인공지능 기술 핵심 정리  

딥러닝과 파이토치(pytorch)
부트캠프

기본부터 chatGPT transformer 까지
Write your awesome label here.

자체 사이트
특별 할인

수시 금액 인상 예정

무제한
수강기간

평생 수강 가능

무제한
질의응답

강의내 질의응답 지원

체계적
로드맵

가장 빠른 학습 로드맵

네카라쿠배도 사내 강의로 선택하는 공식 강의! 

본 강의는 실제 네카라쿠배 회사 중 한 곳에서 공식 파이썬 딥러닝 사내 교육 강의로 사용하고 있습니다


데이터 분석/과학 로드맵 기반, 파이썬 딥러닝을 처음 익히는 입문자를 위한 강의입니다. 강사가 오래 전 처음 딥러닝을 익혔을 때의 실패 경험을 바탕으로 딥러닝 이해에 필요한 수학, 딥러닝 이론, 파이토치 기반 구현, 전이학습 최신 기술까지 이론과 실습을 병행하며, 어려운 딥러닝을 차근차근 익힐 수 있도록 꾸몄습니다.

복잡한 인공지능 기술, 어디서부터 시작해야 하나요?

  • 최근 인공지능 기술은 딥러닝 기술을 익히시면 됩니다.
  • 딥러닝 기술은 다른 기술과는 달리, 바로 구현할 수 없고, 이론 이해가 필요합니다. 이론이 80% 라고 보시면 됩니다.
  • 문제는 이론을 한번에 이해하기 어려우며, 수학, 통계, 확률 지식이 필요한 부분도 있다는 점입니다.
  • 그렇다고 이론을 매우 얇게만 이해하면, 최신 딥러닝을 이해할 수 있는 사고를 기를 수 없습니다. 
  • 본 강의는 딥러닝을 처음 익힐 때, 꼭 필요한 지식과 이론을 입문 레벨에서 이해할 수 있는 깊이까지 다루었습니다.
  • 또한, 구현도 파이토치 사용법을 차근차근 다양한 예제와 문법을 익힐 수 있도록 구성하였습니다.

강사가 수차례 실패하며 느끼고 고민한 바를 고스란히 녹였습니다.

딥러닝은 사실 익히기 어렵습니다!
  • 기본 이론이 수학, 통계, 확률, 머신러닝 기술까지 연결되어 있고, 분량이 상당하여,
  • 보통 딥러닝 강의는 맨 마지막에 들어서야 비로소 딥러닝 기본 코드를 구현하게 됩니다.


그렇다고 기본 이론 부분을 너무 얇게 가져가면, 딥러닝 기본기를 갖추기 어렵습니다 

  • 그래서, 본 강의는 입문 레벨에서 익힐 만큼의 깊이로, 필요한 관련 지식까지 정리하며 이론을 다루면서,
  • 이론과 구현을 수시로 병행하여, 차근차근 지치지 않고, 하나씩 익힐 수 있도록 구성하였습니다

👉 결국 강의를 끝까지 들으면, '이제 나도 딥러닝 기본기는 쌓았다' 는 느낌이 자연스럽게 들 수 있도록 만들었습니다.

정리해야 하는 이론을 차근차근 정리하고, 

파이토치 설치부터, 딥러닝 코드도 하나씩 개선하여,
결국 캐글 문제 제출까지 해볼 수 있도록 꾸몄습니다

딥러닝 기술을 익혀보려니, 정리해야할 부분이 너무 많더라고요!

맞습니다. 딥러닝 이론이 수학, 통계, 확률, 머신러닝과도 연결되어 있다보니, 하나를 익히더라도, 정리해야할 부분이 너무 많습니다. 이를 찾고 정리하는데만도 상당한 시간이 걸립니다. 본 강의는 처음 딥러닝을 익힐 때, 이해할 수 있는 레벨까지 최대한 정리한 강의입니다. 기존 잔재미코딩의 강의처럼, 잔재미코딩만의 스타일로, 차근차근 정리하고, 설명드립니다


이것만으로도 시간을 빠르게 줄여줄 수 있습니다! 입문 레벨에서 익힐 수 있는 깊이까지 정리합니다!

딥러닝은 처음인데!
본 강의를 듣기 위해 우선 익혀야 할 기술이 무엇인가요?

딥러닝을 익히시려면 다음과 같은 이론과 기술이 필요합니다. 관련 지식이 없는 상태에서 딥러닝을 막바로 들으시면, 개발자라 할지라도 많은 어려움을 겪습니다. 마치 수학을 하나도 모르는 분께서, 사칙연산도 모른 상태로, 미적분을 익히는 것과 동일합니다. 이러한 분들을 위해, 본 페이지 하단부에 데이터 분석/과학 로드맵 강의를 제공하고 있습니다. 이 중에서도 특히, 다음 두 강의와 함께 수강하시는 것을 추천드립니다.

