적인 가이드인 'LangGraph in Action'에 오신 것을 환영합니다. 이 강좌에서는 모듈식이며 확장 가능하고 프로덕션 환경에 바로 적용할 수 있는 에이전트를 구축하는 기초를 실습 위주의 방식으로 탐구합니다. LangGraph의 상태 기반 설계의 기초를 이해하는 것부터 풀스택 애플리케이션을 제작하는 것까지, AI 에이전트를 실제로 구현하는 데 필요한 기술을 습득하게 됩니다. 강좌 주요 내용 상태 기반 설계: 노드(nodes)와 에지(edges)라는 LangGraph의 핵심 철학을 깊이 있게 다루어 구조화되고 유지보수가 용이한 에이전트를 생성합니다. 메모리 관리: 체크포인터(checkpointers)를 활용한 단기 메모리와 Store 객체를 활용한 장기 메모리를 탐구하여, 적응하고 학습하는 에이전트를 구현합니다. 고급 워크플로우: Human-in-the-loop 시스템을 구축하고, 병렬 실행을 구현하며, 멀티 에이전트 패턴을 마스터합니다. 프로덕션용 개발: 비동기 작업, 서브그래프(subgraphs)를 배우고 FastAPI와 Docker를 사용하여 풀스택 애플리케이션을 제작합니다. 강좌를 마칠 때쯤이면 강력한 이론적 이해뿐만 아니라 오픈소스 도구만을 사용하여 어디서나 AI 에이전트를 배포할 수 있는 실무 기술을 갖추게 될 것입니다. 최신 기술을 앞서가려는 개발자이든, AI 툴킷을 확장하려는 숙련된 엔지니어이든, 이 강좌는 빠르게 성장하는 AI 에이전트 분야에 필요한 역량을 제공합니다. 실제 애플리케이션에서 AI 에이전트 도입이 증가함에 따라, 이 강좌는 실질적인 과제를 해결하는 고급 시스템을 설계, 구축 및 배포할 수 있도록 준비시켜 줍니다. 함께 AI의 미래를 만들고 구축해 봅시다!

이 강의에서는 추천 시스템의 핵심 알고리즘부터 실전 구현까지 다룹니다. - 컨텐츠 기반 필터링 - 협업 필터링, 딥러닝 기반 추천 모델 구현 - Two-step recommender systems 구현 - PyTorch/RecBole 활용한 실습 - 현업 노하우와 추천 결과 시각화까지

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.

LLM이 필요한 이유와 기술적 배경 및 기본 개념을 설명합니다.

챗지피티(ChatGPT) 같은 대규모 언어 모형의 기초 원리를 이론 중심으로 설명합니다.

딥러닝·CNN 핵심 이론부터 다양한 CNN 모델 구현 방법, 실전 문제를 통한 실무 딥러닝 개발 노하우까지, Pytorch 기반의 딥러닝 CNN 기술 전문가로 거듭나고 싶다면 이 강의와 함께하세요 :)

쉽고 배워서 바로 쓰는 컴퓨터 비전 실전 프로젝트: 실무에서 바로 활용 가능한 컴퓨터 비전 프로젝트를 단계별로 학습합니다. 실전 사례를 통해 전문성을 높입니다.

안녕하세요 여러분. 제 풀 AI 코스 2026: ChatGPT, Google Gemini, Midjourney, Firefly에 오신 것을 환영합니다. 제 강의에서는 모든 AI 도구에 대한 모든 것을 배우게 됩니다. 저는 이러한 AI 도구의 모든 기능에 대한 비디오 강의를 만들었습니다. 이 도구들의 모든 기능을 사용하는 방법에 대한 실제 실용적인 구현을 보실 수 있습니다.

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

40여 종의 경제 지표와 주가 데이터를 AI로 분석하여, S&P 500, QQQ ETF뿐만 아니라 개별 종목까지 예측하는 강력한 주가 분석 모델을 직접 만들어보세요!

이 강의는 “타이타닉에 내가 탔다면 과연 살아남을 수 있었을까?”라는 질문에서 출발하여, 실제 데이터를 기반으로 생존 확률을 예측하는 AI 모델을 개발하고, 이를 웹으로 서비스하는 풀스택 프로젝트를 완성합니다. PyTorch를 이용한 딥러닝 모델링, FastAPI로 백엔드 서버 구축, Next.js로 사용자 인터페이스 구현에 이르기까지, AI와 웹 개발의 전 과정을 실습하게 됩니다.

파이썬 한국어 텍스트 분석과 자연어처리 워드클라우드 시각화, 형태소 분석, 토픽모델링, 군집화, 유사도 분석, 텍스트데이터 벡터화를 위한 단어 가방과 TF-IDF, 머신러닝과 딥러닝을 활용한 텍스트 분류, 허깅페이스 활용법

머신러닝&딥러닝의 기초부터 확실하게! 파이썬으로 분류/회귀/군집/인공신경망 생성과 활용까지

도커를 사용해서 클라우드에 딥러닝 분석환경을 만들 수 있습니다. 구글, MS 등이 관리하는 도커 이미지와 클라우드가 결합할 때 여러분의 컴퓨터에서 가장 최신의 딥러닝 분석 방법으로 작업을 수행하는 것이 가능해집니다.

시간은 끊임없이 흐르고, 데이터는 계속 쌓입니다. 이 역동적인 세계에서 시계열 데이터는 우리 삶의 모든 측면에서 중요한 역할을 합니다. 금융 시장의 변동성부터 기후 변화의 미묘한 신호에 이르기까지, 시계열 데이터는 이 모든 것을 담고 있습니다. 이제 이 강력한 데이터를 파이썬과 딥러닝의 힘을 이용하여 해석하고 활용하는 방법을 배워보세요!

스프링 부트 프로젝트에서 Fast를 이용한 파이썬 기반 AI 웹서버와의 연결을 설명합니다.

데이터분석가로 성장하고 싶은 스타터 분들을 위한 파이썬 기본 강의입니다. - 데이터 분석을 하고 싶지만 파이썬을 모르는 분 - 파이썬으로 머신러닝 배우고 싶은 분 - 빅데이터 분석기사 실기 시험을 준비하는 분 - 파이썬으로 머신러닝 기반 애플리케이션을 개발하고 싶은 분