[한글자막] Claude & Gemini 3.1 완전정복: 프롬프트부터 영상생성까지

이 강의는 Claude를 단순히 질문에 답하는 챗봇이 아니라, 실제 업무를 함께 수행하는 협업형 파트너로 활용하는 법을 다루는 실무 과정입니다. 총 2부 18강으로 구성되어 있습니다. 먼저 생성형 AI가 어떻게 언어를 이해하고 생성하는지, 의미 분석과 중의성, 통계적 언어 모델 같은 기본 원리를 짚어 Claude를 제대로 다루기 위한 토대를 마련합니다. 이 이해를 바탕으로 프롬프트를 더 정교하게 설계할 수 있게 됩니다. 이후에는 실무에서 매일 마주치는 작업들을 하나씩 자동화합니다. 이메일 자동 정리, 회의록에서 액션 아이템 추출, 엑셀 데이터 정리, 보고서·제안서 작성, 청구서·영수증 정보 추출, 일일 브리핑 자동화까지 문서·데이터 업무 전반을 다룹니다. 후반부에서는 한 단계 더 나아갑니다. PPT 슬라이드 자동 생성, 외부 서비스 연동, 스케줄 기반 자동 루틴, Skills 플러그인 활용, 경쟁사 병렬 분석, SOP·내부 규정 작성, 크롬 브라우저 자동화, 그리고 바이브 코딩으로 실제 앱을 만드는 것까지 실습합니다. 단순한 질문-답변을 넘어, 요구사항 분석부터 문서화·자동화·개발까지 Claude와 함께 일하는 실전 감각을 갖추게 됩니다.

이 강의는 OpenAI의 AI 코딩 에이전트 Codex를 처음부터 끝까지 다루는 37차시, 약 14시간의 과정입니다. AI 코딩 도구는 이제 흔합니다. 그런데 대부분의 사용자는 자동완성을 수락하거나 채팅창에 질문하는 수준에 머물러 있습니다. Codex 같은 에이전트형 도구는 그보다 훨씬 많은 일을 할 수 있습니다. 프로젝트 전체를 읽고, 여러 파일을 동시에 수정하고, 테스트를 돌려 스스로 오류를 잡습니다. 문제는 그만큼 통제가 필요하다는 점입니다. 무엇을 허용하고 무엇을 막을지, 프로젝트 규칙을 어떻게 가르칠지 모르면 도구가 만든 코드를 뒤에서 수습하게 됩니다. 이 강의는 그 통제 방법에 집중합니다. 초급 구간에서는 설치와 첫 대화, 파일 편집과 세션 관리, 슬래시 명령을 익히고 프롬프트 작성의 기본기를 다집니다. 명확한 요청, 작업 분해, 검증이라는 세 가지 원칙을 실습으로 몸에 익힙니다. 중급 구간부터가 본론입니다. config .toml로 동작을 설정하고, AGENTS .md로 프로젝트 규칙을 가르치고, Memories로 기억을 관리합니다. 샌드박스와 승인 정책 4종을 조합해 안전의 경계를 직접 설계합니다. 이어서 스레드 분리와 병렬 작업, 계획 모드, MCP 서버 연결, SKILL .md 기반 커스텀 스킬 제작까지 다룹니다. 마지막에는 웹 검색과 Git 자동화, VS Code·Cursor 연동, FastAPI 실습을 거쳐 SQ/EQ 큐 모델이라는 Codex의 내부 프로토콜까지 살펴봅니다. 도구가 어떻게 동작하는지 알면 문제가 생겼을 때 대처가 달라집니다. 강의 전체는 TaskFlow라는 하나의 서비스를 만들어 가는 흐름으로 이어집니다. 기능을 따로따로 배우는 것이 아니라, 실제 프로젝트에서 언제 무엇이 필요한지를 순서대로 경험하게 됩니다.