  • 처음하는 파이썬 데이터 분석 (데이터 파트1)
  • 처음하는 파이썬 머신러닝 부트캠프(데이터 파트2)

기본적으로는 처음하는 파이썬 데이터 분석 (데이터 파트1) 강의를 통해 파이썬(Python)과 판다스(pandas), 데이터 시각화(plotly), 기본 탐색적 데이터 분석 기법을 익혀야 합니다. 또한 처음하는 머신러닝 부트캠프 (데이터 파트2) 강의로 학습 관련 프로세스, 기본 수학, 확률, 통계에 익숙해질 필요가 있습니다. 이를 기반으로 딥러닝 기술을 익히면, 딥러닝 이론부터, 챗GPT의 핵심 기술까지도 보다 빠르게 익힐 수 있습니다.

저는 데이터 쪽 커리어를 생각하는 입문자인데,
어떻게 체계적으로 익힐 수 있을까요?

본 페이지 하단부에 데이터 분석/과학 로드맵을 순차적으로 들으시면 도움이 되실 것입니다. 데이터 관련 커리어는 크게 데이터 분석가와 최근의 데이터 과학자로 볼 수 있습니다. 두 커리어는 결국 프로그래밍으로 데이터 수집, 저장, 분석, 예측 작업을 할 수 있으면 됩니다. 여기에 각 비즈니스 분야에 대한 지식(도메인 지식이라고 합니다)을 쌓으시면 경쟁력을 갖출 수 있습니다.

관련 기술에 대한 기본기를 차곡차곡 쌓을 수 있도록, 각 강의마다 기존에 없는 커리큘럼으로 난이도까지 고려해서 만들었습니다. 수년간 많은 분들이 학습하고, 굉장히 좋은 피드백을 주셨던 검증된 강의들입니다.

8년간 6만명이 검증했습니다!

평균 별점 4.9★ 누적 리뷰 1,300+

시간을 낭비하지 마세요.
강사가 다르면, IT강의도 다를 수 있습니다!
꼼꼼하고, 합리적인 분이라면 가능합니다.

딥러닝 기술, 익히는 데 얼마나 어려운가요?

생각보다 어려운 것은 사실입니다. 하지만 차근차근 정리하면, 결국 내 것으로 만들 수 있는 기술입니다. 딥러닝을 처음 익힐 때 가장 어려움을 겪는 부분은 관련 이론을 이해하기 위한 수학, 통계, 확률을 공부하는 부분입니다. 관련 기술만 수십 년 익힌 강사님은 쉽게 설명하더라도, 익히는 사람은 오랜 시간이 걸립니다.


이 중 하나에 잘못 빠지면 끝이 없습니다. 완급 조절이 필요합니다. 한 단계씩 이해할 수 있는 부분까지 익히며, 다음 단계로 나아가면 됩니다. 본 강의는 이런 완급 조절까지 고려해서, 딥러닝 입문자가 이해할 수 있는 레벨까지 정리하였습니다. 현명한 분들은 지금 단계에서 집중할 부분에 집중합니다. 

최근에는 실제 데이터 문제를 푸는
캐글 경진대회도 많던데 가능할까요?

본 강의는 다양한 구현 기법과 예제를 다루며, 실제 kaggle 문제를 제출까지 할 수 있도록, 차근차근 설명합니다.

  • 처음에는 이론과 파이토치 문법부터 시작해서
  • 단계별로 조금씩 더 개선된 코드와 예제로 나아가며
  • 최종적으로는 캐글 문제에 적용해보는 단계까지 설명하였습니다.


처음 딥러닝을 익히는 분들을 위한 마중물 역할을 해드리는 강의입니다.

처음 배운다는 생각으로, 
입문자도 짧은 시간에 딥러닝 기본기를 갖출 수 있도록! 

초심자를 생각해 만든, 꼼꼼하게 정리한 자료와 예제!

기본부터 현재까지 활용되는 핵심 딥러닝 기술 체크!

자연스럽게 딥러닝 사고를 기를 수 있도록 구성한 커리큘럼! 

대세가 된 파이썬 딥러닝, 파이토치로 직접 구현까지!

아, 나도 딥러닝할 수 있구나! 라는 느낌이 들면 정말 기쁩니다. 인류가 만든 정점의 지식, 딥러닝을 나도 이해하고 활용할 수 있구나! 이 느낌은 곧 자부심으로 바뀝니다. 첨단을 달리는 새로운 기술을 내가 할 수 있는 만큼 시도해보세요! 큰 그림으로만 봐도 확연히 다릅니다.

