본문으로 바로 가기
About 잔재미코딩 자료모음 문의하기 커뮤니티

인공지능 기술 핵심 정리

딥러닝과 파이토치부트캠프

기본 이론부터 Transformer까지,
이해하고 직접 구현하는 딥러닝

12%₩80,000₩70,000

한 번 결제로 수강 기간 제한 없이

수강신청 하기

개별 강의

딥러닝과 파이토치(PyTorch) 부트캠프

₩80,000₩70,000

이어지는 강의도 함께 배우고 싶다면

이 강의가 포함된 로드맵

가장 빠른 데이터 분석/과학 로드맵 (2026)

본 강의를 포함한 로드맵입니다.

₩360,000상세 보기

최강 AI 활용 + 데이터 핵심 기술 로드맵 (2026)

본 강의를 포함한 로드맵입니다.

₩620,000상세 보기

풀스택 + 데이터 + AI까지 잔재미코딩 풀로드맵 (2026)

본 강의를 포함한 로드맵입니다.

₩880,000상세 보기
무료 공개 강의 먼저 보기

무료 영상 2개 공개 · 로그인이 필요할 수 있습니다.

어떻게 배우는지, 강사가 직접 설명합니다.

기존 강의 페이지에서 제공하던 소개 영상입니다.
학습 수준
딥러닝 입문
분석·머신러닝 기초 권장
수강 기간
기간 제한 없이
반복 학습
이론과 실습을 함께
PyTorch로 구현
Kaggle 제출까지
전체 영상 97개
약 21시간
함께 제공해요
상세 자료
질의응답

네카라쿠배도 사내 강의로 선택하는 공식 강의!

딥러닝 이론부터 실제 구현까지, 입문자를 위한 완성도 높은 강의

본 강의는 데이터 분석·과학 로드맵을 바탕으로, 파이썬 딥러닝을 처음 익히는 입문자를 위한 강의입니다.

강사가 처음 딥러닝을 익힐 때 겪었던 시행착오를 바탕으로 구성했습니다. 이해에 필요한 수학과 딥러닝 이론을 정리하고, 파이토치(PyTorch)로 직접 구현하며 하나씩 익힙니다.

기본 신경망부터 CNN·RNN·LSTM, 전이학습과 Transformer까지 다룹니다. 이론과 실습을 번갈아 진행하며, 실제 Kaggle 문제의 예측 결과를 제출하는 과정으로 이어집니다.

본 강의는 실제 네카라쿠배 회사 중 한 곳에서공식 사내 파이썬 딥러닝 교육 강의로 사용중입니다

전체 커리큘럼 보기 →연계 강의·로드맵 보기 →
  1. 01 · 필요한 개념부터

    수학과 텐서,
    신경망의 기본 원리

    딥러닝에 필요한 수학 기호와 경사 하강법을 정리합니다. 텐서와 PyTorch 문법을 익히고, 신경망과 역전파의 원리를 코드로 연결합니다.

    텐서 · PyTorch · 신경망 · 역전파

  2. 02 · 코드를 조금씩 개선

    모델 학습과
    성능 개선

    활성화 함수와 Optimizer를 비교하고, 검증·조기 종료·정규화를 적용합니다. 분류·회귀 문제에서 모델을 학습하고 결과를 확인합니다.

    Optimizer · 검증 · 정규화

  3. 03 · 다양한 데이터에 적용

    CNN부터
    Vision Transformer까지

    이미지와 순서가 있는 데이터에 CNN·RNN·LSTM을 적용합니다. 전이학습과 Transformer를 이해하고 Kaggle 문제 풀이로 이어갑니다.

    CNN · LSTM · 전이학습 · Kaggle

피드백 반영

학습 과정에서 필요한 이론과 구현 기법을 함께 익히도록 구성했습니다. 수강 피드백을 반영하며 강의를 수시로 개선하고 있습니다.

강의를 조금 더 자세히

무엇을, 어떻게 배우는지
자세히 살펴보세요.

복잡한 딥러닝, 어디서부터 시작할까요?

딥러닝은 코드를 따라 쓰는 것만으로 이해하기 어렵습니다. 수학·통계·확률·머신러닝과 연결된 이론을 알아야, 모델이 어떻게 동작하는지 이해하고 활용할 수 있습니다.

