딥러닝 기반 이미지·객체 인식: CNN에서 YOLO·DETR까지

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!

딥러닝을 활용한 생성모델 AI 모델의 작동 원리를 이해하고 실습을 통해 활용 방법을 습득합니다.

코딩이 처음이신가요, 아니면 코딩 기술을 한 단계 업그레이드하고 싶으신가요? 파이썬, 그 강력하고 유연한 언어로 여러분을 안내할 이 강의는 모든 수준의 학습자를 위해 설계되었습니다. "따라하기" 방식으로 진행되는 이 강의는, 여러분이 실제로 코드를 작성하고 실행하면서 학습할 수 있게 합니다. 이 강의를 통해 파이썬이 왜 가장 인기 있는 프로그래밍 언어인지 알게 될 것입니다. 인공지능부터 웹 개발까지 다양한 영역에서 무궁무진한 가능성을 보여주는 파이썬 언어의 습득은 개인의 잠재력을 크게 올릴 수 있는 기회가 될 것입니다.

이 강의는 OpenAI API를 활용하여 텍스트·이미지·음성·문서 기반 생성형 AI 애플리케이션을 직접 구현하는 실습 중심 과정입니다. Anaconda·Jupyter Notebook 환경 구성부터 시작해 API Key 관리, 비용·토큰 이해 등 실무에 반드시 필요한 개발 환경 설정을 다룹니다. 최신의 Responses API를 기반으로 텍스트 생성, 요약, 분류, Vision(이미지 이해), 음성 처리, PDF 입력 처리를 구현하며, Function Calling, Structured Outputs(Pydantic), Embedding, RAG(File Search) 등 현업에서 바로 사용하는 핵심 기능을 단계별로 실습합니다. 또한 Web Search, Code Interpreter, Streaming, Background 작업, Conversation State 관리까지 포함하여 단순 호출을 넘어 ‘지능형 AI 서비스’로 확장하는 방법을 학습합니다. 마지막으로 Agents SDK, MCP(Model Context Protocol)를 활용해 도구를 스스로 선택·실행하는 에이전트 기반 AI 시스템을 구현하며, 실제 서비스 개발에 필요한 구조와 설계 관점을 함께 익히는 것을 목표로 합니다

머신러닝 및 딥러닝 전반에 대한 개요와 기본 도구 사용 방법, 그리고 학습에 필요한 파이썬 언어 지식을 단기간에 습득할 수 있습니다.

본 강의는 추천시스템의 기본개념부터 딥러닝 적용원리까지 다룹니다. 협업 필터링, 콘텐츠 기반 필터링, 하이브리드 추천 시스템 등 다양한 추천 알고리즘을 배우며 추천 서비스 개발을 위한 실무역량을 키워보세요!

이 강의는 LangChain 1.0과 LangGraph를 중심으로 생성형 AI 서비스를 설계·구현하는 전 과정을 단계별 실습으로 다룹니다. 단순한 LLM 호출을 넘어, 에이전트 기반 아키텍처, 상태(State) 관리, 메모리, 스트리밍, 미들웨어, Human-in-the-Loop까지 포함한 운영 가능한 AI 시스템 구조를 직접 구현합니다. 문서·PDF·웹 데이터 기반 RAG 시스템, SQL Agent(Chinook DB), 도구 호출 기반 Agent, Supervisor 패턴의 멀티 에이전트, 그리고 LangGraph Graph API를 활용한 상태 머신 기반 워크플로우를 실습하며, 현업에서 바로 활용 가능한 재사용 가능한 에이전트 파이프라인을 구축합니다. 또한 구조화된 출력(Pydantic 기반), 에이전트 미들웨어(Summarization, HITL, Retry, PII 보호), 토큰/단계별 스트리밍을 통해 실제 서비스에서 요구되는 안정성·확장성·제어 가능성을 갖춘 생성형 AI 애플리케이션을 완성합니다. 👉 LangChain/LangGraph의 내부 구조와 실행 흐름을 정확히 이해하고 싶은 분 👉 RAG·Agent를 “데모”가 아닌 실서비스 구조로 구현하고 싶은 분 👉 상태 기반 에이전트, SQL·문서 자동화, 멀티 에이전트 오케스트레이션까지 아우르는 현실적인 실무 로드맵이 필요한 분께 최적의 강의입니다.

