Model Context Protocol (MCP) 마스터하기: 실무 가이드 -(2026)

Notion은 업무, 프로젝트, 지식을 정리하는 데 가장 강력한 도구 중 하나입니다. 하지만 많은 사용자가 Notion의 실제 작동 원리를 이해하지 못한 채 템플릿에만 의존하다 보니 어려움을 겪곤 합니다. 이 강의에서는 Notion을 하나의 '시스템'으로 가르침으로써, 학생들이 혼란과 무분별한 설정에서 벗어날 수 있도록 돕습니다. 첫날부터 Notion을 올바르게 구성하는 방법, 블록·페이지·데이터베이스가 실제로 작동하는 방식, 그리고 시간이 지나도 깔끔하고 유연하며 확장 가능한 워크플로우를 구축하는 방법을 배우게 됩니다. 명확한 설명과 실용적인 예시를 통해 Notion의 기초부터 데이터베이스, 대시보드, 자동화, 수식, Notion AI와 같은 고급 기능까지 단계별로 안내해 드립니다. 이를 통해 여러분은 생산성을 저해하는 것이 아니라, 진정으로 뒷받침해 줄 수 있는 시스템을 자신 있게 설계할 수 있게 될 것입니다.

이 강의에서는 LangChain 프레임워크를 사용하여 고급 RAG 시스템을 설계, 구축 및 평가하는 방법을 배웁니다. LCEL, Runnables, 고급 검색 기술, 청킹 전략, 크로스 인코더 리랭킹, 에이전트 기반 RAG, 도구 호출, SQL 통합, 그리고 NeMo Guardrails를 활용한 안전 기술을 마스터하게 됩니다. 또한 LangFuse, React, FastAPI, Docker를 사용하여 풀스택 AI 챗봇을 추적, 디버깅 및 배포하는 방법도 배우게 됩니다.

강의 요약: 이 마스터클래스에서는 실제 워크플로우에 자연스럽게 녹아드는 에이전트형 코딩 도구인 Claude Code를 활용한 AI 기반 개발을 마스터하게 됩니다. 슬래시 명령어를 통해 반복적인 작업을 자동화하고, 커스텀 훅을 생성하며, 프로젝트 규모가 커져도 제어력을 유지할 수 있는 사양 중심(spec-driven) 워크플로우를 채택하는 방법을 배웁니다. 또한 MCP 서버, 플러그인, 서브 에이전트를 통해 Claude Code를 확장하고, GitHub 및 웹과 직접 통합하며, Vercel에 애플리케이션을 배포하는 방법을 익힙니다. 이 과정은 개발자의 생산성 문제를 해결하고 AI를 활용해 더 빠르고 효율적으로 애플리케이션을 구축할 수 있도록 돕습니다.

이 강좌는 짧고 집중적이며 실용적인 수업을 통해 완전 초보자가 Python을 배울 수 있도록 설계되었습니다. 매일 약 15분 정도의 부담 없는 학습 시간으로, Python의 핵심 개념을 단계별로 안내하여 코딩을 쉽게 접근하고 부담스럽지 않게 만듭니다. 초보자들이 겪는 일반적인 학습 장애물—문법, 논리, 문제 해결에 대한 혼란 등—을 극복하도록 도운 경험을 바탕으로, 명확성, 반복, 그리고 실습을 강조합니다. 각 수업은 이전 수업을 기반으로 구성되며, 실용적인 연습 문제와 복습 및 정리를 위한 정기적인 휴식일로 강화됩니다. 30일이 끝날 무렵, 학생들은 Python 기초를 이해할 뿐만 아니라 강좌 전반에 걸쳐 배운 모든 개념을 연결하여 자신만의 커맨드라인 Python 애플리케이션을 자신 있게 만들 수 있게 됩니다.

이 강의는 Azure에서 프로덕션 수준의 LLM 애플리케이션을 설계하고 배포한 실무 경험을 바탕으로 제작되었습니다. 단순한 예제나 개별 노트북 파일에 집중하기보다, 실험 단계에서 실제 시스템으로 전환할 때 직면하게 되는 데이터 수집, 벡터 저장소, 서비스 오케스트레이션, 클라우드 배포 및 보안과 같은 구체적인 과제들을 해결할 수 있도록 안내합니다. 강의 전반에 걸쳐 복잡한 Azure 서비스를 명확하고 실용적인 단계로 나누어 설명하고, 각 아키텍처 결정의 이유와 구성 요소들이 확장 가능한 시스템 내에서 어떻게 상호작용하는지 보여줍니다. 수강생들은 완전한 LangChain 기반 애플리케이션을 직접 구축, 디버깅 및 배포해 보면서 실제 인프라 및 애플리케이션 수준의 문제를 해결하는 자신감을 얻게 됩니다.

