신경식의 딥러닝 - Gradient Descent

딥러닝을 시작하기 위해 필요한 기본적인 미분법과 PyTorch의 Autograd 기능을 배우는 강의입니다.

Gradient-based Linear Regression (1)에서 직접 구현한 코드를 PyTorch의 기능들을 이용하여 실전 코드로 구현하는 방법을 배우는 강의입니다. 또한 데이터 전처리에 대한 필요성, 이론, 학습에 미치는 영향을 이론적으로 배우고, 실전 코드로 구현하는 강의입니다.

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.

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.

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

빅데이터의 기본 개념과 최신 트렌드를 파악하고, 빅데이터 분석 기법의 기술적인 이해를 통해 데이터 패턴을 추출하여 비즈니스에 활용할 수 있는 방법을 제시합니다. 빅데이터를 통해 새로운 비즈니스를 창출하고, 미래의 비즈니스환경에 대한 통찰력을 기를 수 있습니다.

AI 기술이 금융 산업 전반에 가져온 변화를 핀테크, 투자, 신용 리스크, 사기 탐지 등 다양한 사례를 통해 살펴봅니다. 파이썬 라이브러리를 활용한 실습으로 금융 AI의 적용 방식과 전략적 인사이트를 이해하고, 생성형 AI를 금융 서비스에 안전하게 통합하는 방법을 학습합니다.

엑셀로 딥러닝 프레임워크를 직접 구현해보자! 구현한 프레임워크로 지도학습/ 비지도학습/강화학습을 풀어보자!

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 :)

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 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.

기초는 알지만 실무 적용이 막막하신가요? 현업 경험을 녹여 복잡한 LLM 구조를 명쾌하게 풀어드립니다.

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

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.

본 강좌는 AI 기술을 처음 접하는 학습자도 쉽게 이해하고 따라 할 수 있도록 구성된 입문 과정입니다. 강의를 통해 AI 플랫폼의 기본 개념과 사용 방법을 익히며, 다양한 AI 도구를 활용해 이미지를 직접 생성하는 실습을 진행합니다. 이 과정을 마치면 AI와 한층 가까워지고, 창의적인 아이디어를 시각적으로 구현할 수 있는 AI 이미지 제작 역량을 갖출 수 있습니다.

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.

시험 유형과 출제 경향을 한눈에! 약 100문제로 실전 감각을 강화하세요. 혼자 준비해도, 체계적으로 학습할 수 있는 AWS AI Practitioner 실전 시험 완벽 대비

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.

퍼셉트론부터 역전파까지, 신경망의 핵심 수학 이론을 체계적으로 학습하고 R 코드로 직접 구현합니다. 활성함수, 경사하강법, 다층신경망 등 딥러닝의 기초를 탄탄하게 다지며, 실제 데이터셋을 활용한 분류 문제 해결 능력을 키웁니다.

📢 "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.