인프런 - 최대 AI, AX 강의 학습 플랫폼

파이썬을 활용해 기계학습 기술을 학습하고, 실제 데이터 정보 추출 방법 및 예측 모델 개발 능력을 향상해보자!

사용자 질문에 대해 실시간으로 SQL문을 만들어 조회하는 Text-To-SQL시스템에 대해 배울수 있습니다.

Python 문법은 알지만 서비스를 만들기 어려운 문제를 네이버 실무 경험과 단계별 실습으로 해결합니다.

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

AI 개발을 시작하는 분들께 무엇을 공부해야하는지 안내해 드립니다.

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

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.

AI 엔지니어 입문자를 위한 강의는 데이터 처리부터 모델 개발, 클라우드와 MLOps, 그리고 윤리적 고려까지 전 과정을 짧게 체험할 수 있도록 구성되었습니다. 단순히 모델을 만드는 데서 그치지 않고, 실제 서비스로 연결하는 과정을 이해해 실무 감각을 익히는 데 중점을 둡니다. AI를 처음 배우는 분들도 쉽게 따라올 수 있도록 실습과 예제를 곁들여 진행합니다.

1. 국내 유일 국가공인 AI 자격증, AICE Associate 합격을 위한 모의고사 문제풀이 2. 실제 AICE Associate 출제 문제와 동일한 유형의 모의고사 12회 풀이 강좌

문서 세 개로 작은 RAG를 만들고, 답이 틀릴 때 문서·검색·문맥·생성 중 어디부터 고칠지 실제 실행 기록으로 판단해요. 하이브리드 검색과 재순위화, 다단계 검색, 권한과 운영 점검까지 개선 효과를 숫자로 확인합니다.

"기초부터 7가지 도메인 프로젝트까지, 딥러닝의 A to Z를 완성하다 (총 41강)“ 단순히 모델을 호출하는 수준을 넘어, 현업의 트렌드인 PyTorch Lightning을 활용해 깔끔하고 효율적인 딥러닝 파이프라인을 구축하는 법을 배웁니다. 주가 예측부터 생성형 AI, 의료 영상, 사운드 분석까지 총 7개의 프로젝트를 직접 구현하며 어떤 데이터 앞에서도 당당한 AI 엔지니어로 성장하세요.

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.

AI 에이전트, 배포할 때마다 불안하신가요? 국내 대기업/해외 빅테크 경험을 바탕으로, LangSmith를 활용해 에이전트 품질을 체계적으로 측정하고 개선하는 방법을 알려드립니다.

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

1. 국내 유일 공인 AI 국가공인자격증, AICE Associate 합격을 위한 실습 중심의 강의 2. 파이썬 기반으로 데이터분석과 AI 모델링을 할 수 있는 단계까지 학습.

- 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.

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.

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.

Python을 배우려고 한다면 이 강의에 주목!!! 무려 공짜~ 정식 과목 수강이나 개인 학습 이전에 꼭 선행 학습 용도로 권장 드립니다.