LLM 기획, LLM 응용 기획 담당자를 위해 LLM이 필요한 이유와 기술적 배경 및 기본 개념을 설명합니다.

LLM의 한계와 한계 극복을 위한 최신 기술과 전망되는 미래 기술을 탐구합니다.

자연어 처리 기술의 출발부터 시작해서 최신 LLM 모형에 이르기까지의 과정에서 개발된 다양한 언어 모형들을 상세히 설명합니다.

왜 Attention이 필요했는지, 그리고 어떻게 동작하는지 ‘코드로 직접 구현하며’ 이해합니다. 이 강의는 RNN과 Seq2Seq 모델의 구조적 한계에서 출발하여, 고정된 컨텍스트 벡터가 만들어내는 정보 병목 문제, 장기 의존성 문제를 실험으로 검증하고 그 한계를 해결하기 위해 Attention이 어떻게 등장했는지를 자연스럽게 이어서 설명합니다. 단순히 개념을 소개하는 것이 아니라, RNN의 구조적 한계와 Seq2Seq의 정보 병목 문제를 직접 실험으로 확인하고, 이를 해결하기 위해 등장한 **Bahdanau Attention(가산적 어텐션)**과 **Luong Attention(점곱 어텐션)**을 하나씩 구현하며 그 차이를 명확하게 이해합니다. 각 어텐션이 어떤 방식으로 Query–Key–Value 관계를 형성하고, 가중치를 계산하는 과정에서 어떤 수학적·직관적 차이를 가지며, 왜 후대 모델로 이어질 수밖에 없었는지 그 특성과 진화 흐름까지 자연스럽게 연결됩니다. Attention이 문장과 단어를 어떻게 바라보고, 각 단어가 어떤 방식으로 중요도를 부여받아 정보를 통합하는지를 수식 → 직관 → 코드 → 실험이 하나로 이어진 형태로 학습합니다. 이 강의는 Transformer를 제대로 이해하기 위한 ‘기초 체력’을 쌓는 과정으로, Attention이라는 개념이 왜 혁명적이었는지, 그리고 이후의 모든 최신 NLP 모델(Transformer, BERT, GPT 등)이 왜 Attention을 핵심 구성요소로 삼는지를 깊이 있게 이해하게 됩니다. RNN → Seq2Seq → Attention으로 이어지는 흐름을 개념이 아니라 코드와 실험으로 체화하고 싶은 학습자에게 최적화된 강의입니다.

케라스 창시자 프랑소아 숄레의 『케라스 창시자에게 배우는 딥러닝 3판』 깃허브 예제 코드를 직접 실습하며 배우는 실전 딥러닝 강의입니다. 기본 인공신경망부터 최신 LLM과 디퓨전 모델까지 단계별로 구현하고, 실무에 바로 적용 가능한 머신러닝 파이프라인과 모범 사례를 익힙니다.

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.

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

AI가 단순히 대답만 하던 시대는 끝났습니다. 이제는 스스로 판단하고 행동하는 LLM Agent의 시대입니다. 이 강의는 단 90분 실습으로 에이전트의 핵심 원리와 구조를 직접 구현하며 배우는 입문형 강의입니다. 복잡한 이론은 최소화하고, 코드 중심의 실습 흐름으로 “AI가 어떻게 판단하고 툴을 사용하는지”를 직접 체험할 수 있습니다. 프롬프트 엔지니어링을 넘어서, AI 자동화의 첫걸음을 함께 시작해 보세요.

AI가 짜 준 코드를 뭔지도 모른 채 쓰고 계신가요. 단순이 동작하는게 중요한게 아니라 성능 좋게 만들어야 하는데 "왜 이렇게 구현했나요"라는 질문에는 말이 막힙니다. 그 답답함의 정체는 CS 기초지식이 없고 GPU 동작 원리를 모르기 때문입니다. 이 강의를 통해서 CPU와 GPU에 적용된 원리와 해당 CS 지식을 습득하여서, AI를 통제하면서 AI에게 일을 잘 시킬수 있는 사람이 됩니다. 또한 회사에서나 취업 / 이직에 있어서 AI에 대체되지 않고 더 높은 연봉을 받을 수 있게 됩니다.

이 강의를 통해 인공지능 대학원 입시 과정 및 준비 방법을 처음부터 끝까지 알아가실 수 있을 거예요! 합격 확률을 높이는 좋은 내용도 같이 알려드리겠습니다!

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.