이 강의는 Streamlit 기본기를 갖춘 개발자가 실제로 배포할 수 있는 수준의 웹 앱을 만드는 16차시, 약 9시간 30분의 실무 과정입니다. Streamlit은 몇 줄만 써도 화면이 나오는 도구입니다. 그래서 입문은 쉽지만, 막상 실무에 쓰려 하면 다른 벽에 부딪힙니다. 로그인은 어떻게 붙이고, 비밀번호는 어디에 어떻게 저장하며, 페이지가 여러 개일 때 변수는 어떻게 공유하는지, 폼을 제출할 때마다 화면이 통째로 다시 도는 문제는 어떻게 막는지. 이 강의는 그 벽들을 하나씩 다룹니다. 전반부에서는 데이터프레임과 차트 시각화, 날짜·파일 업로드 위젯, Session State를 복습하며 미니 대시보드를 만듭니다. 이어서 첫 번째 프로젝트인 NLP 분석 앱을 시작합니다. Anaconda 가상환경을 구성하고 spaCy·neattext·wordcloud·deep_translator를 설치한 뒤, 텍스트 통계와 품사 분석, 워드클라우드 시각화, 다국어 번역, 한글 감성 분석까지 붙여 하나의 앱을 완성합니다. st . columns와 st . expander로 화면을 구조화하고 사이드바에 브랜딩을 넣는 등 완성도를 높이는 작업도 함께 다룹니다. 후반부는 서비스 수준의 기능들입니다. SQLite로 회원 데이터를 관리하고, 평문 저장의 위험을 짚은 뒤 SHA-256 해싱으로 비밀번호를 안전하게 처리합니다. 테마 커스터마이징, 멀티 페이지 구성과 URL 슬러그, 페이지 간 변수 전달, txt·PDF·docx를 가리지 않고 읽는 스마트 리딩, st . form과 콜백으로 리로드를 제어하는 방법까지 이어집니다. 마지막 세 차시는 Python 클래스 심화입니다. 내부 작동 원리, 캡슐화, 상속과 특수 메서드를 다뤄 코드를 구조적으로 짜는 기반을 만듭니다. 강의를 마치면 Streamlit으로 만든 앱을 "실습용"이 아니라 "쓸 수 있는 것"으로 끌어올릴 수 있게 됩니다.

7개 차시, 총 3시간 55분으로 Docker의 기본기를 끝내는 과정입니다. 개념 설명에 머무르지 않고 Dockerfile 5개를 직접 작성해 빌드하며, 마지막에는 FastAPI 서버와 MySQL 데이터베이스를 하나의 애플리케이션으로 묶어 docker compose up 한 줄로 실행합니다. 1강과 2강은 Docker Desktop 설치와 WSL2 환경 점검에서 출발합니다. Docker Hub에서 ubuntu 이미지를 pull하면서 이미지가 여러 레이어로 구성된다는 점을 확인하고, images와 rmi로 로컬 이미지를 관리합니다. 이어서 run, ps, stop, rm으로 컨테이너의 생명주기를 다루고, exec로 실행 중인 컨테이너 내부에 들어가 봅니다. 포트 매핑(-p)으로 httpd 컨테이너의 웹 페이지를 브라우저에서 열어 보고, 볼륨(-v)과 환경변수(-e)로 MySQL 컨테이너를 띄워 데이터가 컨테이너 삭제 후에도 남는 이유를 확인합니다. 3강부터 5강은 이미지를 직접 만드는 구간입니다. FROM, WORKDIR, COPY, ENV, RUN, CMD, EXPOSE를 한 줄씩 뜯어보면서 RUN과 CMD가 각각 빌드 시점과 실행 시점에 동작한다는 차이를 짚습니다. 한 번 실행되고 끝나는 Python 스크립트, 계속 떠 있는 FastAPI 서버, PyInstaller로 컴파일한 실행 파일, 그리고 jq 같은 기존 바이너리까지 네 가지 유형을 각각 이미지로 만듭니다. 특히 컴파일 예제에서는 멀티 스테이지 빌드를 사용해, 빌드 도구는 버리고 결과물만 남기는 방법을 다룹니다. 6강과 7강은 컨테이너를 연결합니다. 네트워크 설정 없이 두 컨테이너를 띄우면 왜 "Internal Server Error"가 나는지 오류를 먼저 재현한 뒤, docker network create로 네트워크를 만들어 컨테이너 이름만으로 서로를 찾아가게 만듭니다. network inspect로 할당된 IP를 확인하고, 컨테이너 안에서 ping과 /etc/resolv . conf로 Docker 내장 DNS(127.0.0.11)가 동작하는 것까지 눈으로 확인합니다. 마지막 7강에서는 지금까지의 모든 docker run 옵션을 compose.yaml 한 파일에 옮겨 적고, up과 down으로 전체 애플리케이션을 통째로 띄우고 내립니다. 실습에 사용한 Dockerfile, app . py, compose.yaml 등 프로젝트 5종이 자료로 제공되므로 타이핑 없이 바로 따라올 수 있습니다. 실습 환경은 Windows + PowerShell 기준으로 진행되며, macOS와 Linux에서도 명령어는 동일합니다.

