맞춤형 LLM 만들기 : 처음 시작하는 분을 위한 RAG 기초 개념부터 멀티모달·Agent 실습까지

주가 데이터 분석 입문자를 위한 강의입니다. 파이썬을 활용하여 주가 데이터 분석에 입문 해보세요!

LLM 기초이론, LangChain과 RAG의 핵심적인 기술을 마스터하는 강의입니다. LLM기초부터 실무에 쓰이는 최신 AI 기술을 쉽게 배울 수 있습니다!

“LoRA 기반 경량 파인튜닝으로 나만의 맞춤형 LLM을 만들어보는 첫걸음!” 이 강의는 처음 LLM을 접하는 분도 쉽게 따라올 수 있도록 설계된 입문 실습 강의입니다. 복잡한 이론은 최소화하고, 모델 불러오기 → 데이터 적용 → 학습 → 결과 비교까지 전 과정을 단계별로 안내합니다. 짧은 시간 안에 LoRA·QLoRA와 같은 최신 경량 파인튜닝 기법의 흐름을 직접 경험하며, “LLM 파인튜닝이 이렇게 돌아가는구나”라는 감을 잡을 수 있습니다. 많은 자원이 없어도, 내 도메인에 특화된 LLM을 만들어보는 성취감을 직접 느껴보세요!

ChatGPT는 쓰는데, 왜 이런 답이 나오는지는 설명하기 어렵지 않으셨나요? “RAG, 에이전트, 파인튜닝… 용어는 아는데 정확히 설명하긴 어렵다” “LLM관련 용어를 들으면 말문이 막힌다” “AI 회의에서 개념 설명이 항상 애매하다” 이 강의는 바로 이런 분들을 위해 만들어졌습니다. 이 강의는 LLM을 ‘툴’이 아니라 ‘구조’로 이해하기 위한 이론 강의입니다. ChatGPT나 Gemini를 사용하는 법이 아니라, 왜 그렇게 동작하는지 설명할 수 있는 기준을 만들어 줍니다.

원론적 이론 위주 설명 대신 예제 실습을 통해 텍스톰(TEXTOM)을 처음 접하시는 분들이 손쉽게 텍스트마이닝 및 빅데이터 분석 능력을 갖출 수 있도록 만들어 드리는 무료 강의입니다.

ChatGPT 활용법도 배우고 파이썬기초 문법도 같이 배우고 싶으신 분들에게 도움되는 강의입니다. 파이썬 기초 문법을 배우고 정리하고 싶으신 분들에게 도움이 되는 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.

이 강의는 파이썬을 활용한 텍스트마이닝 분석에 관한 기초 이론과 실습을 배울 수 있습니다. 실무나 논문 작성 시 필요한 기초적인 텍스트마이닝 데이터 분석 기법을 설명합니다.

파이썬과 ChatGPT를 활용한 텍스트마이닝 분석 기법,빅데이터 분석 기법, 단어빈도분석,워드클라우드 시각화, 형태소분석,토픽모델링 분석 기법을 배우며, 논문 작성 시 필요한 텍스트마이닝 데이터 분석 기법 활용법, 연구논문에 기초적인 활용법에 관한 강의입니다.

텍스톰(TEXTOM)에 대한 원론적 이론 위주 설명 대신, 실전 예제 실습을 통해 텍스트마이닝 및 빅데이터 분석 능력을 갖출 수 있도록 만들어 드립니다.

LLM 기초이론, LangChain과 RAG의 핵심적인 기술을 마스터하는 강의입니다. LLM기초부터 실무에 쓰이는 최신 AI 기술을 쉽게 배울 수 있습니다!

이 강의는 LLM(대규모 언어 모델)의 기본 원리부터 RAG(Retrieval-Augmented Generation), 그리고 최신 기술인 AI Agent와 MCP(Modular Command Protocol)까지, 생성형 AI를 실무에서 활용하기 위해 반드시 알아야 할 전 과정을 한 번에 정리하는 과정입니다. 생성형 AI가 어떻게 정보를 이해하고, 검색하고, 판단하며, 행동하는 AI Agent로 확장되는지를 기술 흐름에 따라 자연스럽게 배우도록 구성되어 있습니다.

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.

인공지능 분야에서 활용도가 매우 높은 딥러닝 프레임워크인 Pytorch를 이용하여 다양한 인공 신경망을 구현하는 강의입니다.

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

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

“LoRA 기반 경량 파인튜닝으로 나만의 맞춤형 LLM을 만들어보는 첫걸음!” 이 강의는 처음 LLM을 접하는 분도 쉽게 따라올 수 있도록 설계된 입문 실습 강의입니다. 복잡한 이론은 최소화하고, 모델 불러오기 → 데이터 적용 → 학습 → 결과 비교까지 전 과정을 단계별로 안내합니다. 짧은 시간 안에 LoRA·QLoRA와 같은 최신 경량 파인튜닝 기법의 흐름을 직접 경험하며, “LLM 파인튜닝이 이렇게 돌아가는구나”라는 감을 잡을 수 있습니다. 많은 자원이 없어도, 내 도메인에 특화된 LLM을 만들어보는 성취감을 직접 느껴보세요!

