파이썬으로 해보는 자율주행

[강의 요약: 픽셀에서 실무까지, 명함 인식 시스템 구축]전처리(Pre-processing): 노이즈를 제거하고 가우시안 블러와 캐니 엣지로 명함의 '뼈대'를 추출하는 법을 배웠습니다.허프 변환(Hough Transform): 수만 개의 점 중에서 $(\rho, \theta)$ 투표 시스템을 통해 진짜 '테두리'를 선발하는 오디션 과정을 거쳤습니다.기하학적 추론: 복잡한 직선 방정식을 대입법과 행렬로 풀어내어, 명함의 네 꼭짓점$(x, y)$을 정밀하게 타격했습니다.데이터 정렬 및 필터링: 겹치는 선을 제거하고, 찾은 점들을 '좌상, 우상, 우하, 좌하' 순서로 이름표를 붙여주는 데이터 정제 기술을 익혔습니다.마법의 변환(Perspective): 삐딱한 이미지를 똑바로 펴거나, 반대로 내가 원하는 액자 속에 이미지를 합성하는 실무 기술로 대미를 장식했습니다. 📢 "수식만 보면 머리가 아프신가요? 저도 그랬습니다."개발 현장에서 이미지 처리 프로젝트를 처음 맡았을 때, 저를 가장 괴롭혔던 건 화면 가득한 $\sin, \cos$ 수식들이었습니다. 책에는 공식만 가득했고, 정작 **"이게 왜 내 코드에서 명함을 못 찾지?"**라는 실무적인 문제에 답해주는 곳은 없었습니다.저는 이 강의를 통해 수강생 여러분이 겪을 세 가지 고질적인 문제를 해결해 드리고자 합니다.1. "수학이 외계어처럼 느껴지는 문제" → [비유의 힘]으로 해결합니다.직선 방정식을 단순히 암기하는 것이 아니라, **'원점에서 쏜 레이저'**와 **'그림자 놀이'**로 이해시켜 드립니다. 원리를 이해하면 코드는 자연스럽게 따라옵니다. 제가 수많은 시행착오 끝에 찾아낸 '가장 쉬운 언어'로 수식을 번역해 드립니다.2. "이론은 아는데 응용이 안 되는 문제" → [데이터 오디션]으로 해결합니다.왜 내 명함 테두리가 10개나 생기는지, 왜 꼭짓점 순서가 뒤섞이는지... 실무에서 반드시 마주치는 '지저분한 데이터'를 어떻게 거르고 정렬하는지, 저의 디버깅 노하우를 모두 공개했습니다. 옥석을 가려내는 오디션 로직은 여러분의 프로젝트를 한 차원 높여줄 것입니다.3. "결과물이 따분한 문제" → [인터랙티브 합성]으로 마무리합니다.단순히 흑백 엣지만 보다 끝나는 강의가 아닙니다. 내가 직접 마우스로 찍은 '명예의 전당 액자' 속에 여러분이 만든 명함을 쏙 집어넣는 순간, 여러분은 단순한 코딩을 넘어 **'공간을 다루는 마법'**을 경험하시게 될 겁니다. "컴퓨터 비전은 수학이 아니라, 세상을 바라보는 새로운 눈을 갖는 과정입니다." 제가 현장에서 깨달은 그 짜릿한 'A-ha!' 모먼트를 여러분께 전달해 드리고 싶습니다. 이제 복잡한 이론서는 덮으셔도 좋습니다. 저와 함께 코드라는 붓으로 이미지를 자유자재로 그려보시죠!

핫 한 이미지 생성모델! 기초부터 구현하면서 이해하자! AUTO ENCODER / VAE / GAN / DIFFUSION 까지 함께 구현해 봅시다!

파이썬 + xlwings 업무자동화 강의 요약 1. 기본편: Excel 제어 기초 셀 다루기 / 서식 적용 / 이미지 & 차트 삽입 2. 응용편 : 자동화 시나리오 자동메일 발송 / 보고서 요약 자동화(LLM) / 이미지 분류하여 작업(Teachable Machine)

본 강의에서는 포토 모자익을 생성하는 전체 과정을 알고리즘 관점에서 살펴봅니다. 입력 이미지를 K-means 클러스터링을 통해 타일 개수에 맞는 대표 색상 집합으로 축소한 뒤, 헝가리안 알고리즘을 적용하여 각 색상과 타일을 1:1로 최적 매칭합니다. 이를 통해 이미지 처리와 조합 최적화 알고리즘이 결합되어 하나의 시각적 결과물을 만들어내는 과정을 이해합니다