이 강좌에서 기대할 수 있는 것 LangGraph를 사용하여 고급 AI 에이전트를 설계하고 배포하는 방법을 익히기 위한 궁극적인 가이드인 'LangGraph in Action'에 오신 것을 환영합니다. 이 강좌에서는 모듈식이며 확장 가능하고 프로덕션 환경에 바로 적용할 수 있는 에이전트를 구축하는 기초를 실습 위주의 방식으로 탐구합니다. LangGraph의 상태 기반 설계의 기초를 이해하는 것부터 풀스택 애플리케이션을 제작하는 것까지, AI 에이전트를 실제로 구현하는 데 필요한 기술을 습득하게 됩니다. 강좌 주요 내용 상태 기반 설계: 노드(nodes)와 에지(edges)라는 LangGraph의 핵심 철학을 깊이 있게 다루어 구조화되고 유지보수가 용이한 에이전트를 생성합니다. 메모리 관리: 체크포인터(checkpointers)를 활용한 단기 메모리와 Store 객체를 활용한 장기 메모리를 탐구하여, 적응하고 학습하는 에이전트를 구현합니다. 고급 워크플로우: Human-in-the-loop 시스템을 구축하고, 병렬 실행을 구현하며, 멀티 에이전트 패턴을 마스터합니다. 프로덕션용 개발: 비동기 작업, 서브그래프(subgraphs)를 배우고 FastAPI와 Docker를 사용하여 풀스택 애플리케이션을 제작합니다. 강좌를 마칠 때쯤이면 강력한 이론적 이해뿐만 아니라 오픈소스 도구만을 사용하여 어디서나 AI 에이전트를 배포할 수 있는 실무 기술을 갖추게 될 것입니다. 최신 기술을 앞서가려는 개발자이든, AI 툴킷을 확장하려는 숙련된 엔지니어이든, 이 강좌는 빠르게 성장하는 AI 에이전트 분야에 필요한 역량을 제공합니다. 실제 애플리케이션에서 AI 에이전트 도입이 증가함에 따라, 이 강좌는 실질적인 과제를 해결하는 고급 시스템을 설계, 구축 및 배포할 수 있도록 준비시켜 줍니다. 함께 AI의 미래를 만들고 구축해 봅시다!

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.

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 LDM(Latent Diffusion Model)부터 DiT(Diffusion Transformer)까지, 생성형 AI의 핵심 기술 발전을 완전 해부하는 실전형 마스터클래스입니다. LDM의 잠재 공간 기반 학습 원리와 Stable Diffusion의 구조, 그리고 최신 Diffusion Transformer의 구현 방식을 논문과 코드로 직접 분석합니다. 수강생은 PyTorch 기반으로 LDM, CFG(Classifier-Free Guidance), DiT 모델을 직접 구현하며, 생성 모델의 최신 트렌드와 구조적 진화를 체계적으로 익힙니다.

딥러닝(Deep Learning)을 텐서플로(Tensorflow)를 활용하여 학습할 수 있는 강의입니다. 선형(Linear) 회귀, 로지스틱(Logistic) 회귀, 소프트맥스(Softmax) 회귀 모델을 배우고, 최종적으로 패션 이미지를 분류할 수 있는 MLP 모델을 만들어보세요!

[소스코드 제공] 코딩 몰라도 OK. 구글 최신 툴(IDX)로 설치 없이 브라우저에서 뚝딱 완성! 코딩 문법 공부는 이제 그만! AI와 대화하며(Vibe Coding) 구글 IDX 환경에서 사내 문서를 완벽히 이해하는 RAG 챗봇을 구축하고 웹으로 실시간 배포하는 초고속 실전 과정입니다.

파이썬 한국어 텍스트 분석과 자연어처리 워드클라우드 시각화, 형태소 분석, 토픽모델링, 군집화, 유사도 분석, 텍스트데이터 벡터화를 위한 단어 가방과 TF-IDF, 머신러닝과 딥러닝을 활용한 텍스트 분류, 허깅페이스 활용법

최신 Transformer 기반 PixArt와 경량 적응화 SANA를 이론부터 코드까지 단계별로 구현합니다. I·II편에서 다룬 DDPM·DDIM·LDM·DiT를 바탕으로, 텍스트 인코더 연결, 샘플러(DDIM/ODE), v-예측/CFG 튜닝, 소규모 데이터 스타일 미세튜닝까지 실습 위주로 완주합니다.

