파이썬(Python)과 판다스(Pandas) 라이브러리의 핵심적인 개념을 빠르게 익힐 수 있는 강의입니다. 각 파트 뒤에 있는 연습 문제를 함께 해결해 나가며 프로그래밍 역량을 향상시켜보세요!

파이썬 퀀트 투자와 함께 데이터를 기반으로 투자 전략을 세우고 전략에 따른 투자를 해보세요. 다양한 자산 배분 전략을 구현하고, 최종적으로 자신만의 투자 전략을 만들어 볼 수 있습니다.

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!

내가 좋아하는 유튜버의 맛집지도를 만들면서 프론트엔드, 백엔드, 카카오맵 API 사용법, 배포까지 한번에 배울 수 있는 풀스택 맛집지도 강의입니다.

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 강의에서 기대할 수 있는 것 LangGraph in Action에 오신 것을 환영합니다. 이 강의는 LangGraph를 사용하여 고급 AI 에이전트를 설계하고 배포하는 방법을 마스터하기 위한 최고의 가이드입니다. 이 강의에서는 모듈화되고 확장 가능하며 프로덕션 준비가 완료된 에이전트를 구축하는 기본 원리를 실습 중심으로 탐구합니다. LangGraph의 상태 기반 설계 기초부터 풀스택 애플리케이션 생성까지, AI 에이전트를 실현하는 데 필요한 기술을 습득하게 됩니다. 강의 하이라이트 상태 기반 설계: 노드와 엣지라는 LangGraph의 핵심 철학을 깊이 있게 다루어 구조화되고 유지보수 가능한 에이전트를 만듭니다. 메모리 관리: 체크포인터를 활용한 단기 메모리와 Store 객체를 활용한 장기 메모리를 탐구하여 적응하고 학습하는 에이전트를 구현합니다. 고급 워크플로우: 휴먼-인-더-루프 시스템을 구축하고, 병렬 실행을 구현하며, 멀티 에이전트 패턴을 마스터합니다. 프로덕션 준비 개발: 비동기 작업, 서브그래프를 학습하고 FastAPI와 Docker를 사용하여 풀스택 애플리케이션을 생성합니다. 강의를 마칠 때쯤이면 강력한 이론적 이해뿐만 아니라 완전히 오픈소스 도구만으로 AI 에이전트를 어디서든 배포할 수 있는 실무 기술을 갖추게 됩니다. 최신 트렌드를 선도하고자 하는 개발자든, AI 툴킷을 확장하려는 숙련된 엔지니어든, 이 강의는 빠르게 성장하는 AI 에이전트 분야에서 필요한 역량을 갖추도록 합니다. 실제 애플리케이션에서 AI 에이전트 도입이 증가하는 가운데, 이 강의는 실질적인 문제를 해결하는 고급 시스템을 설계하고 구축하며 배포할 준비를 갖추도록 합니다. 함께 AI의 미래를 구축하고 만들어 갑시다!

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.

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.

AI를 연구하거나 이를 활용하여 프로젝트를 진행할 때 기본적인 논문 구현은 필수 입니다. 이 강의를 통해 실제 논문을 한편 구현해보며 실무 역량을 업그레이드 해봅시다!

Model Context Protocol (MCP) 마스터하기는 개발자가 실제로 안전하고 프로덕션 준비가 완료된 AI 백엔드를 구축할 수 있도록 돕는 실용적이고 엔지니어링 중심의 강의입니다. 수천 명의 학생들이 LLM 통합, 도구 호출, 백엔드 아키텍처에 대한 혼란을 극복하도록 도운 후, 가장 흔한 문제들을 해결하기 위해 이 강의를 만들었습니다: "LLM이 안전하게 호출할 수 있는 신뢰할 수 있는 백엔드를 어떻게 구축하나요?" "SSE, stdio, streamable-http 중 어떻게 선택하나요?" "FastAPI, Auth0, LangGraph를 사용하여 MCP를 실제 애플리케이션으로 어떻게 확장하나요?" "MCP 도구, 리소스, 프롬프트, 컨텍스트를 어떻게 구조화하나요?" 이 강의에서는 최소한의 MCP 서버를 구동하는 것부터 완전히 안전한 Docker화된 시스템을 배포하는 것까지 단계별로 안내합니다. 모든 레슨은 실습 중심으로 설계되어 복잡성을 제거하고 현대적인 AI 시스템을 구축하기 위한 명확하고 반복 가능한 워크플로우를 제공합니다. 막연한 튜토리얼에 좌절하고 MCP에 대한 명확하고 구체적이며 엔지니어링 수준의 이해를 원한다면, 이 강의는 당신을 위해 만들어졌습니다.

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.

