월 16,940원
5개월 할부 시
이호정2025-11-281719981안녕하세요, 수강 전 궁금한 점이 있어 문의드립니다 지금 제 수준은 팀 프로젝트로 요가 자세 추정 모델 개발, 표정 및 동공 추정 모델 개발, 배터리 외관 이상 탐지 모델 및 종류 분류 모델 개발 정도 수행했습니다. 현재 AI 모델 배포를 위한 강의를 찾아보고 있는데, 제가 계획중인 FastAPI + Kubernetes + Docker 방식을 공부하는 것보다 이 강의에서 사용하는 데이터브릭스를 배우는 것이 더 나을지 고민이 됩니다. 그리고 모델 개발부터 배포까지 커리큘럼에 포함되어 있는 것으로 확인되는데, 모델을 학습할 때, 다른 GPU 사용을 위한 클라우드 서비스를 이용해야하는지 궁금합니다 현재 노트북을 사용중이라 로컬에서도 충분히 할 수 있는 수준인지 알려주시면 감사하겠습니다
- East Sea2025-11-281719741
안녕하세요. 답변 주셔서 감사드리고 한 번 더 문의 드리고 싶습니다. 회사에서 스크래치, 깨짐 외관 결함 비전 프로그램 개발을 위한 방법을 배우고자 강의를 찾고 있습니다. 대용량 데이터 처리가 필요하지 않으며, 기업 무료 사용에 제한이 있어 Spark, Databrics는 활용하지 않는다는 조건으로 강의를 따라갈 수 있을지, 프로젝트와 연관이 있을지 의견 청해 듣고 싶습니다.
데이비드최2025-11-28464883안녕하세요. 문의 주셔서 감사해요. 우선 본 강의에는 Spark 기반으로 대용량 데이터를 처리하고, 분산 처리 환경에서 딥러닝 모델을 학습하는 내용도 일부 포함되어 있습니다. 그러나 이 Spark 파트는 “반드시 Spark를 사용해야 한다”는 의미가 아니라, 대규모 제조 데이터나 로그·이미지 처리 환경에서 어떤 방식으로 확장성과 병렬성을 확보할 수 있는지를 이해시키기 위한 목적입니다. 핵심적인 비전 기반 이상탐지 프로세스— - 데이터 전처리 - 이미지 데이터 증강 - 모델 설계 및 학습 - 모델 추론 — 은 모두 Python 기반 코드로 진행되며, Spark는 선택적 확장 전략으로 다루어집니다. 또한 강의에서는 Databricks 환경에서 MLflow를 이용해 모델을 학습·추적·관리하고, 학습된 모델을 Databricks 상에서 서빙해보는 실습 과정도 포함되어 있습니다. 이는 실제 기업에서 비전 기반 이상탐지 시스템을 운영할 때 고려해야 할 엔드투엔드 MLOps 파이프라인 구성 경험을 제공하기 위함이예요. 질문 주신 의도를 보면, 기업 내부에서 Spark나 Databricks를 도입하기 어려운 상황에서 “외관 결함 비전 프로그램 개발 방법 자체를 배울 수 있는가?”를 확인하고 싶으신 것 같습니다. 그 관점에서 말씀드리면, 네, 가능합니다. ✔ 결함 비전 모델 개발에 필요한 핵심 개념들은 모두 Python 중심으로 설명되고 ✔ Spark/Databricks 관련 파트는 “확장 가능한 운영 환경의 예시”로서 바라보시면 됩니다. ✔ 기업 환경에서 Spark 없이도 동일한 개념을 일반 Python 기반 환경으로 적용하실 수 있습니다. Spark와 Databricks를 실제로 도입하지 않더라도, 비전 기반 이상탐지 시스템을 개발하고 운영하기 위한 핵심 기술과 흐름을 충분히 익히실 수 있습니다. 도움이 되셨길 바랍니다. 감사합니다.
- East Sea2025-11-271719201
안녕하세요. 몇 가지 궁금한 점 문의 드려요. 1. Apache Spark, 데이터브릭스, MLflow 등 강의에서 사용하신 개발환경들이 기업에서 무료로 설치 사용 가능한가요? 2. (스크래치, 깨짐) 이상 여부와 대상 위치까지 확인이 가능한가요? 3. 비전 딥러닝 모델이 ONNX로도 변환 가능한가요?
