66,000원
홍태경
2026-08-111855026안녕하세요 강사님 추천시스템? 이라는 키워드에 강사님의 강의가 있어 문의 드립니다 저는 머신러닝, 딥러닝을 접해보지 못한 주니어 데이터 엔지니어 입니다 너무 바쁘시겠지만 조금의 시간이 있으시다면 강사님의 강의 로드맵을 추천 부탁 드릴 수 있을까요ㅠ 정보계 DW, DM에 쌓인 데이터를 다시 리버스 ETL하여 운영계로 보내는것이 추천시스템?이라고 하는데 관련하여 피저 엔지니어링? 이라는 머신러닝... 레디스, 스파크등.. 기술스텍도 함꼐요..ㅠㅠ 혹시 관련하여 강사님 강의중 어떤 로드맵으로 들어야 그 추천시스템? 피처 엔지니어링을 스스로 만들어볼 수 있을까요? + 찾아보니 "인공지능 입문에서 활용까지!" 이 로드맵대로 진행 해보겠습니다! 파이토치, 자연어, 이상거래 검출 이면 추천시스템? 피처 엔지니어링? 에 충분할까요!?
안주영2025-05-081587401수료증 발급 기준을 혹시 알 수 있을까요?
YoungJea Oh2025-05-08414318수료증은 강의를 100% 완강하신 후 강의 완료 버튼을 누르시면 자동으로 발급됩니다. 수료증에는 성명, 완강한 강의명, 교육 이수시간, 교육 시작일과 종료일 등이 포함되어 발급되며, 이는 임의로 변경하실 수 없습니다. 유료 또는 일부 무료 강의에 한하여 수료증이 발급되니 참고 부탁드립니다. 자세한 내용이나 더 궁금하신 점이 있다면 인프런 FAQ 페이지를 참고해 주세요.
- 조성연2025-04-111567045
파이썬 언어에 대해서 개념이 없는데 들어도 도움이 될까요?
YoungJea Oh2025-04-11409236어려운 파이썬 지식을 필요로 하지 않으므로 파이썬을 모르는 수강생을 위해 과정 초반부에 Python Crash section 을 포함시켰습니다. 그냥 들으셔도 됩니다. 감사합니다.
- Kim Inho2025-02-091516065
7년차 Back-end(Java&Kotlin) 웹 서비스 개발자입니다. LLM 서비스 개발로 스펙 확장을 생각하고 있는데, 그전에 딥러닝과 머신러닝 관련 부분을 보고나서 들어가는게 좋을 것 같은데, 로드맵상으로 입문하는 관점에서 도움이 될까요?
YoungJea Oh2025-02-10397436"LLM 서비스 개발을 위해 LangChain 같은 도구 위주로 학습하시면 빠르게 프로젝트에 투입될 수 있습니다. 하지만 학습 내내 '이게 왜 이렇게 동작할까?' 하는 궁금증과 지적인 갈증을 느끼실 것이고, 결국 Back-to-the-Basic을 하게 될 가능성이 큽니다. 마치 RDB의 구조를 모르고 SQL 코딩만 하다가 결국 Database 이론을 공부하게 되는 것과 같은 이치입니다. LLM은 AI의 다양한 모델 중 자연어 처리(NLP) 모델의 한 가지에 불과하므로, 시간이 가능하시다면 먼저 AI와 머신러닝의 Overview를 익히고 LLM을 학습하시는 것을 추천 드립니다. 감사합니다.
- 좋은강의파인더2025-01-221495886
인형이나 장난감에서 하자 부분을 찾을 수 있는 인공지능을 개발하려는데 전혀 관련 개념이 없어서 혹시 이 강의도 그런 인공지능 개발에 도움이 될 수 있는 지식을 포함하고 있나요?
YoungJea Oh2025-01-22393949원하시는 인공 지능은 제품의 하자를 detect 하는 인공 지능 모델로 생각됩니다. 이러한 모델을 실제로 만들어 사용하시던 만들어 놓은 모델을 가져다 사용하시던 그 작동 원리를 이해해야 효율적으로 사용할 수 있습니다. 이 과정은 그러한 인공지능 모델의 작동 원리 기초를 알려주는 강의입니다. 전혀 인공지능에 대한 개념이 없으신 분들을 위한 과정입니다. 감사합니다.
- 파랑새2024-11-071421916
저는 케라스를 배우고 싶은데 섹션 어디부터 케라스를 배우게 되나요?
YoungJea Oh2024-11-07378656섹션 7 전반부에서 신경망의 학습 원리 이론을 배우고 섹션 7 후반부에서 실제 Keras를 사용한 신경망 작성 실습을 합니다. 감사합니다.
- 김연준2024-02-231187328
안녕하세요. 바쁘시겠지만 한가지 문의 사항이 있어서 문의드립니다. 최근 AI 엔지니어쪽에 관심이 생겨서 강의를 들어보고 싶은데 올리신 강의가 많이 있던데 어떤 순서로 강의를 수강하는 편이 이해하는데 도움이 될 지 알려주실 수 있으실까요?