이 강의는 PyTorch로 딥러닝을 처음부터 다시 쌓아 올리는 47차시, 약 39시간의 과정입니다. 딥러닝 강의는 많지만 대부분 두 부류로 갈립니다. 라이브러리 사용법만 훑어 정작 코드가 왜 그렇게 생겼는지 모르게 되거나, 수식부터 시작해 중간에 포기하게 되거나입니다. 이 강의는 다른 순서를 택합니다. 먼저 결과를 만들어 보고, 그다음 그 안에서 무슨 일이 일어났는지 파고듭니다. 시작은 사전학습 모델입니다. 이미지 분류를 돌려 보고, Stable Diffusion으로 인페인팅을 해보고, BLIP으로 이미지 캡셔닝까지 실습합니다. 첫 시간부터 결과물이 나오기 때문에 이후 이론을 배울 동기가 생깁니다. 그다음이 이 강의의 핵심입니다. 텐서를 일곱 차시에 걸쳐 다룹니다. 인덱싱과 브로드캐스팅은 물론, 스토리지와 stride 같은 메모리 구조, 메모리 연속성 관리, GPU 연산과 NumPy 상호 변환까지 내려갑니다. 텐서를 이 정도로 다루는 한국어 강의는 드뭅니다. 여기를 이해하면 이후 모든 코드가 다르게 읽힙니다. 이어서 실제 데이터를 텐서로 바꾸는 전처리를 다룹니다. 이미지의 색상 채널, 테이블 데이터와 원핫 인코딩, 시계열, 텍스트 임베딩까지 데이터 유형별로 짚습니다. 그리고 학습의 원리로 넘어가 손실 함수와 경사 하강법을 수치 미분으로 직접 구현해 본 뒤, Autograd가 그것을 어떻게 자동화하는지 확인합니다. 직접 만들어 본 사람만이 자동 미분의 편리함을 제대로 압니다. 후반부는 신경망 구조입니다. nn.Module로 심층 신경망을 만들고 CIFAR-10을 분류하다가 완전 연결 신경망의 한계를 마주하고, 여기서 CNN이 왜 필요한지 자연스럽게 도달합니다. 마지막에는 텍스트 생성으로 넘어가 바이그램 모델부터 임베딩, MLP 기반 생성 모델을 거쳐 Attention의 Query·Key·Value 원리까지 다룹니다. Python을 다룰 줄 알고 딥러닝을 제대로 이해하고 싶은 분이라면, 이 강의를 마쳤을 때 남는 것은 예제 코드가 아니라 어떤 모델을 만나도 구조를 읽어 낼 수 있는 눈입니다.

