인프런 - 라이프타임 커리어 플랫폼

자연어 처리 기술의 출발부터 시작해서 최신 LLM 모형에 이르기까지의 과정에서 개발된 다양한 언어 모형들을 상세히 설명합니다.

LLM의 한계와 한계 극복 방안과 최신 연구 주제를 살펴봅니다.

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.

<밑바닥부터 만들면서 배우는 LLM>(길벗, 2025)의 깃허브 노트북과 보너스 콘텐츠를 다루는 강의입니다. 깃허브: https://github.com/rickiepark/llm-from-scratch/ <밑바닥부터 만들면서 배우는 LLM>은 세바스찬 라시카(Sebastian Raschka)가 쓴 베스트셀러 <Build a Large Langauge Model (from Scratch)>(Manning, 2024)의 번역서입니다. 이 책은 오픈AI가 만든 GPT-2 모델을 밑바닥에서부터 시작해서 완전한 모델을 만들어 보면서 대규모 언어 모델의 작동 원리를 배우고 활용하는 방법을 제공합니다.

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.

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.

Mastering Model Context Protocol (MCP)는 개발자가 실제적이고 안전하며 프로덕션 환경에 바로 적용 가능한 AI 백엔드를 구축할 수 있도록 돕기 위해 설계된 실무 중심의 엔지니어링 강의입니다. 수천 명의 학생들이 LLM 통합, 도구 호출(tool calling), 백엔드 아키텍처와 관련된 혼란을 극복하도록 도운 후, 저는 다음과 같은 가장 흔한 문제들을 해결하기 위해 이 강의를 만들었습니다. “LLM이 안전하게 호출할 수 있는 신뢰할 수 있는 백엔드를 어떻게 구축하나요?” “SSE, stdio, streamable-http 중 무엇을 선택해야 하나요?” “FastAPI, Auth0, LangGraph를 사용하여 MCP를 실제 애플리케이션으로 어떻게 확장하나요?” “MCP 도구, 리소스, 프롬프트, 컨텍스트를 어떻게 구조화해야 하나요?” 이 강의에서는 최소 기능의 MCP 서버를 구동하는 것부터 완전히 안전한 Docker 기반 시스템을 배포하는 것까지 단계별로 안내합니다. 모든 레슨은 실습 위주로 구성되어 복잡함을 제거하고, 현대적인 AI 시스템 구축을 위한 명확하고 반복 가능한 워크플로우를 제공합니다. 모호한 튜토리얼에 답답함을 느끼고 MCP에 대한 명확하고 구체적인 엔지니어링 수준의 이해를 원하신다면, 이 강의는 바로 여러분을 위해 만들어졌습니다.

실습을 통해 고품질 AI 에이전트를 만들기 위한 컨텍스트 엔지니어링(Context Engineering) 기법들을 학습해봅니다.

“LoRA 기반 경량 파인튜닝으로 나만의 맞춤형 LLM을 만들어보는 첫걸음!” 이 강의는 처음 LLM을 접하는 분도 쉽게 따라올 수 있도록 설계된 입문 실습 강의입니다. 복잡한 이론은 최소화하고, 모델 불러오기 → 데이터 적용 → 학습 → 결과 비교까지 전 과정을 단계별로 안내합니다. 짧은 시간 안에 LoRA·QLoRA와 같은 최신 경량 파인튜닝 기법의 흐름을 직접 경험하며, “LLM 파인튜닝이 이렇게 돌아가는구나”라는 감을 잡을 수 있습니다. 많은 자원이 없어도, 내 도메인에 특화된 LLM을 만들어보는 성취감을 직접 느껴보세요!

자바 개발자를 위한 AI 활용 마스터 가이드! 이 강좌는 AI가 파이썬만의 영역이란 편견을 깨고, 여러분의 자바 앱에 AI의 눈, 귀, 입, 코딩 능력까지 부여합니다. OpenAI API 기반으로 AI 아키텍트로 성장하세요. AI 작가, 번역가, 화가, 코딩 동료 등 다양한 AI 전문가를 직접 개발하며, 텍스트 요약, 감성 분석, 이미지 해설, 자바 코드 생성, 음성/텍스트 변환, 이미지/자막 생성 등 핵심 기능을 통합한 다기능 AI 어시스턴트를 만듭니다. 시스템 메시지로 AI의 역할을 부여하고, 유해 콘텐츠 검열까지 배우며 기존 자바 시스템의 경쟁력을 극대화할 절호의 기회입니다.

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.

지금 이런 소개가 중요한가요? 당장 deepseek R1 모델을 쓰세요.

