<밑바닥부터 만들면서 배우는 LLM> 해설 강의

Multi Head Attention 부터 Original Transformer 모델, BERT, Encoder-Decoder 기반의 MarianMT 번역 모델, Vision Transformer 까지 코드로 직접 구현하며 Transformer에 대해 속속들이 배우게 됩니다.

왜 Attention이 필요했는지, 그리고 어떻게 동작하는지 ‘코드로 직접 구현하며’ 이해합니다. 이 강의는 RNN과 Seq2Seq 모델의 구조적 한계에서 출발하여, 고정된 컨텍스트 벡터가 만들어내는 정보 병목 문제, 장기 의존성 문제를 실험으로 검증하고 그 한계를 해결하기 위해 Attention이 어떻게 등장했는지를 자연스럽게 이어서 설명합니다. 단순히 개념을 소개하는 것이 아니라, RNN의 구조적 한계와 Seq2Seq의 정보 병목 문제를 직접 실험으로 확인하고, 이를 해결하기 위해 등장한 **Bahdanau Attention(가산적 어텐션)**과 **Luong Attention(점곱 어텐션)**을 하나씩 구현하며 그 차이를 명확하게 이해합니다. 각 어텐션이 어떤 방식으로 Query–Key–Value 관계를 형성하고, 가중치를 계산하는 과정에서 어떤 수학적·직관적 차이를 가지며, 왜 후대 모델로 이어질 수밖에 없었는지 그 특성과 진화 흐름까지 자연스럽게 연결됩니다. Attention이 문장과 단어를 어떻게 바라보고, 각 단어가 어떤 방식으로 중요도를 부여받아 정보를 통합하는지를 수식 → 직관 → 코드 → 실험이 하나로 이어진 형태로 학습합니다. 이 강의는 Transformer를 제대로 이해하기 위한 ‘기초 체력’을 쌓는 과정으로, Attention이라는 개념이 왜 혁명적이었는지, 그리고 이후의 모든 최신 NLP 모델(Transformer, BERT, GPT 등)이 왜 Attention을 핵심 구성요소로 삼는지를 깊이 있게 이해하게 됩니다. RNN → Seq2Seq → Attention으로 이어지는 흐름을 개념이 아니라 코드와 실험으로 체화하고 싶은 학습자에게 최적화된 강의입니다.

챗지피티(ChatGPT)나 클로드 같은 대규모 언어 모형의 기초 원리를 깊이 있게 탐구하면서 개발 역량을 키울 수 있습니다. 흔히 접하기 어려운 다양한 정보와 개발 기법을 배울 수 있습니다.

“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!

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

AI가 브라우저를 직접 열고 셸 스크립트를 작성하여 서버 문제를 해결한다면 어떨까요? 윈도우와 리눅스를 넘나들며 OpenClaw로 구현하는 실전 자동화 노하우를 통해, 복잡한 설정 없이도 나만의 강력한 원격 개발 환경을 완성하는 최단 경로를 안내해 드립니다.

딥러닝·CNN 핵심 이론부터 다양한 CNN 모델 구현 방법, 실전 문제를 통한 실무 딥러닝 개발 노하우까지, Pytorch 기반의 딥러닝 CNN 기술 전문가로 거듭나고 싶다면 이 강의와 함께하세요 :)

지금 이런 소개가 중요한가요? 당장 deepseek R1 모델을 쓰세요.

AI 엔지니어 입문자를 위한 강의는 데이터 처리부터 모델 개발, 클라우드와 MLOps, 그리고 윤리적 고려까지 전 과정을 짧게 체험할 수 있도록 구성되었습니다. 단순히 모델을 만드는 데서 그치지 않고, 실제 서비스로 연결하는 과정을 이해해 실무 감각을 익히는 데 중점을 둡니다. AI를 처음 배우는 분들도 쉽게 따라올 수 있도록 실습과 예제를 곁들여 진행합니다.

문서를 찾아 답하고, 도구를 골라 조회하고, 승인받은 티켓을 실제로 만드는 고객지원 에이전트를 처음부터 만들어요. 응답이 끊기거나 같은 요청이 다시 와도 업무가 한 번만, 끝까지 처리되는지 실제 실행 기록으로 확인합니다.

40여 종의 경제 지표와 주가 데이터를 AI로 분석하여, S&P 500, QQQ ETF뿐만 아니라 개별 종목까지 예측하는 강력한 주가 분석 모델을 직접 만들어보세요!

LLM을 사용해 구축할 수 있는 애플리케이션이나 웹 서비스들로는 어떤 것들이 있는지 살펴봅니다.

대규모 언어 모델, 검색 증강 생성, 에이전틱 AI 시스템을 활용해 최신 생성형 AI 애플리케이션 구축의 전체 수명 주기를 마스터하세요. 프롬프트 엔지니어링부터 배포까지 엔터프라이즈급 AI 솔루션을 설계하는 방법을 배우고, LLM을 벡터 데이터베이스 및 외부 지식 소스와 결합해 프로덕션에 바로 사용할 수 있는 애플리케이션을 구축하세요.

이 강의는 “타이타닉에 내가 탔다면 과연 살아남을 수 있었을까?”라는 질문에서 출발하여, 실제 데이터를 기반으로 생존 확률을 예측하는 AI 모델을 개발하고, 이를 웹으로 서비스하는 풀스택 프로젝트를 완성합니다. PyTorch를 이용한 딥러닝 모델링, FastAPI로 백엔드 서버 구축, Next.js로 사용자 인터페이스 구현에 이르기까지, AI와 웹 개발의 전 과정을 실습하게 됩니다.

AI 원리와 구조 이해하기 : AI의 작동 원리부터 판단과 학습까지 AI는 어떻게 작동하고, 무엇을 근거로 판단하며, 어떻게 학습하고 발전할까요? 인공지능을 제대로 이해하기 위해서는 단순히 AI 도구를 사용하는 것을 넘어, 그 안에서 작동하는 핵심 원리와 구조를 이해하는 것이 중요합니다. 본 강의는 AI의 작동 원리, 데이터 처리와 판단 과정, 학습과 변화의 메커니즘을 하나의 과정으로 통합하여 체계적으로 설명합니다. 복잡한 수학 공식이나 어려운 프로그래밍보다는 직관적인 개념 설명과 다양한 사례를 통해 초보자도 AI의 내부 구조와 작동 흐름을 쉽게 이해할 수 있도록 구성했습니다. 이 강의를 통해 AI가 결과를 만들어 내는 과정부터 판단의 근거, 학습을 통해 성능이 개선되는 원리까지 폭넓게 이해할 수 있습니다. AI를 단순히 사용하는 수준을 넘어, AI의 작동 원리와 한계를 이해하고 실무에서 보다 효과적으로 활용하기 위한 기초 역량을 갖추어 보세요.

AI를 쓰는 건 쉬워졌지만, 모델 카드나 논문은 여전히 몇 줄 읽기 어렵습니다. 낱말 뜻은 검색하면 나와도, 그 낱말들이 서로 어떻게 이어지는지는 보이지 않기 때문입니다. 이 강의는 AI 문서에 꼭 나오는 단어 160여 개를 이해하기 가장 쉬운 순서로 쌓아, 강마다 실제 문서의 문장 한 줄을 정확히 읽게 합니다.

어려운 AI를 비유 하나로 끝까지?! 단어가 아닌 원리로 이해하는, AI 원론 첫걸음.