TensorFlow 2.0으로 배우는 딥러닝 입문

U-Net 논문을 TensorFlow 2.0을 이용해서 밑바닥부터 구현해보며 딥러닝 논문 구현 능력을 배울 수 있는 강의입니다.

텐서플로우 2.0의 기초 문법을 공부하고, 딥러닝의 이론을 텐서플로우 실습 코드로 익히게 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.

엑셀로 딥러닝 프레임워크를 직접 구현해보자! 구현한 프레임워크로 지도학습/ 비지도학습/강화학습을 풀어보자!

이 강의를 통해 수강생은 다양한 강화학습의 이론을 학습하고 이를 직접 구현해 볼 뿐만 아니라 유니티 머신러닝 에이전트를 이용하여 구현한 강화학습 알고리즘을 테스트해볼 강화학습 환경까지 직접 제작해볼 수 있습니다.

AI에게 "이 데이터로 모델 만들어줘"라고 시켜보면 처음 몇 줄은 그럴듯한데, 조금만 복잡해지면 엉뚱한 컬럼을 쓰고 누수가 섞이고 점수는 올랐는데 모델은 더 나빠집니다. 이 강의는 더 좋은 프롬프트를 알려주지 않습니다. 대신 에이전트가 데이터를 이해하고, 계획하고, 코드를 쓰고, 자기 결과를 검증하고, 틀리면 되돌아가는 루프(하네스)를 직접 설계하는 법을 다룹니다. DS-STAR의 다섯 조각 루프를 손으로 한 바퀴 돌려본 뒤, 데이터 프로파일 카드·훅·스킬 계층·독립 검증자·애블레이션까지 하나씩 조립해 나갑니다.

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

삼성전자 DS부문 메모리·S.LSI·Foundry·TSP·AVP 평가및분석, SK하이닉스 PE·AE·Solution PE를 준비하지만 사업부와 직무 차이에서 막히는 취업준비생을 위한 강의입니다. 제품평가 직무의 실제 업무 흐름을 기준으로 회사별 직무명을 정리하고, 본인의 전공 경험을 자소서와 면접에서 쓸 수 있는 직무 언어로 바꾸는 방법을 배웁니다. Analog 회로설계, Verilog/FPGA, 공정 실험, 데이터 분석 경험 등을 수율·Wafer Map·Shmoo Plot·불량 분석 키워드와 연결해 지원 전략을 세울 수 있습니다.

40강의 체계적인 커리큘럼으로 AI의 기초 이론부터 각 알고리즘의 응용 AI 기술까지 학습합니다. 수학적 직관과 R코딩 알고리즘 학습 및 실습을 통해 데이터 분석, 머신러닝 및 이에 대한 응용툴의 알고리즘의 모델러를 꾸미는 것과 선택 활용하는 내용까지 즉시 적용 가능한 AI 모델 개발 역량을 갖춥니다.

AI를 공부하려는데 선형대수 수식 앞에서 매번 막히셨나요? 이 강의는 공식을 외우는 대신, 벡터와 행렬이 공간에서 실제로 어떻게 움직이는지를 눈으로 보여드립니다. 끝까지 들으면 신경망, PCA, SVD 뒤에 숨은 수학을 스스로 읽어낼 수 있습니다.

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!

본 강좌는 AI 플랫폼에 대한 기초부터 실습까지 다루며, AI 이미지 생성 기술을 익힐 수 있는 과정입니다. 학습자는 AI의 기본 개념을 이해하고, 다양한 도구와 기술을 활용하여 AI 이미지를 생성하는 능력을 키울 수 있습니다. 이 과정을 통해 AI 분야에 대한 이해도를 높이고, 실전에서 AI 이미지를 직접 생성하는 방법을 배울 수 있습니다.

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 :)

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.

AI 엔지니어 입문자를 위한 강의는 데이터 처리부터 모델 개발, 클라우드와 MLOps, 그리고 윤리적 고려까지 전 과정을 짧게 체험할 수 있도록 구성되었습니다. 단순히 모델을 만드는 데서 그치지 않고, 실제 서비스로 연결하는 과정을 이해해 실무 감각을 익히는 데 중점을 둡니다. AI를 처음 배우는 분들도 쉽게 따라올 수 있도록 실습과 예제를 곁들여 진행합니다.

📢 "공장에 AI를 더하면 무슨 일이 일어날까?" 🤖 전통적인 제조업의 시대는 가고, 이제는 AI와 데이터 중심의 스마트팩토리 시대입니다! "스마트팩토리가 정확히 뭔지 궁금하셨던 분", "AI 기술이 실제 제조 현장에 어떻게 적용되는지 알고 싶으신 분"을 위해 아주 쉽고 명쾌한 입문 강의를 준비했습니다.

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.

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.

머신러닝을 배우면 정확도를 올리는 법을 익힙니다. 그런데 그 모델을 실제 칩에 올리려는 순간, 아무도 알려 주지 않은 질문이 남습니다. 이 모델은 곱셈을 몇 번 합니까? 무엇을 얼마나 기억하고 있어야 합니까? 지금 목표로 하는 칩 스펙이 그 요구를 감당할 수 있습니까? 머신러닝 교재는 정확도를 이야기하고 반도체 교재는 회로를 이야기하는데, 그 사이를 잇는 자료가 드뭅니다. 저는 RISC-V CPU와 NPU를 FPGA로 구현하며 이 간극을 반복해서 마주쳤습니다. 정확도가 가장 높은 모델이 정작 보드에는 들어가지 않는 상황 말입니다. 본 과정은 알고리즘 여섯 개를 파이썬으로 직접 만들면서, 만들 때마다 곱셈과 비교와 메모리와 정확도를 측정합니다. 그리고 그 값을 실제 FPGA 보드의 자원으로 환산합니다. 곱셈 몇 번이라는 말은 그 자체로 크기를 가늠할 수 없지만, 보드의 몇 퍼센트라고 하면 판단이 서기 때문입니다. 아홉 개의 Lab을 지나 여섯 모델을 한 표에 모으면 예상과 다른 그림이 나옵니다. 곱셈을 세는 데 아홉 편을 썼는데 정작 발목을 잡는 것은 곱셈이 아니었습니다. 이후 실수를 정수로 내리고, 자릿수를 관리하고, 회로를 채점할 기준까지 만듭니다. FPGA 보드는 필요하지 않습니다. 파이썬만으로 진행하며, 보드는 측정값을 환산하는 기준으로만 사용됩니다.

스파크(Spark) 머신러닝의 핵심 Framework에 대한 이해, 난이도 높은 실전 문제를 통한 SQL 기반의 데이터 가공, 업무 도메인 분석을 통한 데이터 분석과 최적화된 머신러닝 모델 구현 능력까지, 대용량 데이터 기반에서 머신러닝 전문가로 인정 받고 싶다면 이 강의와 함께 하십시요.