그렇다고 관련 지식을 처음부터 모두 공부할 필요는 없습니다. 본 강의는 입문 단계에 필요한 개념과 깊이를 정리했습니다. 수학 기호와 선형 회귀, 경사 하강법, 텐서에서 출발해 신경망의 원리로 이어집니다. 필요한 내용을 찾고 정리하는 시간을 줄이고, 학습에 집중할 수 있도록 구성했습니다.

강사가 겪었던 시행착오를 수업 구성에 반영했습니다.

딥러닝은 기본 이론의 분량이 많습니다. 이론을 모두 익힌 뒤에야 코드를 구현하면 지치기 쉽고, 반대로 이론을 너무 얕게 다루면 기본기를 쌓기 어렵습니다. 강사가 처음 배울 때 느꼈던 어려움입니다.

그래서 이론과 구현을 수시로 병행합니다. 개념을 익히고 PyTorch 코드로 확인한 뒤, 다음 개념을 더해 코드를 개선합니다. 꼼꼼하게 정리한 자료와 다양한 예제를 통해, 직접 이해하고 활용할 수 있는 범위를 차근차근 넓혀갑니다.

수강 전에 어떤 기술을 익혀야 하나요?

파이썬, pandas·Plotly를 활용한 데이터 분석과 머신러닝의 기본 학습 과정을 먼저 익히는 것을 권합니다.

개발 경험이 있더라도 데이터 분석과 머신러닝이 낯설다면 딥러닝을 바로 시작하기 어려울 수 있습니다. 다음 두 강의가 연결되는 이유입니다.

이 기본기를 바탕으로 딥러닝 이론과 구현을 익히면, ChatGPT의 핵심 기술인 Transformer의 원리를 이해하는 데도 도움이 됩니다.

데이터 분야의 학습 순서도 함께 살펴보세요.

데이터 분석가와 데이터 과학자는 데이터를 수집·저장하고 분석·예측하는 기술을 연결해 사용합니다. 여기에 해당 비즈니스 분야의 지식까지 더하면, 실제 문제를 이해하고 해결하는 데 도움이 됩니다.

하단의 데이터 분석·과학 로드맵은 관련 기술의 기본기를 단계별로 쌓도록 설계했습니다. 강의 간 연결과 난이도를 고려하고, 수년간의 수강 피드백을 반영하며 개선해 왔습니다. 지금 익힌 기술이 다음 학습에서 어떻게 쓰이는지 함께 확인해 보세요.

어려운 이론은 어느 정도까지 다루나요?

딥러닝을 처음 익힐 때는 수학·통계·확률에서 시간이 많이 걸릴 수 있습니다. 하나의 주제만 계속 깊게 파고들면, 정작 모델을 구현하는 단계로 넘어가기 어려워집니다.

본 강의는 지금 단계에서 이해해야 할 범위를 정하고 완급을 조절합니다. 입문자가 이해할 수 있는 깊이로 관련 지식을 정리하고, 코드에 적용하면서 다음 단계로 나아갑니다.

실제 Kaggle 문제의 결과 제출까지 실습합니다.

PyTorch 설치와 기본 문법에서 시작해, 조금씩 더 개선된 코드와 예제로 나아갑니다. 신경망의 학습 구조를 만들고, 활성화 함수·Optimizer·검증·정규화를 적용하며 모델을 개선합니다.

CNN·RNN·LSTM과 전이학습을 익힌 뒤에는 실제 Kaggle 문제를 풀고 결과를 제출합니다. 이론과 문법을 실제 데이터에 적용하는 첫 경험을 쌓는 과정입니다.

이미지 분류뿐 아니라 순서가 있는 데이터도 다룹니다. MNIST·CIFAR10, 주택 가격과 소비전력 등의 예제로 학습하며, Transformer와 Vision Transformer의 원리와 활용도 이어서 익힙니다.

필요할 때 다시 찾아볼 수 있는 자료와 코드를 제공합니다.

자료는 관련 주제를 이해하는 데 필요한 내용을 간결하게 정리했습니다. 영상을 보며 익힌 뒤, 복습할 때 필요한 개념을 다시 찾아볼 수 있습니다.

  • 주피터 노트북 코드: 딥러닝 구현 코드를 직접 실행하고 테스트할 수 있는 형태로 제공합니다.
  • 기본 이론 PDF: 온라인 이북 형태로 확인할 수 있습니다. 저작권 보호를 위해 복사·다운로드는 제한됩니다.