머신러닝 및 딥러닝 전반에 대한 개요와 기본 도구 사용 방법, 그리고 학습에 필요한 파이썬 언어 지식을 단기간에 습득할 수 있습니다.

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

Chatgpt가 내 이웃이 쓴 글을 읽고 댓글을 달아주는 프로그램 마케팅 자동화, 이웃 관리 프로그램 개발 강의

머신러닝&딥러닝의 기초부터 확실하게! 파이썬으로 분류/회귀/군집/인공신경망 생성과 활용까지

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

Gold Rush 시대에는 금을 직접 캐는 것보단 금 캐는 도구를 파는게 더 부자가 되기 쉽다고 하네요. ChatGPT 대항해 시대에 프로그램 판매해보시는건 어떤가요?

이 강의는 확산모델(Diffusion Model)의 진화 과정을 논문과 코드로 완전 정복하는 실전 중심 마스터클래스입니다. DDPM(Denoising Diffusion Probabilistic Model)과 DDIM 등, 생성 AI의 핵심 모델들을 논문 원리부터 직접 구현하며 학습합니다. 각 모델의 등장 배경, 수식, 네트워크 구조(U-Net, VAE, Transformer), 학습 과정(Noise Schedule, Denoising Step), 그리고 성능 향상을 이끈 아이디어들을 단계별로 분석합니다.수강생은 모든 모델을 PyTorch 기반으로 직접 코딩하며, 논문을 이해하는 것에 그치지 않고 ‘재현하고 응용할 수 있는 실무 능력’을 얻게 됩니다. 또한, 모델 간의 차이와 발전 흐름을 비교하며, 어떻게 확장되는지를 명확히 이해하게 됩니다. 이 강의는 이론·코드·실습을 하나로, 연구자·개발자·창작자 모두에게 생성모델의 진화를 체계적으로 익힐 수 있는 여정을 제공합니다. 논문을 ‘읽는 것’을 넘어, 직접 구현하며 ‘이해하고 재창조’하는 경험을 지금 시작하세요.

이 강의는 Notion API의 기초를 다지고, AI(Claude)를 연동하여 노션을 자동화하는 Notion MCP 활용법을 배우는 과정입니다. API 공식 문서를 따라 블록, 페이지, 데이터베이스를 직접 제어하는 방법을 익히고, 최종적으로는 자연어 명령어(프롬프트)만으로 데이터베이스를 생성하고 텍스트 파일 내용을 분석해 자동으로 페이지를 추가하는 실전 프로젝트를 완성합니다.

AI로 유튜브 쇼츠 만들기 자동화!! n8n으로 유튜브 쇼츠를 자동으로 만드는 방법을 처음부터 배웁니다. 글→이미지/음악→영상 만들기→업로드까지 한 번에 돌아가는 흐름을 직접 만들어 봅니다. 테스트 모드/실전 모드 구분, 비용 아끼는 팁까지 실습합니다. 강의 끝나면 바로 쓸 수 있는 자동화 템플릿 3개를 완성합니다. 코딩 몰라도 따라올 수 있게 노드 배치부터 차근차근 배웁니다. AI 유튜브 쇼츠 제작 자동화 함께 해보세요!

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.

이 강의는 Transformer를 단순히 “구현하는 법”이 아니라, 왜 이런 구조가 만들어졌는지, 각 모듈이 어떤 역할을 하는지, 그리고 전체 모델이 어떻게 작동하는지를 설계자의 관점에서 해부하는 과정입니다. Self-Attention과 Multi-Head Attention의 내부 계산 원리를 깊이 있게 분석하고, Positional Encoding, Feed-Forward Network, Encoder·Decoder 구조가 어떤 한계를 해결하기 위해 등장했는지를 수식·논문·구현 코드로 직접 확인합니다. Attention에서 출발해 Transformer 전체 구조를 직접 조립하고, 실제로 학습까지 수행하며 모델이 어떻게 동작하는지 체득합니다. 이 강의는 “Transformer를 완전히 이해하고 싶은 사람”을 위한 가장 구조적이고 실전적인 로드맵입니다.

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.

현장에서 오프라인 환경에서도 얼굴인식이 어떻게 동작하는지 궁금했던 경험을 바탕으로, 이 강의에서는 React + Electron과 Python의 FastAPI 기반으로 구동되는 DeepFace를 활용해 얼굴인식 기반 출입·출결 관리의 기본 구조를 함께 만들어봅니다. 완성도보다는 동작 원리 이해와 개인 프로젝트로 확장할 수 있는 기초 다지기에 초점을 둡니다.