이 강의는 FastAPI로 백엔드 API를 설계하고 구현하는 41차시, 약 22시간의 과정입니다. FastAPI는 쉽게 시작할 수 있는 프레임워크입니다. 문서를 훑고 몇 줄 쓰면 API가 돌아갑니다. 문제는 그다음입니다. 요청이 어디를 거쳐 함수 파라미터에 도착하는지, 의존성이 언제 정리되는지, 예외가 어느 지점에서 잡히는지를 모르면 조금만 복잡해져도 막힙니다. 이 강의는 그 내부 동작을 따라가는 데 시간을 씁니다. 시작은 개발 환경입니다. conda와 venv 두 방식을 모두 다루고, VS Code REST Client와 Swagger UI로 요청을 보내 보며 HTTP 요청과 응답의 구조를 손에 익힙니다. 이어서 경로 파라미터와 쿼리 파라미터의 차이를 다루는데, 422 에러가 왜 나는지를 타입 체킹과 연결해 설명합니다. Pydantic은 이 강의에서 가장 깊게 파는 영역입니다. 스칼라 타입부터 날짜·UUID·Decimal, Enum과 Literal까지 훑은 뒤 BaseModel로 넘어갑니다. Field()로 조건을 걸고, @field_validator로 단일·복수 필드를 검증하고, @model_validator의 before와 after 동작 차이까지 다룹니다. Pydantic v2 기준이라 최신 문법 그대로 실무에 옮길 수 있습니다. 중반부는 구조화와 의존성 주입입니다. APIRouter로 파일을 나누고, 함수와 클래스를 의존성으로 쓰는 방법, Sub-dependency, 데코레이터 레벨 의존성을 순서대로 다룹니다. 여기서 yield에 네 차시를 배정합니다. 제너레이터의 동작 원리, raise로 호출 스택을 거슬러 예외를 전달하는 과정, throw()로 yield 지점에 예외를 주입하는 방식까지 파고듭니다. yield가 포함된 의존성에서 자원 정리가 어떻게 이루어지는지 이해하면 DB 세션 관리가 명확해집니다. 후반부는 인증과 데이터베이스입니다. OAuth 2.0의 개념과 네 가지 Grant Type을 정리하고, JWT 발급·검증, OAuth2PasswordBearer의 내부 실행 로직, Security()와 scopes를 이용한 권한 제어를 구현합니다. 이어서 Google·카카오·네이버 클라이언트를 직접 설정하고 Authorization Code Grant 방식으로 소셜 로그인을 붙입니다. 마지막으로 SQLAlchemy ORM을 다루며 create_engine의 URL 구조, Dialect와 DBAPI의 역할, 트랜잭션, 세션, 모델과 테이블 생성까지 이어집니다. "동작하는 코드"를 넘어 "왜 그렇게 동작하는지"를 알고 싶은 분에게 맞는 강의입니다

직장에서 하루를 되짚어 보면 반복되는 일이 정해져 있습니다. 자료를 찾고, 보고서를 쓰고, 회의에 들어가 기록을 남기고, 엑셀과 파워포인트를 만들고, 결과를 문서로 정리해 공유합니다. 이 다섯 가지가 사실상 사무직 업무의 뼈대입니다. 이 강의는 그 다섯 구간에 각각 어울리는 AI 도구를 하나씩 배정해 순서대로 다룹니다. 자료 조사와 정보 정리는 Perplexity, 문서 작성과 초안 잡기는 Claude, 회의록 자동화는 네이버 클로바노트, 오피스 업무 지원은 Microsoft Copilot, 구글 서비스 연계는 Google Gemini입니다. 도구를 나열하는 강의가 아니라, 업무 흐름의 어느 자리에 어떤 도구를 끼워 넣을지를 정하는 강의입니다. 각 도구는 동일한 3단계로 진행합니다. 1강에서는 그 도구가 어떤 배경에서 나왔고 무엇을 잘하고 무엇을 못하는지, 무료와 유료의 경계가 어디인지를 정리한 뒤 공식 사이트를 둘러봅니다. 2강에서는 메뉴와 설정을 짚어가며 기본 사용법을 익힙니다. 3강에서는 실제 업무 장면을 그대로 가져와 실습합니다. 사업 보고서와 출장 보고서 양식 만들기, 서울 종로 맛집을 조사해 홍보용 발표 자료로 정리하기, 거래처에 제품을 소개할 사업 보고서 PPT 초안 잡기, 매출 보고 회의를 녹음해 회의록으로 바꾸기, 마케팅용 로고 이미지 만들기, 품의서와 회계 장부를 구글 문서로 작성하기 같은 것들입니다. 특히 이 강의는 질문을 어떻게 던지느냐에 따라 결과가 얼마나 달라지는지에 시간을 많이 씁니다. 같은 요청이라도 두 줄로 쓸 때와 열 줄로 쓸 때 결과물이 전혀 다르다는 점을, 표 생성, 차트 생성, 목록 형식, 파일 다운로드 같은 구체적인 지시어를 붙여가며 직접 보여 드립니다. 준비물은 인터넷이 연결된 PC와 웹 브라우저입니다. 5개 서비스에 각각 가입이 필요하며 강의는 무료 사용 범위를 기준으로 진행합니다. 다만 도구마다 제약이 다릅니다. Microsoft Copilot은 오피스 프로그램과 연계할 때 진가가 나오므로 Microsoft Office를 쓰는 환경이면 활용도가 크게 올라가고, 클로바노트의 실시간 녹음 실습은 PC 마이크보다 모바일 앱이 안정적입니다. 이런 부분은 해당 섹션에서 그때그때 안내합니다. AI 도구를 한 번도 써 본 적 없어도 괜찮습니다. 강의를 마치면 "이 업무에는 어떤 도구를 열어야 하지"라는 판단이 서고, 원하는 결과를 얻는 질문을 스스로 구성할 수 있게 됩니다.