데이비드최2025-11-27464656안녕하세요, 문의주신 내용에 답변드립니다. 1. Apache Spark Spark 자체는 오픈소스이므로 무료로 사용 가능합니다. 다만 기업에서 활용하려면 자체 클러스터 구축(서버·스토리지·운영비)이 필요하기 때문에 “무료 설치”는 가능하지만 “무료 운영”은 현실적으로 쉽지 않을 수 있습니다. 2. Databricks Databricks는 기업용으로는 무료 계획이 없습니다. 커뮤니티 에디션이 있지만 기능 제약이 크고, 실무 환경을 구축하기에는 적합하지 않습니다. 3. MLflow MLflow는 완전한 오픈소스이기 때문에 기업에서도 자유롭게 설치·운영할 수 있습니다. 질문 취지로 보아, 회사 차원에서 (스크래치, 깨짐) 등의 외관 결함을 자동 탐지하고자 하는 것으로 이해됩니다. 이 경우 로컬 개발 환경에서는 Spark를 사용할 이유가 크지 않습니다. Spark는 대용량 분산 처리가 필요할 때 이점이 있으며, 일반적인 컴퓨터 비전 모델 학습·추론에는 필수 요소가 아닙니다. 대부분의 컴퓨터 비전 모델은 ONNX 형식으로 변환이 가능합니다. PyTorch → ONNX 변환 안정적 TensorFlow/Keras → tf2onnx 등으로 변환 가능 HuggingFace 기반 비전 모델들 역시 ONNX export를 지원하는 경우가 많습니다. 따라서, onnx 변환이 (스크래치, 깨짐) 과 같은 비전기반 이상탐지를 위한 목적에서의 질문이라면, "onnx 변환이 안되어 이상탐지의 목적을 달성할 수 없다"는 시나리오는 생각하기 힘들 것 같아요. 충분한 답변이 되었길 바랍니다.
- kyoun02082025-07-311650135
안녕하세요 제가 빅데이터분석기사 보유한 수준? 인데 이 강의 바로 들어도 이해하고 실습을 적용할 수 있을까요?
데이비드최2025-07-31432306^^ 이해하고 실습을 적용시키는 부분은 개인의 몫인데, 질문의 의도가 그것은 아닐 것이겠죠? 빅데이터분석기사의 수준이면 충분한 기초소양을 갖추고 있으세요. 좋은 실력을 갖추고 있으신만클 충분히 원하는 결과를 낼 수 있을 거예요. 화이팅!
- yso8296122025-07-261645711
안녕하십니까, 데이비드최님 현재 프로젝트 주제로 영상이나 cctv에서 사람의 이상현상을 탐지해서 알려주는 시스템을 만들고자 하는데 해당 강의를 수강했을 때 구현이 가능한지 궁금합니다. 컴퓨터비전 분야를 공부해본 적이 없어 난이도가 어떨지, 어떻게 구현해야 할지 잘 모르겠습니다. 그리고 혹시 해당 부분에 도움 될만한 강의나 자료가 있다면 알려주시면 감사하겠습니다.
데이비드최2025-07-26431384엔터프라이급 클라우드 개발환경에서 이상탐지하는 원리, 훈련을 위한 데이터셋, 모델훈련 그리고 최종적으로 이것을 서비스하는 과정을 담은 강의입니다. 사람의 이상행동 추적은 강의에서 다루는 모든 내용을 마스터하고, 특히 사람의 이상행동에 대한 개념을 어떻게 정의하고 훈련데이터셋을 만들 것인가를 별도로 연구해야 하는 부분으로 일반강의에서는 이와같은 특수한 주제를 다루기는 힘들 겁니다. 영상기반 이상탐지에 대한 기본 소양이 충분하고 이를 서빙하는 전반적인 방법론에 대해 어는 정도 이해가 있으시다면 다양한 논문을 통해 인간의 이상행동에 대한 학습이 더 바람직하지 않을까 생각합니다. 만약, 영상기반 이상탐지가 처음이라면 이 강의를 수강하면서 인간의 이상탐지에 대한 꾸준한 이론적학습을 병행하는 것이 어떨까 생각합니다 좋은 목표를 세운만큼 반드시 정진하길 기원합니다.
