인공지능 대학원 입시를 위한 선형대수학

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.

이 과정은 행렬 미적분학의 필수 개념을 깊이 있게 다루며, 머신러닝 및 대규모 최적화에서의 응용에 초점을 맞춥니다. 학습자는 행렬의 도함수와 그 분해를 이해하고 계산하는 기술을 탐구하여, 현대 컴퓨팅의 복잡한 수학적 연산을 해결하는 능력을 향상시킬 수 있습니다.

읽기, 쓰기, 셈하기와 더불어 AI시대를 사는 누구나 반드시 갖추어야 할 능력이 컴퓨팅 사고 능력이다. 컴퓨팅 사고란 쉽게 말해 프로그래머처럼 생각하기 또는 컴퓨터 과학자처럼 생각하기로 정의할 수 있다. 본 강의는 대학의 실제 한 학기 강좌를 그대로 옮겨 놓았으며, 프로그래밍을 처음 접하는 사람이나 컴퓨터를 전공하려는 입문자에게 꼭 필요한 내용을 다룬다. 또한 본 강의를 통해 컴퓨터 비전공자나 인문학 배경을 가진 사람들이 전문 프로그래머들과 쉽게 의사소통을 하기 위한 능력을 기를 수 있다. AI 바이브 코딩을 위해 프롬프트를 배워야하는 시대에도 컴퓨팅 사고를 통해 더 정확하고 효과적으로 AI에게 지시할 수 있는 능력을 기를 수 있다.

딥러닝의 미분과 역전파 수식을 이해하고 싶은 분을 위한 강의입니다. 함수와 극한부터 도함수, 연쇄 법칙, 그래디언트, 경사 하강법을 차례로 배우고, 작은 신경망의 순전파·손실 계산·역전파·가중치 갱신을 직접 계산합니다. 코딩이나 설치 없이 애니메이션으로 개념을 살펴보고, 수식과 AI 학습 과정에 연결합니다.

딥러닝을 활용한 생성모델 AI 모델의 작동 원리를 이해하고 실습을 통해 활용 방법을 습득합니다.

코딩 없이 엑셀로 정복하는 밑바닥부터의 딥러닝 수학 및 실무 데이터 시각화

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.

AI와 빅데이터 시대, 조직의 데이터를 제대로 활용하고 계신가요? 이 과정은 통계적 사고의 기초부터 머신러닝과 딥러닝의 핵심 원리까지, 데이터를 읽고 해석하는 필수 역량을 키워드립니다. 변동성 속에서 패턴을 발견하고, 데이터 기반 의사결정을 내릴 수 있는 실무 리더로 성장하세요.

📢 "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.

게임에서 사용되는 중요한 수학개념들을 쉽게 배우는 강의입니다. 수학을 잘 알고 있는 사람은 해당 지식들을 당연하게 여기기 때문에 아무것도 모른다는 가정하에 가르킬 수 없습니다. 정말 비전공자라고 생각하고 초보자 관점에서 설명합니다.

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.

읽기, 쓰기, 셈하기와 더불어 AI시대를 사는 누구나 반드시 갖추어야 할 능력이 컴퓨팅 사고 능력이다. 컴퓨팅 사고란 쉽게 말해 프로그래머처럼 생각하기 또는 컴퓨터 과학자처럼 생각하기로 정의할 수 있다. 본 강의는 대학의 실제 한 학기 강좌를 그대로 옮겨 놓았으며, 프로그래밍을 처음 접하는 사람이나 컴퓨터를 전공하려는 입문자에게 꼭 필요한 내용을 다룬다. 또한 본 강의를 통해 컴퓨터 비전공자나 인문학 배경을 가진 사람들이 전문 프로그래머들과 쉽게 의사소통을 하기 위한 능력을 기를 수 있다. AI 바이브 코딩을 위해 프롬프트를 배워야하는 시대에도 컴퓨팅 사고를 통해 더 정확하고 효과적으로 AI에게 지시할 수 있는 능력을 기를 수 있다.