"4차 산업혁명, AI 공장... 단어는 익숙한데 구조는 안 그려지시나요?" 제조업의 미래라고 불리는 스마트팩토리(Smart Factory). 관련 기사는 쏟아지고, 취업 공고에는 필수 역량으로 등장하지만 비전공자에게 그 장벽은 너무나 높게만 느껴집니다. "PLC? MES? ERP? 외계어 같은 약어들 때문에 포기하셨나요?" "코딩이나 공학 지식이 없어서 시작조차 두려우신가요?" 걱정 마세요. 이 강의는 '공학'이 아니라 '구조'를 다룹니다. 복잡한 텍스트 대신 직관적인 그림과 도해를 통해, 마치 레고 블록을 맞추듯 스마트팩토리의 전체 지도를 머릿속에 완성해 드립니다.

"스마트팩토리, 이름은 멋진데 머릿속엔 안 그려지시나요?" 뉴스에서는 연일 4차 산업혁명과 AI 공장을 말하지만, 막상 관련 자료를 찾아보면 PLC, MES, ERP, 엣지 컴퓨팅 같은 외계어(?)만 가득합니다. 비전공자에게 필요한 건 복잡한 회로도가 아니라, 전체가 어떻게 돌아가는지 보여주는 '지도'입니다. 본 강의는 어려운 공학 용어를 걷어내고, 누구나 이해할 수 있는 직관적인 그림과 비유로 스마트팩토리의 모든 것을 설명합니다.

1. AI 자격증, AICE Associate를 취득하기 위한 파이썬 코딩 학습 2. 기초부터 응용까지 단계적인 파이썬 코딩 학습 3. AI 분야 석학 고려대학교 김중헌 교수의 강의

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

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.

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.

지금 이런 소개가 중요한가요? 당장 deepseek R1 모델을 쓰세요.

코딩 없이 나만의 AI 서비스를 만들고 싶다면, 이 강의가 완벽한 해결책입니다. Dify 노코드 플랫폼을 활용해 아이디어만으로도 완성도 높은 AI 앱을 만들 수 있습니다. 복잡한 이론 대신 실전 프로젝트 중심으로 구성되어, AI 입문자와 직장인 누구나 실무 역량을 키울 수 있습니다.

만세력, 점성술, 자미두수, 성명학, MBTI를 통합한 사주 분석 AI 에이전트를 n8n 워크플로우와 Python 알고리즘으로 구축합니다. 13개의 전문 에이전트가 협업하여 상용 수준의 사주 리포트를 생성하는 실서비스 시스템을 처음부터 끝까지 완성합니다.

AI로 MVP를 만드는 건 이제 어렵지 않습니다. 하지만 대부분의 프로젝트는 그 다음 단계에서 멈춥니다. 👉 기능은 만들었는데 👉 개발이 계속 이어지지 않습니다 왜 이런 일이 생길까요? 문제는 코드가 아니라, 👉 AI가 지속적으로 일할 수 있는 구조가 없기 때문입니다. --- 이 강의에서는 이미 만들어진 프로젝트를 기반으로, 👉 AI가 계속 개발을 이어갈 수 있는 구조를 👉 직접 구축하는 과정을 다룹니다 --- 단순히 AI 툴을 사용하는 것이 아니라, * docs 구조를 만들고 * SSOT를 정의하고 * 티켓 단위로 개발을 실행하고 * QA와 반복 구조까지 연결하여 👉 하나의 “AI 개발 시스템”으로 완성합니다 --- 이 과정을 통해 👉 사람이 직접 코딩하지 않아도 👉 개발이 계속 이어지는 구조 즉, 👉 AI를 팀처럼 운영하는 개발 시스템을 👉 직접 만들고 이해할 수 있습니다 --- 이 강의는 👉 내 프로젝트에 바로 적용할 수 있는 구조를 만들고 싶은 분 👉 AI로 개발을 시작했지만, 지속이 어려웠던 분 👉 바이브 코딩 이후, 다음 단계로 넘어가고 싶은 분 을 위해 구성되었습니다. --- 단순히 배우는 것이 아니라, 👉 실행해보고 👉 실제로 동작하는 구조를 만들고 👉 자신의 프로젝트에 적용할 수 있는 형태로 가져가는 경험 을 제공합니다.

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.

요즘도 직접 코딩하시나요? 이젠 바이브 코딩도 귀찮은 시대! 코딩 없이 n8n으로 AI 자동화 전문가가 되어보세요. 실무에 바로 적용 가능한 자동화 워크플로우 설계 가이드 업무 효율을 극대화하는 실전 중심의 자동화 전략. n8n으로 직관적인 워크플로우를 구축하며, 업무 혁신을 경험해보세요

이 강의는 확산모델(Diffusion Model)의 진화 과정을 논문과 코드로 완전 정복하는 실전 중심 마스터클래스입니다. DDPM(Denoising Diffusion Probabilistic Model)과 DDIM 등, 생성 AI의 핵심 모델들을 논문 원리부터 직접 구현하며 학습합니다. 각 모델의 등장 배경, 수식, 네트워크 구조(U-Net, VAE, Transformer), 학습 과정(Noise Schedule, Denoising Step), 그리고 성능 향상을 이끈 아이디어들을 단계별로 분석합니다.수강생은 모든 모델을 PyTorch 기반으로 직접 코딩하며, 논문을 이해하는 것에 그치지 않고 ‘재현하고 응용할 수 있는 실무 능력’을 얻게 됩니다. 또한, 모델 간의 차이와 발전 흐름을 비교하며, 어떻게 확장되는지를 명확히 이해하게 됩니다. 이 강의는 이론·코드·실습을 하나로, 연구자·개발자·창작자 모두에게 생성모델의 진화를 체계적으로 익힐 수 있는 여정을 제공합니다. 논문을 ‘읽는 것’을 넘어, 직접 구현하며 ‘이해하고 재창조’하는 경험을 지금 시작하세요.