현대적 자연어 처리 : Transformer 구조 이해에서 LLM 실전 파인튜닝 까지

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.

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.

다양한 인공 신경망의 구조와 동작 원리를 이해하고 좋은 모델을 만드는데 필요한 필수 지식을 전달하는 강의입니다.

그림으로 딥러닝 트랜스포머 동작을 완벽히 이해합니다

많은 분들이 ChatGPT는 쓰고, 추천·자율주행 소식도 자주 접하지만 막상 “왜 이렇게 동작하는지”를 설명하려면 말이 막힙니다. 코딩 강의만 따라가면 코드는 돌아가는데 원리는 남고 수학 강의만 들으면 공식은 보이는데 AI와 연결이 안 됩니다. 해외 강의는 영어가 부담스럽고 국내 입문은 실습 위주로 흘러가기 쉽습니다. 저는 AI 경진대회에서 실제 모델을 만들며 그리고 모두의 AI를 운영하며 수천 명의 학습자를 만나며 같은 장면을 반복해서 봤습니다. 막히는 지점은 도구 사용법이 아니라 함수·미분·벡터·역전파가 서로 끊겨 있는 순간이었습니다. 이 강의는 그 끊김을 이어 줍니다. 함수가 입출력을 어떻게 정의하는지, 미분이 학습 방향을 어떻게 정하는지, 역전파가 오류를 어떻게 전달하는지까지 수학 기초부터 신경망·소프트맥스까지 하나의 흐름으로 설명합니다. 공식 암기나 코드 따라치기가 아니라 수식과 직관적인 그림으로 “왜”를 이해하게 만드는 수업입니다. AI를 제대로 이해하고 싶은 분께 그다음 딥러닝으로 넘어갈 탄탄한 첫 걸음이 되어 드립니다.

ChatGPT는 쓰는데, 왜 이런 답이 나오는지는 설명하기 어렵지 않으셨나요? “RAG, 에이전트, 파인튜닝… 용어는 아는데 정확히 설명하긴 어렵다” “LLM관련 용어를 들으면 말문이 막힌다” “AI 회의에서 개념 설명이 항상 애매하다” 이 강의는 바로 이런 분들을 위해 만들어졌습니다. 이 강의는 LLM을 ‘툴’이 아니라 ‘구조’로 이해하기 위한 이론 강의입니다. ChatGPT나 Gemini를 사용하는 법이 아니라, 왜 그렇게 동작하는지 설명할 수 있는 기준을 만들어 줍니다.

Microsoft AI-900 자격을 동시에 대비 할 수 있는 특강이며 2025년 5월기준의 출제 범위를 반영한 최신 콘텐트로서 AI 개요, 머신러닝 기초, 컴퓨터 비전, 자연어 처리, 문서 인텔리전스, 지식 마이닝, 그리고 생성형 AI를 포함한 이론과 실습이 겸비된 형태로 제공합니다

도커를 사용해서 클라우드에 딥러닝 분석환경을 만들 수 있습니다. 구글, MS 등이 관리하는 도커 이미지와 클라우드가 결합할 때 여러분의 컴퓨터에서 가장 최신의 딥러닝 분석 방법으로 작업을 수행하는 것이 가능해집니다.

LLM 기반 다중 에이전트 기술을 구현할 수 있게 하는 CrewAI, LangChain, AutoGen 등의 여러 에이전트 프레임워크, 지식 그래프, 추론 시스템을 결합해 인공지능 판사를 만드는 방법을 탐구합니다.

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.

기존 백엔드에 LLM이 결합되면 아키텍처가 어떻게 달라질까? 단순한 LLM API 호출을 넘어, Model Router, LLM Gateway, Vector DB 등 AI 서비스의 핵심 컴포넌트를 이해하고, RAG와 AI Agent를 포함한 운영 가능한 AI 서비스 아키텍처를 단계적으로 설계하는 시스템 디자인 입문 강의입니다. 자신만의 LLM 기반 AI 서비스를 만들고 싶은 분들을 위해 설계 흐름을 빠르게 익힐 수 있도록 돕습니다.

하락장에서도 큰 수익을 만들고 싶으신가요? 자동매매에 관심은 있지만, 코딩 / 매매 전략 설계 / 거래소 API / 서버 배포 때문에 시작하지 못하고 계신가요? 이 강의에서는 Python을 처음 접하는 분도 ChatGPT와 Codex를 활용해 매매 아이디어를 구체적인 전략으로 만들고, 백테스트와 실전 자동매매 코드로 구현할 수 있도록 안내합니다. Python과 CCXT를 활용한 바이낸스 선물 자동매매 / 기술적 지표 전략 / 물타기 백테스트 / 업비트 API 기반 김치프리미엄 전략을 실습합니다. 이후 텔레그램을 사용한 알림과 주문 안전 기능을 적용하고, 완성한 봇을 GitHub로 관리하여 Cloud의 서버에 배포합니다. LLM에게 모든 투자 판단을 맡기는 것이 아니라, 사람이 전략과 위험관리 기준을 결정하고 LLM을 전략 설계 / 코드 작성 / 오류 해결을 돕는 조수로 활용합니다. 강의를 완강한 뒤에는 제공된 코드를 실행하는 데 그치지 않고, 자신만의 전략을 생성 / 검증 / 수정 / 배포할 수 있게 됩니다!

AI가 단순히 대답만 하던 시대는 끝났습니다. 이제는 스스로 판단하고 행동하는 LLM Agent의 시대입니다. 이 강의는 단 90분 실습으로 에이전트의 핵심 원리와 구조를 직접 구현하며 배우는 입문형 강의입니다. 복잡한 이론은 최소화하고, 코드 중심의 실습 흐름으로 “AI가 어떻게 판단하고 툴을 사용하는지”를 직접 체험할 수 있습니다. 프롬프트 엔지니어링을 넘어서, AI 자동화의 첫걸음을 함께 시작해 보세요.

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

이 강의를 통해 인공지능 대학원 입시 과정 및 준비 방법을 처음부터 끝까지 알아가실 수 있을 거예요! 합격 확률을 높이는 좋은 내용도 같이 알려드리겠습니다!

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.

SwiftUI 중급까지 마친 당신께, 이제는 AI를 앱에 녹여낼 차례입니다. Apple Intelligence와 FoundationModels 프레임워크로 인터넷 없이 기기 안에서 동작하는 온디바이스 AI 앱을 완성합니다.

인공지능이 처음인 사람의 눈높이에 맞춘 인공지능 입문 강의! 데이터부터 생성형 AI까지 핵심 개념을 쉽게 정리했습니다. 인공지능을 만드는 것이 아닌 질문하고 설명할 수 있는 수준의 실무 이해를 목표로 합니다.

Verilog와 EDA 툴을 배우다 포기하셨나요? NPU를 직접 설계하는 반도체학과 교수가 엑셀 파일 9개로 CPU부터 NPU까지 계산하며 이해하는 법을 알려드립니다.

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 :)