딥러닝은 복잡한 함수의 조합으로 이루어진 신경망을 통해 데이터를 학습하는 기술입니다. 이 강의에서는 딥러닝의 핵심 개념을 수학적으로 이해하고, 이를 행렬 연산 관점에서 분석해봅니다. 특히 Python의 NumPy 라이브러리를 활용하여, 딥러닝의 순전파와 역전파 과정을 직접 구현해보며 파라미터가 어떻게 업데이트되는지 시각적으로 살펴봅니다. 복잡해 보이던 신경망 구조도 행렬 연산으로 풀어내면 명확해집니다. 이 강의는 코딩보다 개념 이해에 중점을 두고, 딥러닝의 원리를 수학적으로 직관적으로 익히고자 하는 학생들에게 적합합니다.

엑셀로 딥러닝 기초를 구현하며 그 의미를 깊게 이해하기! 이미지 데이터를 어떻게 처리하는지 학습!

엑셀로 딥러닝 기초를 구현하며 그 의미를 깊게 이해하기!

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

엑셀로 딥러닝 기초를 구현하며 그 의미를 깊게 이해하기!

엑셀로 딥러닝의 원리를 눈으로 보면서 익혀보겠습니다.

Pre-Trained 모델(VGG16) / CAM / Grad-CAM / YOLO / STYLE TRANSFER / PIX2PIX / CYCLEGAN Stable Diffusion 을 직접 구현해 보기

딥러닝은 복잡한 함수의 조합으로 이루어진 신경망을 통해 데이터를 학습하는 기술입니다. 이 강의에서는 딥러닝의 핵심 개념을 수학적으로 이해하고, 이를 행렬 연산 관점에서 분석해봅니다. 특히 Python의 NumPy 라이브러리를 활용하여, 딥러닝의 순전파와 역전파 과정을 직접 구현해보며 파라미터가 어떻게 업데이트되는지 시각적으로 살펴봅니다. 복잡해 보이던 신경망 구조도 행렬 연산으로 풀어내면 명확해집니다. 이 강의는 코딩보다 개념 이해에 중점을 두고, 딥러닝의 원리를 수학적으로 직관적으로 익히고자 하는 학생들에게 적합합니다.

라즈베리파이와 다양한 센서를 활용해 AI 기반 자율주행 자동차를 직접 제작해보는 실습형 강좌입니다.

1인 사업가는 항상 시간이 부족합니다. 자동화 프로그램을 개발해서 반복 업무는 프로그램에게 맡기고, 창의적인 일은 사람이 해야합니다.

객체 지향의 본질을 제대로 알려 드립니다. 클래스, 객체, self, super(), 인터페이스와 같은 용어나 문법을 안다고 해서 객체지향을 안다고 말할 수는 없습니다. 객체지향은 단순한 문법의 집합이 아니라, 복잡해지는 소프트웨어의 문제를 어떻게 해결할 것인가에 대한 하나의 사상이며, 그 배경이 된 역사와 철학을 이해해야 비로소 제대로 사용할 수 있습니다. 이 강의에서는 객체지향이 어떤 문제를 해결하기 위해 탄생했는지, 그리고 그 안에 담긴 사고 방식과 설계 철학이 무엇인지를 언어에 의존하지 않고 먼저 설명합니다. 그 다음, 파이썬을 도구로 삼아 객체지향의 개념이 실제 코드에서는 어떻게 설계되고 구현되는지를 차근차근 실습을 통해 다룹니다. 문법을 따라 치는 객체지향이 아니라, 생각하고 설계할 수 있는 객체지향, 그리고 언어가 바뀌어도 흔들리지 않는 객체지향 사고력을 이 강의를 통해 얻을 수 있습니다.

C++와 Java를 각각 배웠지만, 왜 다르게 설계되었는지 헷갈리셨나요? 이 강의는 두 언어를 동시에 비교하며 객체지향의 구조·메모리·동작 원리까지 완전히 이해하게 만들어줍니다. 단순 문법이 아닌, ✔ 컴파일 구조 ✔ 메모리 모델 차이 ✔ 상속과 다형성의 내부 동작 ✔ virtual table과 JVM 구조 까지 직접 실습하며 이해합니다. 또한 'Python 기반 코드 비교 자동 생성기 도구'를 제공하여, C++ ↔ Java 변환 구조를 시각적으로 이해하도록 돕습니다. 객체지향을 "사용"하는 수준에서 "설계하고 설명할 수 있는 수준"으로 올려드립니다.