자연어 처리(NLP)는 인공지능의 가장 빠르게 성장하는 분야 중 하나입니다. 이 강의는 NLP의 기초부터 시작하여, 딥러닝을 이용한 최신 NLP 기술까지 폭넓게 다룹니다. 특히, ChatGPT와 같은 최첨단 생성 모델에 대한 심도 있는 이해를 제공합니다.

주식, 환율, 코인, 부동산, 채권 등 금융 데이터는 주변에서 쉽게 접할 수 있고 우리에게 돈을 벌 수 있는 기회를 제공하지만 대부분의 사람들은 그 특성과 다루는 방법을 알지 못해 소중한 기회를 놓치고 있습니다. 이 강의를 통해 다양한 금융 데이터의 의미 파악과 파이썬을 이용한 분석 방법을 배울 수 있습니다.

데이터의 바다에서 길을 찾고, 인공지능의 미래를 탐험하세요. 이 강의는 빅데이터와 인공지능(AI)이라는 두 개의 거대한 테크놀로지의 흐름을 탐구하고, 이들이 어떻게 우리의 삶과 업무에 혁신을 가져오고 있는지를 살펴봅니다.

현대 비즈니스 세계에서 데이터 보안과 사기 방지는 어느 때보다 중요해졌습니다. 이 강의는 인공지능(AI)을 활용하여 이상거래를 효과적으로 감지하고 분석하는 방법에 대해 집중적으로 다룹니다. 파이썬(Python)과 머신러닝을 활용하여 이상거래, 신용카드 사기, 생산 라인의 이상 등 다양한 산업 분야에서 발생하는 이상치를 조기에 탐지, 검출할 수 있도록 하는 인공지능 모델을 구축해 봅니다.

최근 인공지능 분야의 놀라운 성과는 모두 강화 학습 분야에서 발표되고 있습니다. 로봇, 자율 주행 기술, 인간을 닮은 기계 등 진정한 인공 지능 기술의 혁신을 이루어 내고 있는 강화 학습 기술을 초보자의 시선으로 알기 쉽게 기초에서 고급 수준까지 다루었습니다.

직관적이고 파이써닉한 파이토치(Pytorch)를 통해 딥러닝 모델을 직접 구축하는 방법을 학습해 봅니다. 최신 Pytorch version 을 반영하였습니다.

데이터의 세계로 첫발을 내딛고 싶으신가요? AI의 핵심 기술인 머신러닝과 딥러닝을 파이썬과 함께 배워보세요. 이 강의는 머신러닝과 딥러닝의 기초부터 실제 응용까지, 단계별로 친절하게 안내합니다. 전통적인 머신러닝과 딥러닝은 많은 부분에서 동일한 원리와 기술 체계에 기반하고 있습니다. 따라서 본 강의에서는 두 가지를 별도의 과목으로 분리하지 않고 하나의 연결된 과정으로 구성하여 입문자가 머신러닝 전반에 걸친 이해도를 높일 수 있도록 하였습니다.

웹 개발자라면 누구나 알고 있는 JavaScript, 이제 이 강력한 언어로 머신러닝의 세계를 탐험해보세요! 이 강의는 JavaScript와 함께 강력한 머신러닝 라이브러리인 Tensorflow.js를 활용하여 머신러닝 모델을 구축하고 배포하는 방법을 배웁니다. 웹 기반의 머신러닝 애플리케이션 개발에 필요한 모든 기술을 단계별로 안내합니다. 이 강좌를 통해 학습자는 머신러닝의 핵심 원리를 체계적으로 이해하게 됩니다. 더불어, 자바스크립트와 Tensorflow.js API를 활용한 딥러닝 모델의 개발 방법 및 사전 훈련된 모델을 기반으로 하는 전이 학습(Transfer Learning) 활용법과, 이 모든 지식이 브라우저 환경에서 상호작용적으로 적용되는 법을 배우게 됩니다.

