인프런 - 최대 AI, AX 강의 학습 플랫폼

한빛미디어 혼공시리즈로 1:1 과외하듯이 배우는 초절정 머신러닝, 딥러닝 자습서, 수백 개의 손그림으로 이해하고 구글 코랩(Colab)을 통해 브라우저만 있으면 바로 실습 가능

다양한 인공 신경망의 구조와 동작 원리를 이해하고 좋은 모델을 만드는데 필요한 필수 지식을 전달하는 강의입니다.

엑셀로 딥러닝 기초를 구현하며 그 의미를 깊게 이해하기!

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

GPT-1(Improving Language Understanding by Generative Pre-Training) 논문을 TensorFlow 2.0을 이용해서 밑바닥부터 구현해보며 딥러닝 논문 구현 능력을 배울 수 있는 강의입니다.

심층 강화학습(Deep Reinforcement Learning)에 대한 필수 이론 학습을 통해 강화학습 기초 개념을 탄탄히 다지고, TensorFlow를 이용한 실제 코드 구현 실습을 통해 심층 강화학습의 원리를 자세히 학습할 수 있는 강의입니다.

인공지능, 머신러닝, 딥러닝, 데이터 분석을 전혀 모르시는데 한 번 경험해보시길 원하시는 분들을 위한 강의입니다. 전체적인 프로세스를 설명해드려요.

YOLO(You Only Look Once) 논문을 TensorFlow 2.0을 이용해서 밑바닥부터 구현해보며 딥러닝 논문 구현 능력을 배울 수 있는 강의입니다.

도커를 사용해서 클라우드에 딥러닝 분석환경을 만들 수 있습니다. 구글, MS 등이 관리하는 도커 이미지와 클라우드가 결합할 때 여러분의 컴퓨터에서 가장 최신의 딥러닝 분석 방법으로 작업을 수행하는 것이 가능해집니다.

👉 AI의 변화와 한계를 제대로 이해하고 싶은 분들에게 적합한 과정입니다. AI는 한 번 만들어지면 끝일까요? 이 강의에서는 AI가 학습을 통해 어떻게 변하고, 왜 같은 AI라도 결과가 달라질 수 있는지를 설명합니다. 학습이라는 과정의 의미, 성능이 좋아지거나 나빠지는 이유를 기술적인 관점에서 쉽게 풀어냅니다.

6일 동안 하루 3시간씩 투자하면, 파이토치를 이용한 딥러닝 기초를 배울 수 있습니다. 자~ 시작해 볼까요?

피자와 스파게티 사진을 분류해보고 싶어! 딥러닝 알고리즘 종류 중 하나인 CNN을 활용하여 이미지를 분류해보는 실무 프로젝트를 A부터 Z까지 따라해보는 딥러닝 실전 프로젝트 과정입니다.

인공지능 분야에서 활용도가 매우 높은 딥러닝 프레임워크인 Pytorch를 이용하여 다양한 인공 신경망을 구현하는 강의입니다.

이 강의는 개념 한 걸음, 수식 한 걸음 그리고 코딩 한 걸음. 가장 적당한 보폭과 올곧은 방향으로 독자를 딥러닝으로 안내한다. 또한 그래프, 삽화, 도해는 100개가 넘어 추상적인 개념도 쉽고 빠르게 받아들일 수 있다. 프로그램 설치 없이 웹 브라우저에 접속하기만 하면 실습을 바로 시작할 수 있다는 점도 이 강의만의 특징이다. 편안하게 이론을 이해한 다음 직접 코딩하며 눈으로 딥러닝 대표 문제 4가지를 정복하니 딥러닝의 교과서로 부족함이 없다. 꼭 짚고 넘어가야 할 개념이나 용어는 본문 중간에 나오는 ‘잠깐! 다음으로 넘어가려면’ 코너와 장 마지막에‘기억 카드’ 코너로 2번 복습하여 학습 효과를 높였다. 『Do it! 딥러닝 입문』과 함께 딥러닝을 빠르게 정면 돌파해 보자.

아마존 베스트 셀러인 <핸즈온 머신러닝 2판>의 내용을 다룬 강의입니다. 대표적인 머신러닝 라이브러인 사이킷런을 사용하여 다양한 머신러닝 알고리즘과 평가 방법을 배웁니다. 또 가장 유명한 딥러닝 라이브러인 텐서플로와 케라스를 사용하여 인공 신경망부터 강화학습까지 이론과 실무를 다져 봅니다. 아직 모두 완료된 강의가 아닙니다. 매주 1~2개의 강의가 계속 추가될 예정입니다.

PyTorch를 통해 딥러닝을 배웁니다. 최종적으로는 이미지 분류를 강의에서 다룹니다.