요즘 이걸 모르면 안된다 할 정도로 유명해진 Nano Banana? Gemini 3.0? 이 강의에서 Gemini API 로 모두 다룰 수 있습니다.

이 강의에서는 추천 시스템의 핵심 알고리즘부터 실전 구현까지 다룹니다. - 컨텐츠 기반 필터링 - 협업 필터링, 딥러닝 기반 추천 모델 구현 - Two-step recommender systems 구현 - PyTorch/RecBole 활용한 실습 - 현업 노하우와 추천 결과 시각화까지

코파일럿 (copilot) 과 함께 개발에 입문을 해봐요. AI와 함께라면 초등학생도 따라할 수 있어요!

"나 혼자만 파이썬 레벨업!" 파이썬 기초부터 시작해서 2D 게임 만들기와 Ollama 기반 AI 챗봇까지! 변수, 조건문, 함수 같은 핵심 문법을 배우고, 직접 만들어보며 실력을 키우는 실습 중심 입문 강의입니다.

개발을 처음 시작하는 사람들을 위한 강의입니다. 개발 언어보다도, UI프레임워크 보다도 먼저시작해야 할 프로그래밍적 사고 입니다.

100회 이상 진행한 딥러닝 교육 경험을 바탕으로, 수강생들이 가장 많이 어려워했던 핵심 기초 이론을 체계적으로 정리한 강의입니다. 이 강의는 비전공자도 이해할 수 있도록 수학적 직관, 모델 학습 원리, 코드 구현을 단계적으로 연결해 설명하며, 단순한 라이브러리 사용법이 아닌 AI 모델이 학습되는 근본 구조와 작동 원리를 깊이 있게 다룹니다. 경사하강법, 오차 함수, 최적화, 퍼셉트론, 다층 신경망, 오차역전파 등 딥러닝의 핵심 기초 기술을 직접 수식과 코드로 구현해 보면서, AI 원리를 이해하는 실력 있는 엔지니어로 성장하도록 설계된 실전형 입문 과정입니다.

보고서 작성 자동화로 칼퇴근을 하는 기초체력을 다질 수 있습니다.

「프로그래밍을 시작하고 싶지만, 어디서부터 배워야 할지 모르겠다…」 그런 초보자분들에게 딱 맞는 입문 강좌입니다. 본 강좌에서는 Mac 사용자를 위해 최적화된 환경에서, Python의 기초를 90분 만에 효율적으로 배울 수 있습니다. Google Colaboratory를 사용하기 때문에, 소프트웨어 설치 불필요! 바로 실습에 들어갈 수 있습니다.