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

안녕하세요 여러분. 제 풀 AI 코스에 오신 것을 환영합니다: ChatGPT, Google Gemini, Midjourney, Firefly. 제 코스에서는 모든 AI 도구에 대한 모든 것을 배우게 됩니다. 이러한 AI 도구의 모든 기능에 대한 비디오 강의를 만들었습니다. 이 도구들의 모든 기능을 사용하는 방법에 대한 실제 실용적인 구현을 보실 수 있습니다.

데이터의 바다에서 길을 찾고, 인공지능의 미래를 탐험하세요. 이 강의는 빅데이터와 인공지능(AI)이라는 두 개의 거대한 테크놀로지의 흐름을 탐구하고, 이들이 어떻게 우리의 삶과 업무에 혁신을 가져오고 있는지를 살펴봅니다.

챗지피티(ChatGPT) 같은 대규모 언어 모형의 기초 원리를 이론 중심으로 설명합니다.

이 강의가 특별한 이유: 핵심 장점 • 직관적인 시각화: Pygame 2D 시뮬레이션으로 알고리즘 동작을 실시간으로 직접 확인 • 실제 구현 경험: 이론을 넘어 직접 코딩하며 자율 주행 알고리즘 체득 • 핵심 알고리즘 마스터: 다익스트라, 퓨어 퍼슈트, ICP 등 필수 알고리즘 집중 학습 • 단계별 심화 학습: 기초부터 SLAM까지 체계적인 난이도 구성 • Lidar 기반 SLAM: 미지 환경에서의 맵 구축 및 위치 추정 실습

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 :)

AI 시대가 도래하면서, 데이터 파이프라인 구성은 기업 경쟁력을 좌우하는 핵심 역량으로 자리 잡았습니다. 가장 널리 사용되는 Airflow를 활용해 효율적인 데이터 파이프라인을 구축하는 노하우를, 실전 경험과 풍부한 강의 경력을 지닌 실리콘밸리 전문가(前 유데미 데이터팀 헤드, 現 산호세 주립대 데이터 석사 과정 교수)에게 직접 배워보세요.

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.

코드로 한 방에 이해되는 파이토치_프로젝트 편은 이미지, 비디오, 자연어 데이터를 활용해 실전 딥러닝 프로젝트를 구현하며, 이론보다는 코드 중심의 학습을 통해 모델의 구조와 흐름을 이해합니다.

Apache Superset은 여러 데이터베이스를 연결해서 차트·대시보드를 뚝딱 만들 수 있는 오픈소스 BI 툴입니다. 코드 몰라도 시각화 가능하고, SQL Lab에서는 직접 쿼리도 날릴 수 있어 초보부터 프로까지 모두 유용합니다. 만든 대시보드는 바로 공유하고 권한 설정까지 할 수 있어 협업에도 완벽합니다. Superset을 배우면 데이터 기반 의사결정을 빠르게 만들고, 회사에서 바로 써먹는 실전 대시보드를 만드는 역량을 갖출 수 있습니다. 한마디로, 데이터를 “말하게” 만들고 싶은 사람에게 딱입니다. 🚀

Midjourney&Runway로 하이퀄리티 AI 영상을 제작해보세요. 삼성과 협업한 김동아 감독이 가상 브랜드를 기반으로 AI영상 제작과정을 단계별로 직접 알려드립니다.

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.

본 과정은 AI 모델링 프로젝트를 성공적으로 수행하기 위해 필수적인 ‘AI 학습 데이터 구축’ 전 과정을 학습하는 과정입니다. 학습자는 단순히 이론적인 지식에 머무르지 않고, 실제 실무에서 요구되는 데이터 구축 프로세스를 단계별로 경험하게 됩니다. 구체적으로 AI 학습 데이터의 기획 → 획득 → 저장 → 정제 → 라벨링 → 가명정보 결합 및 변환에 이르는 전 과정을 실습 중심으로 다루어, 현업에서 바로 적용 가능한 실무 능력을 기를 수 있도록 구성되어 있습니다. 또한 데이터의 품질 관리와 보안 이슈, 개인정보 비식별화 처리, 데이터셋 최적화와 같은 AI 프로젝트에서 가장 중요한 데이터 관리 역량을 체계적으로 학습하게 됩니다. 이를 통해 학습자는 단순한 데이터 수집자가 아닌, AI 프로젝트를 주도적으로 기획하고 실행할 수 있는 데이터 전문가로 성장할 수 있습니다. 👉 본 과정을 통해 학습자는 AI 모델 성능을 좌우하는 양질의 학습 데이터 구축법을 이해하고, 이를 실무 환경에 효과적으로 적용할 수 있는 실질적인 역량을 확보하게 될 것입니다.