1. AI 자격증, AICE Associate를 취득하기 위한 파이썬 코딩 학습 2. 기초부터 응용까지 단계적인 파이썬 코딩 학습 3. AI 분야 석학 고려대학교 김중헌 교수의 강의

본 과정은 AI 모델링 프로젝트를 성공적으로 수행하기 위해 필수적인 ‘AI 학습 데이터 구축’ 전 과정을 학습하는 과정입니다. 학습자는 단순히 이론적인 지식에 머무르지 않고, 실제 실무에서 요구되는 데이터 구축 프로세스를 단계별로 경험하게 됩니다. 구체적으로 AI 학습 데이터의 기획 → 획득 → 저장 → 정제 → 라벨링 → 가명정보 결합 및 변환에 이르는 전 과정을 실습 중심으로 다루어, 현업에서 바로 적용 가능한 실무 능력을 기를 수 있도록 구성되어 있습니다. 또한 데이터의 품질 관리와 보안 이슈, 개인정보 비식별화 처리, 데이터셋 최적화와 같은 AI 프로젝트에서 가장 중요한 데이터 관리 역량을 체계적으로 학습하게 됩니다. 이를 통해 학습자는 단순한 데이터 수집자가 아닌, AI 프로젝트를 주도적으로 기획하고 실행할 수 있는 데이터 전문가로 성장할 수 있습니다. 👉 본 과정을 통해 학습자는 AI 모델 성능을 좌우하는 양질의 학습 데이터 구축법을 이해하고, 이를 실무 환경에 효과적으로 적용할 수 있는 실질적인 역량을 확보하게 될 것입니다.

Classic RAG, Graph RAG, Agentic RAG의 핵심 원리와 실전 구현을 학습합니다. 토큰 효율과 지연 시간을 최적화하는 동적 라우팅 시스템을 설계하고, GraphRAG의 관계망 추론과 Agentic RAG의 자기 평가 루프를 결합한 장기 기억 시스템을 구축합니다. 실무에서 바로 활용 가능한 고급 RAG 아키텍처 설계 역량을 완성하는 과정입니다.

본 과정은 AI 모델링 및 서비스 기획을 실무에 적용하기 위해 필요한 기본 이론과 실무 프로세스를 학습하는 과정입니다. 학습자는 AI 모델링 프로젝트를 능숙하게 수행하기 위해 필수적인 기초 지식을 습득하고, 실제 현업에서 활용되는 다양한 실무 절차를 경험할 수 있습니다. 특히 AI 서비스의 환경 분석 → 목표 수립 → 요구사항 분석 → 서비스 모델 설계 → 시나리오 기획 → 활용 기획 → 실행 계획 수립 → 성과 평가 기획까지 이어지는 전체 흐름을 단계적으로 학습하도록 구성되어 있습니다. 이를 통해 단순히 기술적인 관점의 학습에 그치지 않고, 비즈니스와 서비스 기획 차원에서 AI를 어떻게 도입하고 활용할 것인지에 대한 체계적인 사고와 실무 적용 능력을 기를 수 있습니다. 본 과정을 마친 학습자는 AI 프로젝트의 전반적인 기획과 실행 과정을 이해하고, 실제 기업 환경에서 AI 서비스 기획자·PM·데이터 기반 전략가로서 역량을 강화할 수 있을 것입니다.

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.

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.

👉 AI의 변화와 한계를 제대로 이해하고 싶은 분들에게 적합한 과정입니다. AI는 한 번 만들어지면 끝일까요? 이 강의에서는 AI가 학습을 통해 어떻게 변하고, 왜 같은 AI라도 결과가 달라질 수 있는지를 설명합니다. 학습이라는 과정의 의미, 성능이 좋아지거나 나빠지는 이유를 기술적인 관점에서 쉽게 풀어냅니다.

코딩 없는 풀스택 시스템 구축: 한국어 프롬프트(바이브 코딩)만으로 데이터 수집부터 AI·ML 분석, 웹 대시보드까지 전체 파이프라인을 직접 완성합니다. 100% 자동화 파이프라인 소유: 매일 아침 텔레그램으로 S&P 500 스크리닝 및 투자 의견을 수신하는 독립적인 주식 분석 도구를 확보합니다. 실전 데이터 기반 투자 프레임워크 체득: 실제 운영 중인 소스 코드를 바탕으로 기관 수준의 데이터 분석 및 리스크 관리 역량을 내 것으로 만듭니다.