강사가 처음 딥러닝을 익혔을 때 실패했던 경험을 바탕으로 딥러닝 이해에 필요한 수학, 이론, 파이토치 기반 구현, 전이학습, GPT 핵심 트랜스포머까지 차근차근 익힐 수 있도록 새롭게 꾸민 강의입니다.

AI를 연구하거나 이를 활용하여 프로젝트를 진행할 때 기본적인 논문 구현은 필수 입니다. 이 강의를 통해 실제 논문을 한편 구현해보며 실무 역량을 업그레이드 해봅시다!

핫 한 이미지 생성모델! 기초부터 구현하면서 이해하자! AUTO ENCODER / VAE / GAN / DIFFUSION 까지 함께 구현해 봅시다!

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

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.

명함인식을 구현하는 실전을 통해 OpenCV를 활용하고 이미지를 처리하는 방법을 배웁니다. OpenCV에 대해서는 간략히 설명하며, 명함인식을 구현하기 위해 필요한 OpenCV 함수들은 좀 더 자세히 설명하는 방식입니다. 즉 기초강좌라기 보다는 명함인식이라는 실전을 위한 엑기스를 제공합니다. Tesseract 및 Microsoft의 OCR엔진을 활용하는 방안도 포함됩니다. 본 강의의 소스코드는 Python기반이지만, 활용하는 OpenCV 클래스 및 함수와 이미지 인식 및 처리기술을 익히기 때문에, 이를 바탕으로 안드로이드와 iOS에 적용하는 것은 무리가 없을 것입니다. 수강하시는 분은 강의 슬라이드, 실제 동작하는 명함 인식 소스 코드를 제공합니다. 2017년 1월과 2월에 3회의 오프라인 세미나를 하면서 더욱 개선되고 검증된 강의 내용을 강사가 정성들여 온라인용으로 다시 녹음한 것입니다. 본 강의에서 활용되는 OpenCV 함수들입니다. cv2.Canny() cv2.GaussianBlur() cv2.VideoCapture() cv2.adaptiveThreshold() cv2.approxPolyDP() cv2.arcLength() cv2.boundingRect() cv2.boxPoints() cv2.contourArea() cv2.convertScaleAbs() cv2.createTrackbar() cv2.cvtColor() cv2.destroyAllWindows() cv2.dilate() cv2.drawContours() cv2.findContours() cv2.getAffineTransform() cv2.getPerspectiveTransform() cv2.getTrackbarPos() cv2.imread() cv2.imshow() cv2.imwrite() cv2.minAreaRect() cv2.namedWindow() cv2.rectangle() cv2.resize() cv2.threshold() cv2.waitKey() cv2.warpAffine() cv2.warpPerspective()

이미지를 업로드하면 Opencv가 처리하여 얼굴을 검출해주는 웹앱을 만들어 봅니다.

CNN을 공부 했는데도 잘 모르시겠다구요? CNN의 기본 동작 원리를 핵심 부분만 간결하게 알려 드리겠습니다.

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.

AI 인공지능, 모바일이 대세라는 것은 말할 필요가 없습니다. 그런데 머신러닝과 딥러닝을 배워서 모바일에서 어떻게 쓴다는 겁니까? 이제 생활에서 활용되는 유용한 모바일 Computer Vision 프로젝트들을 같이 배워봅시다.

Multi Head Attention 부터 Original Transformer 모델, BERT, Encoder-Decoder 기반의 MarianMT 번역 모델, Vision Transformer 까지 코드로 직접 구현하며 Transformer에 대해 속속들이 배우게 됩니다.

<대규모 언어 모델, 핵심만 빠르게!>(인사이트, 2025)를 바탕으로 LLM의 이론과 실전 예제를 다루는 강의입니다.