- 리치리치뱅뱅2025-06-121614556
안녕하세요! 데이비드최님! 강의에 관심이 생겨 수강 전 문의를 남깁니다. 현재 여러제품의 이미지 데이터를 기반으로 정상/비정상을 분류하고 이상부분을 시각화하는 하나의 모델을 개발하는 과제를 진행하고 있습니다. 해당 강의에 도움이 될 만한 내용이 있는지 궁금합니다.
데이비드최2025-06-12421765이미지의 정상, 비정상과 같은 이진분류는 컴퓨터비전 이상탐지의 핵심입니다. 특히 모델개발 후 이를 사용자에게 실제로 어떤 방식으로 서비스할지는 한 차원 더 높은 수준의 고려가 필요합니다. 제 강의가 이런 부분을 중점적으로 다루고 있기에 충분히 도움이 될 것 같습니다. 고맙습니다. 건투를 빕니다.
- 차준녕2025-06-021606900
안녕하세요, 해당 강의 수강을 위해 Spark1 강의를 필수 수강해야할까요? 또 해당 강의 진행 방식이 실습을 해가며 어떤 결과물을 만들어내는 방식인지 궁금합니다.
데이비드최2025-06-03419747spark의 동작원리, spark의 기본명령 등을 알고 있다면 Spark1 강의는 안들으셔도 됩니다^^. 코드를 주어지고 설명하는 방식이 아닌 라이브로 코드를 작성하면서 실습과 강의가 동시에 이루어집니다. 실제 개발하는 과정을 그대로 시뮬레이션해 본다는 느낌으로 강의가 구성되었습니다. 과정은 Spark로 개발한 이상탐지 모델을 실제로 배포하여 사용하는 과정까지 담고 있는데요. 과정을 다 마치고 나면, spark 상에서 딥러닝 모델을 어떻게 개발하고 최종적으로 사용자에게 서비스 하기 위해 어떠과정을 거쳐야 하는지를 터득하게 됩니다. 수업에 관심을 가져주셔서 고맙습니다. 항상 건승하세요~
- 김태연2025-05-191595367
안녕하세요. 단순 모델링 뿐만 아니라 배포 파이프라인을 다루고 있어서 관심을 가지고 있습니다. 무제한 수강이 아니라 12개월 수강이라서 고민이 되고 있는데, 수강기한이 12개월인 이유가 있을까요?
데이비드최2025-05-19416409안녕하세요, 본 강의에 관심을 가져주셔서 고맙습니다. 수강 기간 12개월에 대하여는 향후 강의내용 버전업이 있을 경우 과거 강의 내용과 모순되는 점 등을 고려하였습니다. 인터넷 강의의 경우 꽤 많은 강의들이 오래되어, 최신 환경과 트렌드를 반영하지 못하는 단점이 있을 수 있습니다. 이 경우 오히려 수강생들로부터 불만사항이 접수되는 경우가 많아요. 그래서 해당 강의를 새로운 버전으로 업데이트가 필요하다고 판단될 경우, 더 이상 수강신청을 받지 않고 새로운 강의로 유도하도록 하기 위하여 12개월을 기본으로 정하였습니다. 감사합니다.
- 백형준2025-03-301558074
안녕하세요! 데이비드최님, 강의에 관심이 있어서 수강 전 문의를 남깁니다. 현재 HAR(Human Activity Recognition) 관련해서 관심이 있습니다. 현재는 스마트워치 센서 정형 데이터(자이로스콤, 엑셀레이터 등)를 통해서 인간 행동을 예측하는 분석을 진행했습니다. 하지만 멀티모델로써 컴퓨터 비전, 센서 데이터 등을 활용하여, 이상 분석에 관심이 생기게 되었습니다. 예를 들어,(이 분야를 이제 공부해서 잘 알지 못 하지만) 스마트워치 센서 데이터와 컴퓨터 비전을 결합하여 낙상 예방, 센서 데이터와 컴퓨터 비전을 통해서 파키슨병 발생 시기... 등을 고려하고 있습니다.) 이러한 과정을 공부하려고 하는데, 제가 생각하는 강의 구성과 비슷한지 여쭤보고 싶습니다. 감사합니다.