본 과정은 AI 모델링 프로젝트를 실무에서 능숙하게 수행하기 위한 기본 이론과 실무 활용 능력을 동시에 기를 수 있도록 구성되었습니다. 학습자는 AI 프로젝트의 전반적인 흐름을 이해하고, 문제 정의 → 모델 설계 → 데이터 확보 및 전처리 → 특징 추출 → 모델 학습 및 검증까지 단계별 과정을 실습과 함께 경험하게 됩니다. 또한, 다양한 상황에서 최적의 AI 모델을 선정하고 관리하는 방법을 학습하여, 실제 비즈니스 현장에 적용할 수 있는 AI 실무 역량을 쌓을 수 있습니다. 본 과정을 통해 학습자는 AI 모델링 프로젝트 전 과정을 체계적으로 이해하고, 이를 기반으로 데이터 기반 문제 해결 능력을 강화할 수 있습니다.

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.

엑셀과 Orange로 끝내는 고객 분석, 교차판매부터 A/B 테스트, 이탈 리스크 관리까지 한 번에

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.

빅데이터의 기본 개념과 최신 트렌드를 파악하고, 빅데이터 분석 기법의 기술적인 이해를 통해 데이터 패턴을 추출하여 비즈니스에 활용할 수 있는 방법을 제시합니다. 빅데이터를 통해 새로운 비즈니스를 창출하고, 미래의 비즈니스환경에 대한 통찰력을 기를 수 있습니다.

- Kaggle 대회 실전 프로젝트: 데이터 탐색부터 제출까지 - 튜토리얼 그다음, 진짜 Kaggle 대회 처음부터 끝까지 따라 하기 Kaggle에 가입하고 타이타닉 튜토리얼까지 끝냈는데, 막상 진짜 대회 앞에서는 어디서부터 손대야 할지 막막하셨나요? 남의 노트북을 복사해 제출만 하다 보면 "내 점수는 왜 안 오르지?"라는 벽에 부딪힙니다. 이 강의는 실제 Kaggle 대회 하나를 데이터 탐색, 검증 설계, 피처 엔지니어링, 모델링, 제출까지 처음부터 끝까지 함께 진행합니다. 코드를 외우는 대신 "무엇을 왜 시도하고, 그 효과를 어떻게 검증하는가"라는 대회의 사고 흐름을 몸에 익히게 해드립니다. [본인의 대회 참가·수상 경험 또는 실무 경험 한 줄]

신경망을 FPGA에 올린다 — 말은 익숙하지만, 실제로 해낸 사람은 드뭅니다. 캡스톤, 경진대회, 졸업작품에서 한 발 앞서고 싶다면, 모델을 학습시키는 것을 넘어 그 연산이 실제 칩 안에서 어떻게 도는지를 직접 만들고 증명할 수 있어야 합니다. 이 강의는 바로 그 지점, 이론과 실물 하드웨어 사이의 간극을 건너게 해드립니다. MNIST 숫자를 인식하는 신경망 가속기(NPU)를 스펙 읽기부터 파이썬 골든 모델, Verilog RTL 설계, FPGA 검증까지 처음부터 끝까지 직접 완성합니다. 라인 버퍼와 병렬 MAC로 만드는 Conv 계층, ReLU·MaxPool·Flatten을 거쳐 완전연결 계층과 Argmax까지 — 아홉 개 블록을 하나의 칩으로 통합하고, "파이썬 정답지와 하드웨어 출력이 한 비트도 다르지 않다(Bit-True)"를 스스로 증명합니다. 시뮬레이션은 멀쩡히 돌아가는데 결과만 미묘하게 다른, 그 답답한 순간을 넘어서는 법까지 강의에 담았습니다. 정수 양자화, 배열 축 순서 변환, 누산기 오버플로 방지처럼 일반 딥러닝 교재가 다루지 않는 실전 노하우를 하나씩 짚어드립니다. 저는 RISC-V CPU 설계와 FPGA Bit-True 검증을 오래 다뤄오며 겪은 시행착오를, 여러분이 반복하지 않도록 이 강의에 녹였습니다. 수업이 끝나면 "직접 설계하고, 증명했다"고 말할 수 있는 완성된 하드웨어 프로젝트가 손에 남습니다.

현장에서 오프라인 환경에서도 얼굴인식이 어떻게 동작하는지 궁금했던 경험을 바탕으로, 이 강의에서는 React + Electron과 Python의 FastAPI 기반으로 구동되는 DeepFace를 활용해 얼굴인식 기반 출입·출결 관리의 기본 구조를 함께 만들어봅니다. 완성도보다는 동작 원리 이해와 개인 프로젝트로 확장할 수 있는 기초 다지기에 초점을 둡니다.

본 강좌는 AI 기술을 처음 접하는 학습자도 쉽게 이해하고 따라 할 수 있도록 구성된 입문 과정입니다. 강의를 통해 AI 플랫폼의 기본 개념과 사용 방법을 익히며, 다양한 AI 도구를 활용해 이미지를 직접 생성하는 실습을 진행합니다. 이 과정을 마치면 AI와 한층 가까워지고, 창의적인 아이디어를 시각적으로 구현할 수 있는 AI 이미지 제작 역량을 갖출 수 있습니다.