90분 완성: LLM Agent 입문부터 실전까지 – 실습으로 배우는 AI 에이전트

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

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

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.

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.

“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!

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

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.

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.

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.

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.

LLM을 위해 필요한 기초지식부터 실전에서 쓰일법한 팁까지 핵심적인 내용위주로 빠르게 현직자가 전달합니다!

<밑바닥부터 만들면서 배우는 LLM>(길벗, 2025)의 깃허브 노트북과 보너스 콘텐츠를 다루는 강의입니다. 깃허브: https://github.com/rickiepark/llm-from-scratch/ <밑바닥부터 만들면서 배우는 LLM>은 세바스찬 라시카(Sebastian Raschka)가 쓴 베스트셀러 <Build a Large Langauge Model (from Scratch)>(Manning, 2024)의 번역서입니다. 이 책은 오픈AI가 만든 GPT-2 모델을 밑바닥에서부터 시작해서 완전한 모델을 만들어 보면서 대규모 언어 모델의 작동 원리를 배우고 활용하는 방법을 제공합니다.

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

LLM 기반 다중 에이전트 기술을 구현할 수 있게 하는 CrewAI, LangChain, AutoGen 등의 여러 에이전트 프레임워크, 지식 그래프, 추론 시스템을 결합해 인공지능 판사를 만드는 방법을 탐구합니다.

“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!

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

단순 튜토리얼만으론 실무 적용이 어렵죠. 제 현업 노하우를 담아 복잡한 상태 관리와 멀티 에이전트 설계법을 확실히 전수해 드립니다.

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

코드 한 줄 몰라도 괜찮습니다. 이제 AI와 ‘대화’하며 개발하는 바이브 코딩의 시대입니다.

생성형 인공지능의 최신 트렌드, AI 에이전트! 개발 업무를 다 해주는 Cursor와 기능을 확장해주는 MCP로 앞서나가는 방법!

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.

실시간 AI 에이전트, 회의 내용 요약, 그리고 통화 후 기능이 있는 AI 기반의 화상 회의 애플리케이션을 만들어요.

자바 개발자를 위한 AI 활용 마스터 가이드! 이 강좌는 AI가 파이썬만의 영역이란 편견을 깨고, 여러분의 자바 앱에 AI의 눈, 귀, 입, 코딩 능력까지 부여합니다. OpenAI API 기반으로 AI 아키텍트로 성장하세요. AI 작가, 번역가, 화가, 코딩 동료 등 다양한 AI 전문가를 직접 개발하며, 텍스트 요약, 감성 분석, 이미지 해설, 자바 코드 생성, 음성/텍스트 변환, 이미지/자막 생성 등 핵심 기능을 통합한 다기능 AI 어시스턴트를 만듭니다. 시스템 메시지로 AI의 역할을 부여하고, 유해 콘텐츠 검열까지 배우며 기존 자바 시스템의 경쟁력을 극대화할 절호의 기회입니다.

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

유료 API 비용 부담 없이 내 MacBook에서 최신 Gemma 4 모델을 직접 구동하는 전 과정을 학습합니다. Apple Silicon의 Metal API를 활용한 성능 극대화 기법과 VRAM 용량별 최적 파라미터 설정을 마스터하고, FastAPI 기반 프로덕션 수준의 로컬 AI 인프라 구축 능력을 갖추게 됩니다.

본 과정은 Spring AI·Spring Boot를 기반으로 GPT, Gemini, LLaMA(로컬) 를 전략적으로 조합해 Multi-LLM 아키텍처와 오케스트레이션 중심 Agent 시스템(Main/Sub, Tool, Task Runtime, Agent Registry) 을 설계·구현하는 고급 과정입니다. 단일 LLM 호출을 넘어 Agentic Workflow Pattern(Chain, Parallel, Routing, Orchestrator–Workers, Evaluator–Optimizer) 과 Multi-Agent 구조를 적용하고, Tool·ToolRegistry로 RAG·외부 API/DB 등 실행 레이어를 분리하며, DAG 엔진·YAML 선언적 워크플로·로딩 직후 검증(Validated DSL) 으로 확장 가능하고 안정적이며, 품질이 지속 개선되는 AI 시스템을 구현하는 흐름을 다룹니다. 또한 Circuit Breaker, Reactive Stream, Redis 모니터링, 병렬 처리, 반복 평가 루프까지 포함하며, Thymeleaf(SSR) 실습에 React·REST로 프론트/백을 나누고 MCP로 툴·에이전트 런타임을 표준 프로토콜로 연동하는 확장을 더해 실제 운영 환경 수준의 AI 아키텍처 설계 역량을 갖추도록 합니다. 최종 목표는 단일 API 연동·프롬프트 수준에 머무는 단순한 AI 이용자가 아니라, Multi-LLM·에이전트·워크플로·선언·검증을 하나의 실행 아키텍처로 설명·절충할 수 있는, AI 시스템을 설계할 수 있는 개발자로 성장하는 것입니다.

5계층 하네스 아키텍처와 4가지 워크플로우 레이어를 통해 AI 에이전트를 결정론적으로 통제하고,확장 가능한 프로젝트 구조를 실무에 즉시 적용합니다. (Claude code 기준이지만 다른 AI 툴에도 동일한 원리가 적용됩니다.)

OpenClaw 1·2부까지 따라오면, 결국 하나의 에이전트에게 뭐든 다 시키게 됩니다. 그러다 보면 프롬프트가 꼬이고, 메모리가 섞이고, 폴더가 엉키면서 “이제 뭘 어떻게 정리해야 할지” 막막해지는 순간이 찾아옵니다. 이 강의는 그 지점에서 한 단계 더 올라가도록 돕는 “멀티 에이전트 입문 편(2.5부)”입니다. 하나의 봇만 유지한 채, planner / editor 두 에이전트로 역할을 분리하고, 각 에이전트에 서로 다른 워크스페이스와 텔레그램 포럼 토픽을 연결해 “어느 방에서 말하느냐에 따라 다른 에이전트가 응답하는 구조”를 직접 만들어 봅니다. 실습을 따라오면, 내 환경 안에 - `content_planner`와 `content_editor` 두 에이전트가 정의된 설정 파일, - 기획과 초안이 분리된 콘텐츠 폴더 구조, - 포럼 토픽별로 다른 에이전트가 붙어 있는 텔레그램 그룹방, - 그리고 두 에이전트가 협업해서 만든 인프런 강의 소개 글 초안 1개가 실제로 남습니다. 즉, 이 강의는 “AI 비서 1명”으로 시작한 텔레그램 봇을, “역할이 나뉜 작은 AI 팀”으로 업그레이드하는 첫 단계를 함께 설계해 주는 실전 수업입니다.