데이비드최2025-03-31407107백형준님, 제 강의에 관심을 가져주셔서 고맙습니다. HAR 과 컴퓨터 비전을 접목시키고자 하는 의도로 이해하구요. 그렇다면, 컴퓨터 비전 모델을 학습시키는 데 있어서 매우 중요한 데이터 수집 및 전처리과정에 대한 이해가 꼭 필요할 거예요. 모델로 훈련시키는 것 자체보다 오히려 domain specialty가 반영된 양질의 훈련데이터 준비가 사실상 가장 중요합니다. 특히, 고려하시는 IoT 센서를 통한 데이터 수집은 방대한 양의 데이터가 실시간으로 수집되는 상황으로, HAR, 딥러닝 모델 개발보다도 더 까다로운 것이 이러한 데이터들을 어떻게 통합시키고 seamless ETL를 구현할 것인가가 더 중요해 보입니다. 뿐만 아니라, 이렇게 해서 개발된 모델을 최종적으로 소비자에게 어떠한 방식으로 serving을 할 것인가는 더 큰 난관이 될 것입니다. 그런 면에서 이 강의는 형준님에게 end-to-end의 개념을 잡는 것은 물론, 가벼운 모델이지만 데이터증강부터 cloud 환경에서의 데이터 수집 및 전처리, 모델 개발 및 배포, 서빙까지의 전 과정을 빠른 호흡으로 경험하는 데 도움이 될 것으로 판단합니다. 충분한 답변이 되길 기대합니다. 오늘도 즐거운 하루 보내십시오.
안녕하세요. 질문 주신 FastAPI + Kubernetes + Docker 방식과, 강의에서 사용되는 Databricks 중 무엇이 더 적합한지에 대해 먼저 말씀드릴게요. 1. FastAPI + Kubernetes + Docker 방향에 대해 Kubernetes까지 고려하고 계신 걸 보면, 기업 내부에 자체 서버 인프라를 구축해 운영한다는 전제가 있는 것 같습니다. 다만 실제로 Kubernetes가 필요한 경우는 서비스 규모가 커지고, 다양한 컨테이너 기반 서비스를 운영해야 할 때입니다. 현재 단계에서 Kubernetes를 미리 준비하는 건 다소 오버스펙일 수 있어요. 만약 인프라 엔지니어링 쪽으로 커리어를 잡는 게 아니라면, 개발·모델링 업무와의 균형에서도 좀 어긋날 수 있습니다. Docker 역시 회사에서 여러 개의 서비스가 컨테이너 단위로 기획되지 않는다면 필수는 아닙니다. 프런트·백엔드·데이터 파이프라인 등 여러 레이어가 분리된 구조가 아니라면 Docker 없이도 충분히 서비스가 가능합니다. 2. 회사 인프라 관점에서 본 배포 방식 결국 서버를 어디에서 어떻게 운영할지에 따라 FastAPI든 Databricks든 방향이 달라집니다. 질문자님이 언급하신 ‘스크래치, 깨짐’ 같은 외관 이상 검사는 실제 생산라인에서 QC 단계에 투입될 가능성이 높은데, 물량이 많을 경우 사내 서버로 감당이 될지, 아니면 클라우드 사용을 고려해야 할지부터 정해야 합니다. 이런 부분은 배포 방식과도 직결되는 부분이죠. 3. 노트북으로 모델 개발을 하실 계획은 아니시겠죠? 강의는 개념 이해와 소규모 데이터 기반 실습 위주라 노트북에서도 충분히 따라오실 수 있습니다. 다만 회사에서 사용할 최종 모델을 학습하려는 목적이라면 고사양 데스크탑이나 클라우드 GPU는 결국 필요합니다. 정리하면, 이 강의는 Databricks 자체를 배우는 것이 핵심이 아니라, Databricks라는 환경에서 모델 개발 → MLflow 실험 관리 → 모델 배포까지 “전체 흐름을 직접 체험”하는 데 목적이 있습니다. Databricks를 제대로 마스터하려면 훨씬 많은 공부가 필요하지만, 강의에서는 실무 워크플로우를 경험해보는 데 초점을 두고 있어요. 두서 없는 답변이지만 도움이 되었으면 합니다. 감사합니다.