[AI 기초] AI Research Engineer를 위한 CNN 이해하기

AI를 연구하거나 이를 활용하여 프로젝트를 진행할 때 기본적인 논문 구현은 필수 입니다. 이 강의를 통해 실제 논문을 한편 구현해보며 실무 역량을 업그레이드 해봅시다!

OpenCV(Open Source Computer Vision Library)로 이미지와 영상을 처리하고, 딥러닝 모듈(dnn, Deep Neural Network)을 활용하여 얼굴, 눈, 다양한 사물을 식별하고 인식하는 재미있는 프로젝트를 이론과 함께 배우는 과정입니다.

쉽고 배워서 바로 쓰는 컴퓨터 비전 실전 프로젝트: 실무에서 바로 활용 가능한 컴퓨터 비전 프로젝트를 단계별로 학습합니다. 실전 사례를 통해 전문성을 높입니다.

2025년 젠슨 황이 직접 언급한 Physical AI, Perception AI, Generative AI, Agentic AI 그리고 Physical AI의 시대가 온다. 빠르고 간단하게 Physical AI를 직접 체험해봅니다. HuggingFace의 LeRobot 라이브러리와 실물 로봇과 함께 Physical AI를 체험해보세요.

Next.js, YOLOv11, FastAPI를 활용하여 실시간 화재 감지 시스템을 구축하는 방법을 배웁니다.

PyTorch를 통해 딥러닝을 배웁니다. 최종적으로는 이미지 분류를 강의에서 다룹니다.

AI 인공지능, 모바일이 대세라는 것은 말할 필요가 없습니다. 그런데 머신러닝과 딥러닝을 배워서 모바일에서 어떻게 쓴다는 겁니까? 이제 생활에서 활용되는 유용한 모바일 Computer Vision 프로젝트들을 같이 배워봅시다.

이미지를 업로드하면 Opencv가 처리하여 얼굴을 검출해주는 웹앱을 만들어 봅니다.

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

본 강의에서는 포토 모자익을 생성하는 전체 과정을 알고리즘 관점에서 살펴봅니다. 입력 이미지를 K-means 클러스터링을 통해 타일 개수에 맞는 대표 색상 집합으로 축소한 뒤, 헝가리안 알고리즘을 적용하여 각 색상과 타일을 1:1로 최적 매칭합니다. 이를 통해 이미지 처리와 조합 최적화 알고리즘이 결합되어 하나의 시각적 결과물을 만들어내는 과정을 이해합니다

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.

FPGA와 Verilog는 배웠지만 "그래서 AI 가속기를 어떻게 직접 만드나?"에서 막히는 분이 많습니다. 이 강의는 그 궁금을 해소합니다. 보급형 FPGA 한 장과 무료 툴만으로, 손으로 설계한 3×3 커널에서 시작해 CNN을 직접 학습시키고, 학습된 가중치를 INT8로 양자화해 하드웨어에 올린 뒤, 파이썬 모델과 1비트도 어긋나지 않는지(Bit-True)까지 검증합니다. 반도체 산업 30년 경력과 현직 교수로서, 실제 FPGA에서 검증한 내용만 '동작하는 회로'로 가르칩니다. 이론이 아니라 직접 설계하고 증명하는 경험을 얻어, 팹리스 설계·AI 반도체 분야에서 통하는 실전 역량을 갖추게 됩니다.

신경망을 FPGA에 올린다 — 말은 익숙하지만, 실제로 해낸 사람은 드뭅니다. 캡스톤, 경진대회, 졸업작품에서 한 발 앞서고 싶다면, 모델을 학습시키는 것을 넘어 그 연산이 실제 칩 안에서 어떻게 도는지를 직접 만들고 증명할 수 있어야 합니다. 이 강의는 바로 그 지점, 이론과 실물 하드웨어 사이의 간극을 건너게 해드립니다. MNIST 숫자를 인식하는 신경망 가속기(NPU)를 스펙 읽기부터 파이썬 골든 모델, Verilog RTL 설계, FPGA 검증까지 처음부터 끝까지 직접 완성합니다. 라인 버퍼와 병렬 MAC로 만드는 Conv 계층, ReLU·MaxPool·Flatten을 거쳐 완전연결 계층과 Argmax까지 — 아홉 개 블록을 하나의 칩으로 통합하고, "파이썬 정답지와 하드웨어 출력이 한 비트도 다르지 않다(Bit-True)"를 스스로 증명합니다. 시뮬레이션은 멀쩡히 돌아가는데 결과만 미묘하게 다른, 그 답답한 순간을 넘어서는 법까지 강의에 담았습니다. 정수 양자화, 배열 축 순서 변환, 누산기 오버플로 방지처럼 일반 딥러닝 교재가 다루지 않는 실전 노하우를 하나씩 짚어드립니다. 저는 RISC-V CPU 설계와 FPGA Bit-True 검증을 오래 다뤄오며 겪은 시행착오를, 여러분이 반복하지 않도록 이 강의에 녹였습니다. 수업이 끝나면 "직접 설계하고, 증명했다"고 말할 수 있는 완성된 하드웨어 프로젝트가 손에 남습니다.

보스톤 마라톤 빅 데이터를 기반으로 파이썬과 텐서플로2를 이용하여 다양하고 유용한 머신러닝 회귀(Regression)와 분류(Classification) 프로젝트를 이론과 함께 배우는 머신러닝 종합 프로젝트 과정입니다.