이 강의는 Figma를 처음 열어 보는 분이 UI 디자인의 기본기부터 최신 AI 자동화 기능까지 익히는 26차시, 약 13시간의 실습 과정입니다. Figma는 이제 UI 디자인의 기본 도구가 되었지만, 기능이 많아 어디부터 손대야 할지 막막합니다. 특히 Auto Layout과 Component는 개념을 한 번 잡아 두지 않으면 계속 우회하게 되고, 결국 도형을 일일이 옮기는 방식에 머무르게 됩니다. 이 강의는 그 개념들을 예제와 함께 순서대로 쌓아 올립니다. 앞부분은 인터페이스와 벡터 도구, 그래픽 스타일입니다. 도형과 패스를 다루고 색상·텍스트 스타일을 시스템으로 등록하는 법을 익히면 이후 작업 속도가 달라집니다. 이어서 Auto Layout으로 요소를 자동 배치하는 원리를 다룹니다. 중반부는 Component와 Variants입니다. 버튼 하나를 만들어 상태별로 관리하고, 여러 화면에서 재사용하는 구조를 실습합니다. 반응형 레이아웃 차시에서는 화면 크기가 바뀌어도 무너지지 않는 UI를 설계하고, 모바일 레이아웃까지 확장합니다. 마지막 여섯 차시가 이 강의의 차별점입니다. 'html . to . design' 플러그인으로 기존 웹페이지를 Figma로 가져오고, Figma Site로 디자인을 실제 웹페이지로 만들고, Figma Make로 프롬프트를 입력해 코드까지 생성하는 과정을 다룹니다. 최신 Figma AI 기능도 함께 짚습니다. 디자인 전공이 아니어도, 그래픽 툴을 다뤄 본 적이 없어도 따라올 수 있습니다. 강의를 마치면 웹과 모바일 UI를 직접 설계하고 AI 기능으로 작업 시간을 줄일 수 있게 됩니다.

이 강의는 구글이 선보인 AI 에이전트 개발 플랫폼 Antigravity 2.0을 활용해, 코딩 지식 없이 질문만으로 프로그램을 개발하는 바이브 코딩 입문 과정입니다. 유료 결제 없이 따라올 수 있도록 무료 AI 모델을 최대한 활용하며, 총 3부 19강으로 구성되어 있습니다. 1부에서는 Antigravity가 무엇인지 이해합니다. AI 바이브 코딩에서 IDE와 CLI 환경이 어떻게 다른지 짚고, 여러 종류의 AI 개발 도구 사이에서 Antigravity가 어떤 위치에 있는지, 왜 "자율주행"에 비유되는지 살펴봅니다. 설치와 첫 화면 실행까지 마쳐 개발을 시작할 준비를 갖춥니다. 2부에서는 Antigravity의 사용법을 본격적으로 다룹니다. 첫 결과물을 만들며 질문하는 방법과 결과 확인, 수정 방법을 익히고, Undo와 Redo 사용 시 주의할 점, 프로젝트 메뉴, 매번 뜨는 승인 요청을 없애는 방법을 배웁니다. 무료 모델의 사용 제한에 걸렸을 때 대응하는 실전 노하우까지 담아, 실제로 막히는 지점을 스스로 해결할 수 있게 합니다. 3부에서는 외부 AI를 활용해 설문(Survey) 데이터를 연동하는 기능을 구현합니다. 어떻게 질문해야 원하는 결과가 나오는지 익히고, 완성된 결과물을 확인한 뒤 두 차례 실습으로 데이터 연동을 직접 완성하며 마무리합니다.