강의를 만드는 사람

잔재미코딩
Dave Lee

강사 소개 자세히 보기 ↗

현업과 병행하며 10년간 10만 명을 강의한 경험을 바탕으로, 수강자의 입장에서 내용을 구성합니다. 처음에는 쉽게 시작하고, 반복과 문제 풀이를 통해 실제 활용까지 이어지도록 설명합니다.

강의 경험은 인프런 외 다양한 교육 플랫폼, 자체 잔재미코딩 사이트와 오프라인 교육을 포함합니다.

하나하나 세심하게 신경 쓰며 강의를 만들어갑니다. 서로 배려하는 질의응답으로 함께 배우는 학습 환경을 지향합니다.

공개된 실제 수강평 확인하기 ↗

상세 커리큘럼

총 교육시간 약 21시간

01

강의와 수업 진행 과정 소개2개 항목

  1. 처음하는 파이썬 딥러닝 강의 소개무료보기
  2. 강의 준비와 학습 방법 팁(꼭 들어주세요)무료보기
02

딥러닝 개념 이해를 위해 꼭 필요한 기본 배경지식 (이론)10개 항목

  1. 수업 자료 다운 및 신청 방법 (꼭 들어주세요~)
  2. 수업 자료/코드 다운로드
  3. [참고] 아나콘다와 주피터노트북 소개 (업데이트)
  4. [참고] 아나콘다와 주피터노트북 설치 및 실행 시연 (맥/윈도우 환경) (업데이트)
  5. [참고] 주피터 노트북 사용법 (업데이트)
  6. 큰 그림으로 학습해야할 딥러닝 과정 이해하기
  7. 딥러닝 개념 이해에 필요한 수학 기호 정리
  8. 딥러닝 기본 구조 이해를 위해 필요한 선형 회귀 정리
  9. 딥러닝 기본 구조 이해를 위해 필요한 Gradient Descent 정리
  10. 딥러닝 기본 구조 이해를 위해 필요한 텐서 이해
03

파이토치(PyTorch) 기본 문법 정리 (실습 중심)9개 항목

  1. 파이토치(PyTorch)와 텐서플로우(Tensorflow)
  2. 파이토치(PyTorch) 설치 방법
  3. 파이토치(PyTorch) 기본 문법 이해: 텐서 생성1
  4. 파이토치(PyTorch) 기본 문법 이해: 텐서 생성2
  5. 파이토치(PyTorch) 기본 문법 이해: 텐서 변환
  6. 파이토치(PyTorch) 기본 문법 이해: 텐서 연산
  7. 파이토치(PyTorch) 기본 문법 이해: 텐서 연산 (브로드캐스팅 이해)
  8. 파이토치(PyTorch) 기본 문법 이해: 텐서 인덱싱
  9. 파이토치(PyTorch) 기본 문법 이해: 텐서 조건 연산과 저장
04

딥러닝 구현에 필요한 Numpy 라이브러리 사용법 정리 (실습 중심)3개 항목

  1. 파이토치(PyTorch)과 비교하며 Numpy 라이브러리 사용법 익히기1
  2. 파이토치(PyTorch)과 비교하며 Numpy 라이브러리 사용법 익히기2
  3. 파이토치(PyTorch)과 비교하며 Numpy 라이브러리 사용법 익히기3
05

파이토치(PyTorch) 텐서 연산 관련 수학과 구현 정리 (이론+실습)3개 항목

  1. 파이토치(PyTorch) 텐서 연산 관련 수학 정리
  2. 파이토치(PyTorch) 텐서 고급 연산 정리1
  3. 파이토치(PyTorch) 텐서 고급 연산 정리2
06

딥러닝 핵심 이론 이해 (이론 중심)4개 항목

  1. ANN 과 퍼셉트론 이해
  2. DNN(딥러닝) 이해
  3. Activation Function 이해
  4. Back Propagation(오차 역전파) 이해
07

딥러닝 기본 구조 구현 (실습 중심)3개 항목

  1. 인공 신경망 타입과 Linear Layer 이해
  2. 파이토치로 Linear Layer 구현하기
  3. 파이토치로 딥러닝 구조 클래스로 구현하기
08

딥러닝 학습 구현하기 (실습 중심)4개 항목

  1. 딥러닝을 위한 기본 Optimizer 정리: BGD 와 SGD
  2. 딥러닝 구현에 Optimizer 추가하기
  3. 파이토치로 딥러닝 구현 패턴 이해하기
  4. 데이터로 딥러닝 적용해보기 (당뇨병 환자 데이터)
09