이 강의는 PyTorch로 딥러닝을 처음부터 다시 쌓아 올리는 47차시, 약 39시간의 과정입니다. 딥러닝 강의는 많지만 대부분 두 부류로 갈립니다. 라이브러리 사용법만 훑어 정작 코드가 왜 그렇게 생겼는지 모르게 되거나, 수식부터 시작해 중간에 포기하게 되거나입니다. 이 강의는 다른 순서를 택합니다. 먼저 결과를 만들어 보고, 그다음 그 안에서 무슨 일이 일어났는지 파고듭니다. 시작은 사전학습 모델입니다. 이미지 분류를 돌려 보고, Stable Diffusion으로 인페인팅을 해보고, BLIP으로 이미지 캡셔닝까지 실습합니다. 첫 시간부터 결과물이 나오기 때문에 이후 이론을 배울 동기가 생깁니다. 그다음이 이 강의의 핵심입니다. 텐서를 일곱 차시에 걸쳐 다룹니다. 인덱싱과 브로드캐스팅은 물론, 스토리지와 stride 같은 메모리 구조, 메모리 연속성 관리, GPU 연산과 NumPy 상호 변환까지 내려갑니다. 텐서를 이 정도로 다루는 한국어 강의는 드뭅니다. 여기를 이해하면 이후 모든 코드가 다르게 읽힙니다. 이어서 실제 데이터를 텐서로 바꾸는 전처리를 다룹니다. 이미지의 색상 채널, 테이블 데이터와 원핫 인코딩, 시계열, 텍스트 임베딩까지 데이터 유형별로 짚습니다. 그리고 학습의 원리로 넘어가 손실 함수와 경사 하강법을 수치 미분으로 직접 구현해 본 뒤, Autograd가 그것을 어떻게 자동화하는지 확인합니다. 직접 만들어 본 사람만이 자동 미분의 편리함을 제대로 압니다. 후반부는 신경망 구조입니다. nn.Module로 심층 신경망을 만들고 CIFAR-10을 분류하다가 완전 연결 신경망의 한계를 마주하고, 여기서 CNN이 왜 필요한지 자연스럽게 도달합니다. 마지막에는 텍스트 생성으로 넘어가 바이그램 모델부터 임베딩, MLP 기반 생성 모델을 거쳐 Attention의 Query·Key·Value 원리까지 다룹니다. Python을 다룰 줄 알고 딥러닝을 제대로 이해하고 싶은 분이라면, 이 강의를 마쳤을 때 남는 것은 예제 코드가 아니라 어떤 모델을 만나도 구조를 읽어 낼 수 있는 눈입니다.

텐서플로우 2.0의 기초 문법을 공부하고, 딥러닝의 이론을 텐서플로우 실습 코드로 익히게 됩니다.

딥러닝을 공부하다가 모델 이름과 수식이 한꺼번에 등장해 큰 흐름을 놓친 적이 있나요? 이 강의는 딥러닝을 어려운 공식의 모음이 아니라, 하나의 인공 뉴런이 ChatGPT까지 발전해 온 문제 해결의 역사로 설명합니다. 저는 LG전자 DX School에서 전공과 경험이 서로 다른 수강생을 대상으로 수백 차시의 딥러닝 강의를 진행했습니다. 그 과정에서 “설명을 들을 때는 알겠지만 새로운 수식과 모델이 나오면 다시 막막하다”는 어려움을 발견했습니다. 그래서 모델의 구조나 계산법보다 먼저 무엇이 문제였고, 기존 방법은 왜 실패했으며, 이를 해결하기 위해 무엇을 바꾸었는지를 설명하는 방식으로 강의를 개선했습니다. 이 강의에서는 ‘선 긋기’라는 하나의 그림을 따라 퍼셉트론부터 CNN, RNN, Attention, Transformer와 거대언어모델까지 연결합니다. 수식을 직접 계산하기보다 각 수식이 어떤 문제를 해결하는지 이해하고, 새로운 AI를 만났을 때 다음 질문으로 스스로 분석할 수 있도록 돕습니다. “이 모델은 어떤 문제를 해결하려고 무엇을 바꾸었고, 어떤 판단을 사람에게 남겼을까?” 궁극적으로 AI를 무조건 믿거나 두려워하지 않고, 모델에 맡길 일과 사람이 확인하고 책임져야 할 일을 구분하는 힘을 기르는 강의입니다.

인공지능, 나도 한 번 만들어보고 싶지 않나요? 자율주행차, 챗봇, AI스피커등 우리 현실 속 많은 인공지능 제품들이 어떤 원리로 작동하고, 어떻게 만들 수 있는지 궁금하지 않으셨나요? 노코드와 로우코드로 따라하다보면 쉽게 인공지능을 만들어 볼 수 있습니다.