[강의 요약: 픽셀에서 실무까지, 명함 인식 시스템 구축]전처리(Pre-processing): 노이즈를 제거하고 가우시안 블러와 캐니 엣지로 명함의 '뼈대'를 추출하는 법을 배웠습니다.허프 변환(Hough Transform): 수만 개의 점 중에서 $(\rho, \theta)$ 투표 시스템을 통해 진짜 '테두리'를 선발하는 오디션 과정을 거쳤습니다.기하학적 추론: 복잡한 직선 방정식을 대입법과 행렬로 풀어내어, 명함의 네 꼭짓점$(x, y)$을 정밀하게 타격했습니다.데이터 정렬 및 필터링: 겹치는 선을 제거하고, 찾은 점들을 '좌상, 우상, 우하, 좌하' 순서로 이름표를 붙여주는 데이터 정제 기술을 익혔습니다.마법의 변환(Perspective): 삐딱한 이미지를 똑바로 펴거나, 반대로 내가 원하는 액자 속에 이미지를 합성하는 실무 기술로 대미를 장식했습니다. 📢 "수식만 보면 머리가 아프신가요? 저도 그랬습니다."개발 현장에서 이미지 처리 프로젝트를 처음 맡았을 때, 저를 가장 괴롭혔던 건 화면 가득한 $\sin, \cos$ 수식들이었습니다. 책에는 공식만 가득했고, 정작 **"이게 왜 내 코드에서 명함을 못 찾지?"**라는 실무적인 문제에 답해주는 곳은 없었습니다.저는 이 강의를 통해 수강생 여러분이 겪을 세 가지 고질적인 문제를 해결해 드리고자 합니다.1. "수학이 외계어처럼 느껴지는 문제" → [비유의 힘]으로 해결합니다.직선 방정식을 단순히 암기하는 것이 아니라, **'원점에서 쏜 레이저'**와 **'그림자 놀이'**로 이해시켜 드립니다. 원리를 이해하면 코드는 자연스럽게 따라옵니다. 제가 수많은 시행착오 끝에 찾아낸 '가장 쉬운 언어'로 수식을 번역해 드립니다.2. "이론은 아는데 응용이 안 되는 문제" → [데이터 오디션]으로 해결합니다.왜 내 명함 테두리가 10개나 생기는지, 왜 꼭짓점 순서가 뒤섞이는지... 실무에서 반드시 마주치는 '지저분한 데이터'를 어떻게 거르고 정렬하는지, 저의 디버깅 노하우를 모두 공개했습니다. 옥석을 가려내는 오디션 로직은 여러분의 프로젝트를 한 차원 높여줄 것입니다.3. "결과물이 따분한 문제" → [인터랙티브 합성]으로 마무리합니다.단순히 흑백 엣지만 보다 끝나는 강의가 아닙니다. 내가 직접 마우스로 찍은 '명예의 전당 액자' 속에 여러분이 만든 명함을 쏙 집어넣는 순간, 여러분은 단순한 코딩을 넘어 **'공간을 다루는 마법'**을 경험하시게 될 겁니다. "컴퓨터 비전은 수학이 아니라, 세상을 바라보는 새로운 눈을 갖는 과정입니다." 제가 현장에서 깨달은 그 짜릿한 'A-ha!' 모먼트를 여러분께 전달해 드리고 싶습니다. 이제 복잡한 이론서는 덮으셔도 좋습니다. 저와 함께 코드라는 붓으로 이미지를 자유자재로 그려보시죠!

이 강의는 코디네이션 강의입니다. 코디네이션이란, 설계 개발에 돌입하기 전 요구사항을 적용한 컨셉 전략을 세우고 프로토타입형 기획안을 만드는 작업입니다. PL을 준비하는 웹기획자들에게 알맞은 강의입니다.

파이썬을 몰라도 괜찮아요! 이 강의는 프로그래밍이 처음인 분도 따라할 수 있도록 구성된 실습 중심 강의입니다. 고전 게임 스페이스 인베이더를 직접 만들면서 Python 기초 문법과 Pygame을 활용한 2D game-programming을 자연스럽게 익힐 수 있어요. 게임을 만들며 배우는 만큼 지루할 틈 없이, 내 손으로 무언가를 완성하는 성취감을 느낄 수 있습니다.

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.

- 저는 4년차 AI 스타트업을 운영하는 Research Engineer/AI PM 입니다. - 이 영상은 인공지능을 "지금", "2026년"에 공부를 시작하려는 분들을 위한 강의입니다. - 대학생 친구들을 보다보면 인공지능을 어떻게 시작해야하는지 감도 못잡는 친구들이 많습니다. - 본 강의를 듣고나서 인공지능을 공부하기 시작할 수 있다면 좋겠습니다. - 참고로, 본 강의는 "내 업무에 AI 활용" 혹은 "GPT를 이용한 수익화 방법 시작하기" 이런 강의가 아닙니다. - 학생, 대학원생, 혹은 개발자 분들이 인공지능을 공부하고싶을 때 어떻게 시작하면 좋을지에 대한 영상입니다.

자동화 강의에서 뉴스 크롤링.. 지겨우셨죠? 당신을 인스타그램 인플루언서로 만들어줄 자동화 프로그램 개발 강의입니다.

이 강의는 기출문제 풀이만으로 정보처리기사 실기를 준비하는 과정입니다. 불필요한 이론이나 방대한 내용 대신, 실제 시험에 반복 출제되는 기출문제를 중심으로 학습하여 ‘합격’에 바로 연결될 수 있도록 설계했습니다. 최신 기출 경향을 반영해 핵심 포인트와 출제 패턴을 빠르게 파악할 수 있으며, 문제 풀이 과정을 통해 답안 작성 요령까지 익힐 수 있습니다. 짧은 시간에 효율적으로 합격을 노리는 수험생에게 최적화된 강의입니다.