다양한 Activation Function 정리 (이론+실습)4개 항목

  1. Sigmoid Activation Function 핵심 정리
  2. Gradient Vanishing 과 ReLU/LeakyReLU Activation Function 핵심 정리
  3. 지금까지 익힌 Activation Function 딥러닝 코드에 적용하기
  4. 지금까지 익힌 이론과 미니배치까지 적용된 딥러닝 코드 구현해보기
10

다양한 Optimizer 정리하기 (이론 중심)7개 항목

  1. 하이퍼 파라미터와 모델 파라미터 이해
  2. Momentum Optimizer 핵심 이해
  3. NAG Optimizer 핵심 이해
  4. AdaGrad 와 RMSProp Optimizer 핵심 이해
  5. Adam Optimizer 핵심 이해
  6. 지금까지 익힌 이론까지 딥러닝 구현에 적용하기
  7. 딥러닝으로 Regression 문제 적용해보기 (House Price Kaggle 문제) (업데이트)
11

Classification 문제 딥러닝 적용하기5개 항목

  1. Classification 문제를 위한 softmax 핵심 이해
  2. Classification 문제를 위한 Cross Entropy Loss/BCELoss 핵심 이해
  3. Classification 문제를 위한 주요 Metric 이해
  4. Binary Classfication 딥러닝 적용해보기 (URL Phishing Kaggle 문제)
  5. Multi-Calss Classfication 딥러닝 적용해보기 (IRIS 분류 문제)
12

딥러닝 구조 개선하기 (실습 중심)6개 항목

  1. Bias 와 Variance 핵심 이해
  2. Validation set 과 Early Stopping 핵심 이해
  3. Validation set, Early Stopping, Mini-batch 적용하여 딥러닝 코드 개선하기 (MNIST 데이터셋)
  4. 이미지 데이터 딥러닝 적용을 위한 이미지 텐서 변환 코드 구현해보기 (MNIST 데이터셋)
  5. 지금까지 익힌 이론 딥러닝에 적용하여 딥러닝 코드 패턴 작성하기
  6. 검증을 위한 딥러닝 모델 테스트 코드 작성하기
13

딥러닝 Regularization 기법 정리 (이론 중심)5개 항목

  1. 딥러닝 Regularization 기법: Weight Decay 핵심 이해
  2. 딥러닝 Regularization 기법: DropOut 핵심 이해
  3. 딥러닝 Regularization 기법: Batch Normalization 핵심 이해
  4. 딥러닝 코드에 Batch Normalization 적용해보기
  5. 지금까지 익힌 딥러닝 이론과 실습 정리 (드디어 딥러닝 기본기를 쌓았습니다!)
14

이미지를 위한 딥러닝 기본: CNN 이해 (이론+실습)6개 항목

  1. 이미지를 위한 딥러닝 기본 - CNN 이해: Convolution Layer 이해
  2. 이미지를 위한 딥러닝 기본 - CNN 이해: Pooling Layer 와 FC Layer 이해
  3. 이미지를 위한 딥러닝 기본 - CNN 구현해보기1
  4. 이미지를 위한 딥러닝 기본 - CNN 구현해보기2
  5. 딥러닝을 위한 GPU 사용법과 Google Colab
  6. Google Colab 으로 GPU 사용하여 CNN 학습 및 분류해보기
15

순서가 있는 데이터를 위한 딥러닝 기본: RNN 과 LSTM 이해 (이론 중심)4개 항목

  1. 순서가 있는 데이터를 위한 딥러닝 기본 - RNN 핵심 이해
  2. [참고] 순서가 있는 데이터를 위한 딥러닝 기본 - RNN BPTT 핵심 이해
  3. RNN 문제점을 개선한 LSTM 핵심 이해
  4. [참고] 순서가 있는 데이터를 위한 다양한 딥러닝 구조 - GRU 와 Bidirectional RNN 핵심 이해
16

순서가 있는 데이터를 위한 딥러닝 기본: RNN 과 LSTM 적용해보기 (실습 중심)6개 항목

  1. RNN 과 LSTM 구현해보기1 (MNIST 데이터셋)
  2. RNN 과 LSTM 구현해보기2 (MNIST 데이터셋)
  3. RNN 과 LSTM 으로 주식 데이터 예측해보기1 (주식 데이터 예)
  4. RNN 과 LSTM 으로 주식 데이터 예측해보기2 (주식 데이터 예)
  5. RNN 과 LSTM 으로 주식 데이터 예측해보기3 (주식 데이터 예)
  6. RNN 과 LSTM 으로 소비전력 예측해보기 (소비전력 Kaggle 문제)
17