YoungJea Oh2024-02-233202541. 파이썬 코딩 기초에서 고급까지 무조건 따라하기 (파이썬 언어를 이미 알고 있으시면 SKIP 가능합니다) 2. 파이썬을 활용한 머신러닝 딥러닝 입문 3. 최신 빅데이터 및 인공지능 트렌드 이해 4. 딥러닝을 활용한 자연어 처리 (NLP) 과정 (기초부터 ChatGPT/생성 모델까지) 5. 파이썬과 딥러닝을 활용한 시계열 자료 처리 6. 파이썬과 인공지능을 활용한 금융 자료 분석 기초 7. 인공지능을 활용한 이상거래 검출 기법 8. [Pytorch] 파이토치를 활용한 딥러닝 모델 구축 9. JavaScript와 Tensorflow.js로 배우는 머신러닝 10. 강화학습 입문에서 Deep Q-learning까지 대략 이런 순서로 본인의 학습 목적에 맞추어 선택하시면 되겠습니다. 감사합니다.
- yyy12272024-01-231151887
"파이토치를 활용한 딥러닝모델 구축" 강의 학습을 막 시작했습니다. 선수과목으로 이 강좌를 추천하셔서 먼저 수강신청을 하려고 하는데, 혹시 추가 할인가로 들을 수 없을까요?
YoungJea Oh2024-01-23312854현재 80000 --> 70000 할인 행사 중입니다. 경제적인 이유로 추가 할인이 필요하시면 trimurti@naver.com 으로 요청하시면 추가 할인 쿠폰 보내 드리겠습니다. 감사합니다.
- 현승2023-10-051036608
맥북 M1으로 수업 진행하는데 이상 없을까요?
YoungJea Oh2023-10-05288195예. 문제 없습니다. 감사합니다.
- 메시림2022-08-08617996
시계열 예측시 모델 평가 후 해당 모델을 활용해 미래가격까지 산출하는 과정까지 강의 내용에 포함되어 있을까요??
YoungJea Oh2022-08-09204567아마 주식 가격 예측과 같은 자산 가격 예측을 의미하시는 것 같은데 제가 관심을 가지고 있는 분야 중의 하나 입니다. 그러나 이 문제는 최고의 난이도를 가진 문제이고 입문 과정의 수준을 훌쩍 뛰어 넘는 과제입니다. 이 과정은 이러한 시계열 문제를 풀기 위한 기술적 기초를 학습하는 과정으로서 본 과정을 마치시고 나면 님께서 풀고자 하는 문제에 한 발짝 크게 다가서는 기술적 지식을 가지시게 될 것으로 확신합니다. 참고로 제가 오프라인에서 강의하고 있는 "시계열 자료 처리" 과정과 "인공지능을 활용한 금융자료 분석" 과정이 있는데 이메일 남겨 주시면 강의가 있을 때 안내 드리겠습니다. 온라인 강의도 계획은 하고 있습니다 ^^
안녕하세요. 문의 주셔서 감사합니다. 현재 머신러닝이나 딥러닝을 처음 접하시는 상황이라면, 바로 추천시스템 강의를 수강하시기보다는 먼저 **「파이썬을 활용한 머신러닝 딥러닝 입문」** 과정을 수강하시는 것을 추천드립니다. 이 과정에서 머신러닝/딥러닝의 기본 개념과 데이터 전처리, 모델 학습 및 평가 등의 전체적인 흐름을 먼저 익히신 후, → **「실전! 딥러닝 기반 추천 시스템 구축」 (https://inf.run/Jib56)** 과정을 수강하시면 훨씬 이해하기 수월하실 것 같습니다. 추천드리는 순서는 **① 파이썬을 활용한 머신러닝 딥러닝 입문 (https://inf.run/XgG5Z)** → 머신러닝/딥러닝의 기본 개념과 데이터 처리 방법 이해 **② 실전! 딥러닝 기반 추천 시스템 구축 (https://inf.run/Jib56)** → 실제 추천시스템의 원리와 구현 방법 학습 입니다. 질문하신 **Feature Engineering**도 결국 머신러닝 모델에 어떤 데이터를 어떤 형태로 입력할 것인가를 결정하는 과정이기 때문에, 먼저 머신러닝의 기본적인 구조를 이해하시는 것이 중요합니다. 데이터 엔지니어이시라면 이미 DW/DM, ETL 등 데이터 처리에 대한 배경지식이 있으시기 때문에, 머신러닝 기초를 익힌 후 추천시스템으로 넘어가시면 기존에 하시던 데이터 엔지니어링 업무와 추천 모델이 어떻게 연결되는지도 조금씩 보이실 것 같습니다. 말씀하신 **Spark, Redis와 같은 기술은 대용량 데이터 처리나 실제 서비스 환경에서 추천 결과를 제공하는 단계에서 함께 사용될 수 있습니다.** 다만 제 강의에서는 해당 기술 자체를 중점적으로 다루는 과정은 아니므로, 우선 위 두 과정을 통해 **머신러닝 기초 → 추천시스템 구현**까지 익히신 뒤 필요에 따라 추가로 학습하시는 것을 권해드립니다. 처음부터 모든 기술 스택을 한꺼번에 공부하시기보다는, 우선 위 두 과정 정도를 목표로 잡고 시작하시는 것이 좋을 것 같습니다. 감사합니다.