Inflearn - Lifetime Career Platform

CNN을 공부 했는데도 잘 모르시겠다구요? CNN의 기본 동작 원리를 핵심 부분만 간결하게 알려 드리겠습니다.

이 강의를 통해 수강생은 인공지능 컴퓨터 비전의 Video Understanding 분야를 인지하고 Event Detection 분야 모델을 훈련시키고 평가하며 테스트 해볼 수 있습니다. 그리고 기존 네트워크 구조를 개선하여 모델의 성능을 개선하며 '인공지능 연구하기'를 맛볼 수 있습니다.

인공지능에 관심을 갖게 되었지만 항상 똑같은 주제의 강의를 듣는 데 지치셨나요? 사람 이미지 및 비디오에서 3D 포즈를 생성, 추정 공부해보고 실제 코드를 실행하며 이미지에서 나만의 데이터를 구축하는 실전 프로젝트를 진행하는 강의입니다.

AI 인공지능이 대세라는 것은 말할 필요가 없습니다. 그런데 머신러닝과 딥러닝을 배워서 어디에 쓴다는 겁니까? 이제 생활에서 활용되는 유용한 사물인터넷IoT Computer Vision 프로젝트들을 같이 배워봅시다.

TensorFlow 활용 우수사례인 airbnb 데이터 사이언스팀의 Amenity Detection 프로젝트를 클론 프로젝트로 진행해보고 이 진행경험을 GitHub 블로그로 정리해서 AI 포트폴리오를 만들 수 있는 강의입니다.

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

<머신러닝, 핵심만 빠르게!>(인사이트, 2025)를 바탕으로 머신러닝 이론과 실전 예제를 다루는 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.

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.

AI 인공지능, 모바일이 대세라는 것은 말할 필요가 없습니다. 그런데 머신러닝과 딥러닝을 배워서 모바일에서 어떻게 쓴다는 겁니까? 이제 생활에서 활용되는 유용한 모바일 Computer Vision 프로젝트들을 같이 배워봅시다.

C#을 이용하여 OpenCV를 다루는 입문 강좌입니다.이론적인 요소보다 함수의 사용법, 함수의 인수가 결과에 미치는 영향 등을 주로 다룹니다.

명함인식을 구현하는 실전을 통해 OpenCV를 활용하고 이미지를 처리하는 방법을 배웁니다. OpenCV에 대해서는 간략히 설명하며, 명함인식을 구현하기 위해 필요한 OpenCV 함수들은 좀 더 자세히 설명하는 방식입니다. 즉 기초강좌라기 보다는 명함인식이라는 실전을 위한 엑기스를 제공합니다. Tesseract 및 Microsoft의 OCR엔진을 활용하는 방안도 포함됩니다. 본 강의의 소스코드는 Python기반이지만, 활용하는 OpenCV 클래스 및 함수와 이미지 인식 및 처리기술을 익히기 때문에, 이를 바탕으로 안드로이드와 iOS에 적용하는 것은 무리가 없을 것입니다. 수강하시는 분은 강의 슬라이드, 실제 동작하는 명함 인식 소스 코드를 제공합니다. 2017년 1월과 2월에 3회의 오프라인 세미나를 하면서 더욱 개선되고 검증된 강의 내용을 강사가 정성들여 온라인용으로 다시 녹음한 것입니다. 본 강의에서 활용되는 OpenCV 함수들입니다. cv2.Canny() cv2.GaussianBlur() cv2.VideoCapture() cv2.adaptiveThreshold() cv2.approxPolyDP() cv2.arcLength() cv2.boundingRect() cv2.boxPoints() cv2.contourArea() cv2.convertScaleAbs() cv2.createTrackbar() cv2.cvtColor() cv2.destroyAllWindows() cv2.dilate() cv2.drawContours() cv2.findContours() cv2.getAffineTransform() cv2.getPerspectiveTransform() cv2.getTrackbarPos() cv2.imread() cv2.imshow() cv2.imwrite() cv2.minAreaRect() cv2.namedWindow() cv2.rectangle() cv2.resize() cv2.threshold() cv2.waitKey() cv2.warpAffine() cv2.warpPerspective()

이 과정은 건설 및 토목 분야에서 인공지능(AI)을 활용한 실무 적용 전략을 다루는 전문 과정입니다. 디지털 전환이 가속화되는 건설 산업에서, AI는 설계·시공·안전·품질 관리 전반에 걸쳐 혁신을 이끌고 있습니다. 본 과정에서는 실제 현장에서 활용할 수 있는 스마트 건설, 디지털 트윈, AI 기반 장비 제어, 안전 모니터링, 품질 검증 등의 실무 적용 사례를 중심으로 학습합니다.

조선·해운 산업은 전통적인 중공업의 대표 분야이지만, 디지털 전환과 인공지능(AI) 기술의 결합을 통해 새로운 경쟁력을 확보하고 있습니다. 본 강의는 AI 기반의 조선소 생산 관리, 선박 설계 자동화, 해상 물류 최적화, 예지보전 시스템 구축 등 실제 현장에서 활용되는 구체적 적용 사례를 중심으로 구성되었습니다. 현장 중심의 접근으로, 단순한 이론이 아닌 **‘조선소에서 AI가 실제로 어떻게 일하는가’**를 이해할 수 있습니다. 또한, AI 기술의 도입 단계에서 고려해야 할 데이터 인프라 구축, 모델 학습, 그리고 해양 환경 특유의 제약 사항까지 다룹니다.

이 강의는 생성형 인공지능 모델 중 Diffusion 모델과 관련된 실습을 수행합니다. 대표적인 Diffusion 모델 응용 논문인 prompt-to-prompt 논문을 함께 읽어보고 구현해 봄으로써, 최신 인공지능 논문을 이해할 수 있는 능력을 함양할 수 있기를 기대합니다.

이 강의는 딥러닝을 활용한 이미지와 객체 인식의 원리를 기초부터 최신 모델까지 단계적으로 배우는 과정입니다. - 기초 다지기: 파이토치(Pytorch)로 텐서와 신경망 기본 구조 이해 - 이미지 이해하기: 컴퓨터 비전의 개념, 이미지 데이터 구조, 증강(Augmentation) 기법 학습 - CNN 모델 학습: 합성곱 신경망(CNN)으로 이미지 분류 실습 (CIFAR-10 등) - 전이 학습(Transfer Learning): 기존 학습된 모델을 활용해 적은 데이터로 빠르게 학습 - 객체 탐지(Object Detection): R-CNN, YOLO, SSD, DETR 등 최신 객체 탐지 모델 이해 및 실습 - 세그멘테이션(Segmentation): U-Net, Mask R-CNN을 통한 픽셀 단위 객체 분할 경험

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 :)

현업에서 진짜 쓰이는 OCR 기술, 제대로 배워보고 싶다면 이 강의 하나로 끝! 비정형 문서와 복잡한 레이아웃에서도 98% 이상의 정확도를 목표로, 최신 SOTA 모델과 실전 노하우를 바탕으로 기업 수준의 OCR 프로젝트를 함께 만들어갑니다.

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.

OpenCV는 영상처리, 3D 구성, 추적, 기계학습, 인식 그리고 딥러닝까지 유용한 기능이 아주 많습니다. 그리고 상업적인 사용까지 무료입니다. 정말 멋진 Library 죠?