최신 딥러닝 기술 활용을 위한 지름길: 전이 학습 (Transfer Learning) 이해2개 항목

  1. 전이 학습 (Transfer Learning) 이해
  2. Transfer Learning (전이 학습) 을 위한 timm 라이브러리 사용법 이해 및 실습
18

Transfer Learning 을 위한 이미지 주요 모델 핵심 이해 (이론 중심)3개 항목

  1. Transfer Learning 을 위한 이미지 주요 모델 정리: Sequence 2 Sequence 모델과 Attention 핵심 이해
  2. Transfer Learning 을 위한 이미지 주요 모델 정리: Transformer 모델 핵심 이해
  3. Transfer Learning 을 위한 이미지 주요 모델 정리: Vision Transformer, Resnet, EfficientNet 모델 핵심 이해
19

딥러닝 중급: 전이학습으로 최신 Visition Transformer 모델 적용해보기 (실습 중심)3개 항목

  1. Huggingface transforms 라이브러리 기반 Vision Transformer 모델 사용법 이해
  2. Huggingface transforms 라이브러리 기반 Vision Transformer 적용 실습1 (CIFAR10 데이터셋)
  3. Huggingface transforms 라이브러리 기반 Vision Transformer 적용 실습2 (CIFAR10 데이터셋)
20

딥러닝 중급: 실전 캐글 (Kaggle) 문제로 실제 문제 풀어보기8개 항목

  1. 실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기1
  2. 실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기2
  3. 실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기3
  4. 실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기4
  5. 실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기5
  6. 실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기6
  7. 실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기7
  8. 실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기8
21

Outro1개 항목

  1. 강의 마무리 및 향후 학습 팁
22

강의 완강 인증서 발급2개 항목

  1. 강의 수강평 및 제안사항
  2. 강의 완강 인증서 발급
학습 플레이어에서 무료 강의 확인하기

수강 전 확인해 주세요

학습과 이용 안내

딥러닝을 처음 배우는데 수강할 수 있나요?

딥러닝 입문자를 위한 과정입니다. 파이썬, pandas·Plotly를 활용한 데이터 분석과 머신러닝의 기본 학습 과정을 먼저 익히는 것을 권합니다.

어떤 모델을 배우고 실습하나요?

기본 신경망부터 CNN·RNN·LSTM, 전이학습과 Vision Transformer까지 다룹니다. MNIST·CIFAR10 등 실제 데이터에 적용하고, Kaggle 문제 풀이와 결과 제출도 실습합니다.

학습 자료는 어떤 형태인가요?

직접 실행하고 테스트할 수 있는 주피터 노트북 코드를 제공합니다. 기본 이론 PDF는 온라인 이북으로 확인할 수 있으며, 저작권 보호를 위해 복사·다운로드가 제한됩니다.

전체 분량과 무료 공개 범위는 어떻게 되나요?

전체 97개 영상, 약 21시간 분량입니다. 무료 영상은 2개입니다. 커리큘럼의 무료보기 링크에서 확인해 주세요. 학습 사이트 로그인이 필요할 수 있습니다.

수강 기간·질의응답

수강 기간에 제한 없이 학습할 수 있습니다. 강의 내 질의응답과 수시 업데이트를 제공합니다.

자료·수료증

상세 학습 자료를 함께 제공합니다. 강의 100% 수강 시 공식 수료증을 발급받을 수 있습니다.

결제·학습 환경

기존 자체 사이트의 국내·해외 결제와 LearnWorlds 학습 시스템을 사용합니다. 영상은 스트리밍으로 수강합니다.

계정·환불·문의

1인 1계정을 원칙으로 합니다. 구매 전 이용 약관과 환불 규정을 확인해 주세요. 궁금한 점은 문의하기로 남겨주세요.

환불·수강 기간·계정 이용 규정 자세히 보기

환불 규정

기존 사이트에 안내된 환불 규정입니다. 구매 전 결제 화면과 이용 약관도 함께 확인해 주세요.