이 종합 과정에서는 Cursor AI, Claude Code, v0, ChatGPT, Replit과 같은 AI 도구를 사용하여 모든 종류의 풀스택 애플리케이션을 구축하는 방법을 배웁니다. 코딩 기초부터 프런트엔드 및 백엔드 개발, 데이터베이스 통합, 디버깅, 배포까지 모두 학습할 수 있습니다. 초보자는 물론, AI를 활용해 실제 웹 및 모바일 앱을 빠르고 효율적으로 만들고자 하는 모든 분께 완벽한 강의입니다.

이 강의는 LLM과 GPT의 기본 개념을 누구나 이해할 수 있도록 쉽게 설명합니다. 수강생은 GPT API를 직접 활용해 챗봇을 만들고, Streamlit을 이용해 웹에서 실행할 수 있습니다. 기초부터 실습까지 경험하면서 AI 활용의 첫걸음을 확실히 다질 수 있습니다.

기본적인 자연어처리 기법(Natural Language Processing)과 딥러닝을 활용한 다양한 텍스트 task에 대해 다룹니다.

이 강의는 Transformer를 단순히 “구현하는 법”이 아니라, 왜 이런 구조가 만들어졌는지, 각 모듈이 어떤 역할을 하는지, 그리고 전체 모델이 어떻게 작동하는지를 설계자의 관점에서 해부하는 과정입니다. Self-Attention과 Multi-Head Attention의 내부 계산 원리를 깊이 있게 분석하고, Positional Encoding, Feed-Forward Network, Encoder·Decoder 구조가 어떤 한계를 해결하기 위해 등장했는지를 수식·논문·구현 코드로 직접 확인합니다. Attention에서 출발해 Transformer 전체 구조를 직접 조립하고, 실제로 학습까지 수행하며 모델이 어떻게 동작하는지 체득합니다. 이 강의는 “Transformer를 완전히 이해하고 싶은 사람”을 위한 가장 구조적이고 실전적인 로드맵입니다.

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.

AI에게 원하는 답을 정확히 얻어내는 '프롬프트 엔지니어링'의 핵심 기술을 배웁니다. 왕초보의 첫걸음부터 전문가의 실전 응용까지, AI 활용 능력을 극대화하세요!

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.

이 강좌에서 기대할 수 있는 것 LangGraph를 사용하여 고급 AI 에이전트를 설계하고 배포하는 방법을 익히기 위한 궁극적인 가이드인 'LangGraph in Action'에 오신 것을 환영합니다. 이 강좌에서는 모듈식이며 확장 가능하고 프로덕션 환경에 바로 적용할 수 있는 에이전트를 구축하는 기초를 실습 위주의 방식으로 탐구합니다. LangGraph의 상태 기반 설계의 기초를 이해하는 것부터 풀스택 애플리케이션을 제작하는 것까지, AI 에이전트를 실제로 구현하는 데 필요한 기술을 습득하게 됩니다. 강좌 주요 내용 상태 기반 설계: 노드(nodes)와 에지(edges)라는 LangGraph의 핵심 철학을 깊이 있게 다루어 구조화되고 유지보수가 용이한 에이전트를 생성합니다. 메모리 관리: 체크포인터(checkpointers)를 활용한 단기 메모리와 Store 객체를 활용한 장기 메모리를 탐구하여, 적응하고 학습하는 에이전트를 구현합니다. 고급 워크플로우: Human-in-the-loop 시스템을 구축하고, 병렬 실행을 구현하며, 멀티 에이전트 패턴을 마스터합니다. 프로덕션용 개발: 비동기 작업, 서브그래프(subgraphs)를 배우고 FastAPI와 Docker를 사용하여 풀스택 애플리케이션을 제작합니다. 강좌를 마칠 때쯤이면 강력한 이론적 이해뿐만 아니라 오픈소스 도구만을 사용하여 어디서나 AI 에이전트를 배포할 수 있는 실무 기술을 갖추게 될 것입니다. 최신 기술을 앞서가려는 개발자이든, AI 툴킷을 확장하려는 숙련된 엔지니어이든, 이 강좌는 빠르게 성장하는 AI 에이전트 분야에 필요한 역량을 제공합니다. 실제 애플리케이션에서 AI 에이전트 도입이 증가함에 따라, 이 강좌는 실질적인 과제를 해결하는 고급 시스템을 설계, 구축 및 배포할 수 있도록 준비시켜 줍니다. 함께 AI의 미래를 만들고 구축해 봅시다!