  1. 강의(개별 강의 및 패키지) 구매일로부터 1주일(7일) 이내이며, 5강(유/무료 포함) 미만 수강 시 전액 환불이 가능합니다.
  2. 구매일로부터 8일 혹은 5강 이상 수강 시: 수강 기간 1/3 경과 전에는 수강료 2/3, 1/2 경과 전에는 수강료 1/2 환불이 가능합니다. 수강 기간 1/2 경과 후 또는 강의 자료 챕터 클릭 시에는 환불이 불가합니다.
  3. 모든 강의는 수강 기간이 무제한이므로, 환불 시의 수강 기간은 강의 구매일로부터 30일을 기준으로 계산합니다.

학습 규정 및 주의 사항

정상 수강 기간(유료 수강 기간)은 최초 180일이며, 181일 이후 무료 수강 기간은 무제한입니다. 두 기간 모두 동일하게 시청 가능합니다. 천재지변, 폐업 등 서비스 중단이 불가피한 상황에는 서비스가 종료될 수 있습니다.

1인 1계정 원칙

동시 접속과 계정 공유는 시스템적으로 제한합니다. 학습 페이지는 1대에서만 접속할 수 있으며 다른 곳에서 동시 수강할 경우 학습이 자동 제한됩니다. 계정 공유 또는 수강 자료 외부 공개가 확인되면 계정이 즉시 중지됩니다.

수료증·수강 기록·영수증

강의별 100% 수강 시 공식 수료증을 다운로드할 수 있습니다. 발급 기록과 일련번호를 통한 수료증 확인, 로드맵별 수료증·강의 시간 등 별도 수강 기록, 결제 영수증 재발급이 필요하면 수강 계정과 함께 문의하기로 요청해 주세요.

국내·해외 결제 영수증은 결제 완료 화면에서 확인하고 인쇄할 수 있습니다. 해외 결제는 로드맵 및 개별 강의 구매에 지원하며, 계좌 이체는 별도로 문의해 주세요.

본 강의 다음에는

기본기를 쌓았다면,
목표에 맞는 다음 단계로.

IT 기술은 서로 연결되어 있습니다. 연결된 기술의 핵심을 익히고 난이도를 차근차근 높이면, 시스템과 데이터 전반을 이해하는 눈을 기를 수 있습니다.

각 분야의 로드맵은 Dave Lee 강사가 직접 만듭니다. 학습 순서와 강의 간 연결을 고려해, 같은 강사의 설명과 자료로 다음 단계까지 이어갈 수 있도록 구성했습니다.

데이터 분석·과학

가장 빠른 데이터 전과정 로드맵

파이썬과 데이터 수집에서 SQL·NoSQL, 분석·시각화, 머신러닝·딥러닝으로 이어집니다.

자세히 보기
웹·앱 개발

가장 빠른 풀스택 로드맵

프로그래밍 기초에서 백엔드·프론트엔드, 서버와 배포, 앱 개발까지 이어집니다.

자세히 보기
AI 활용

가장 확실한 최강 AI 활용 로드맵 (2026)

클로드코드 업무 자동화부터 바이브코딩, 데이터 분석과 AI 에이전트 개발까지 익힙니다.

자세히 보기
개발·데이터의 기초외부사이트

컴퓨터공학(CS) 풀로드맵

컴퓨터구조·운영체제·네트워크부터 시스템 소프트웨어, 자료구조·알고리즘까지 익힙니다.

자세히 보기
풀스택 + 데이터 + AI 통합 로드맵여러 분야를 함께 익히고 싶다면 전체 학습 흐름을 확인하세요.

인공지능 기술 핵심 정리

이론을 이해하고 코드를 구현하며,
딥러닝 기본기를 쌓으세요.

무료 강의로 설명 방식을 먼저 확인하고 시작하세요.

12%₩80,000₩70,000

한 번 결제로 수강 기간 제한 없이

수강신청 하기

개별 강의

딥러닝과 파이토치(PyTorch) 부트캠프

₩80,000₩70,000

이어지는 강의도 함께 배우고 싶다면

이 강의가 포함된 로드맵

가장 빠른 데이터 분석/과학 로드맵 (2026)

본 강의를 포함한 로드맵입니다.

₩360,000상세 보기

최강 AI 활용 + 데이터 핵심 기술 로드맵 (2026)

본 강의를 포함한 로드맵입니다.

₩620,000상세 보기

풀스택 + 데이터 + AI까지 잔재미코딩 풀로드맵 (2026)

본 강의를 포함한 로드맵입니다.

₩880,000상세 보기