이해하기 쉽게 요약된 자료와 코드로
학습 효과를 확실하게 높이세요!

자료와 정보는 차고 넘칩니다. 꼭 필요한 부분을 딱 이해할 수 있게끔 만든 요약 자료로 상세히 설명하는 강의를 듣고 나면, 이후에는 언제든 '아! 이런 내용이 있었는데?'라는 생각만 들면 언제든 자료만 보고 바로 이해할 수 있습니다.

관련 주제 이해를 돕는 꼭 필요한 부분만 간결하게 담았습니다.

  • 딥러닝 구현 코드 파일을 제공합니다. 테스트 코드는 코드 테스트까지 가능한 포맷(주피터 노트북 형태)으로, 기본 이론은 PDF 파일로 제공해드립니다.
  • 딥러닝 관련 PDF 자료는 이북 (ebook) 처럼 언제든 확인하실 수 있도록 제공해드립니다. (단, 관련 자료는 저작권 이슈로 복사 및 다운로드는 제한하였습니다.)

💌 하나하나 세심하게 신경쓴 강의를 만들어나갑니다.

'아! 진짜 다르구나!' 라고 느낄 수 있도록 고민고민해서 만든 잔재미코딩의 IT 강의 시리즈입니다. 합리적이고 서로 배려하고 좋은 인연을 맺을 수 있는 분들만 수강 부탁드립니다 😊

IT 를 잘하려면, 체계적으로 익히세요

IT 기술은 연계되어 있고, 기술을 연결하였을 때, 비로소 그럴듯한 서비스나, 데이터 과학 기술이 가능합니다. 연결된 기술 전반을 난이도를 차근차근 올리며, 핵심을 익히시면, 짧은 시간에 효율적으로 깊이있게 익힐 수 있고, 시스템과 데이터 전반이 드디어 이해가 되고, 각 기술에 대한 이해의 깊이도 달라집니다. 이러한 깊이와 눈을 가지면, 비로소 개발자와 데이터 커리어에서 경쟁력을 갖츨 수 있고, 시니어 레벨도 가능합니다.

이를 위해 각 분야의 핵심 기술을 짧은 시간에 정리할 수 있는 로드맵을 만들고 있습니다.

본 강의가 포함된 로드맵

모든 강의는 잔재미코딩 Dave Lee 강사 한명이 만든 강의입니다

난이도와 학습순서까지 고려한 로드맵입니다
연결된 각 IT 기술마다 다른 강사에게 다른 교재, 학습 방식으로 익히실 필요 없습니다

오랜 현업 + IT강의 경험, 이미 검증된 Dave Lee 강사 한명에게 체계적으로, 가장 빠르게 익히세요
잔재미코딩 DAVE LEE

가장 빠른 데이터 분석/과학 풀로드맵 (2024)

혼자 가장 빠르게 데이터 분석가/과학자 전과정 익히기

이 외의 잔재미코딩 Dave Lee 로드맵

상세 커리큘럼

미리 무료 섹션의 챕터들을 직접 들어보세요

자체 운영 사이트로 보다 좋은 경험을 제공합니다

  • 보다 비용은 저렴하게! 동일한 정책으로! : 무제한 수강기간과 질의응답, 수시 강의 개선까지 동일합니다
  • 수강자 개인별 니즈에 맞춘 서비스로! : 잔재미코딩스쿨 수강자만을 대상으로한 다양한 추가 서비스 제공 예정입니다
  • 주요 온라인 플랫폼과 동일한 운영으로 안심하고 수강하실 수 있도록 끊임없이 개선하고 있습니다

환불 규정 및 1인 1계정 원칙: 주요 온라인 플랫폼과 동일

환불 규정
평생교육법 시행령 제23조 학습비 반환 규정에 근거하여 환불이 진행되고 있습니다.
1) 강의(개별 강의 및 패키지) 구매일로부터 1주일(7일) 이내이며, 5강(유/무료 포함) 미만 수강시, 전액 환불이 가능합니다
2) 강의(개별 강의 및 패키지) 구매일로부터 8일 초과, 혹은 5강 이상 수강시,
    - 수강 기간 1/3 경과 전, 수강료 2/3 환불이 가능합니다
    - 수강 기간 1/2 경과 전, 수강료 1/2 환불이 가능합니다
    - 수강 기간 1/2 경과 후, 또는 강의 자료 챕터 클릭시, 환불이 불가합니다
    - 모든 강의는 수강 기간이 무제한이므로, 환불시의 수강 기간은 강의 구매일로부터 30일을 기준으로 계산합니다.

1인 1계정 원칙
좋은 IT 강의를 계속해서 개선하고, 만들 수 있는 선순환 시스템을 구축하기 위해, 다음 사항은 엄격히 제한합니다
1) 동시 접속과 계정 공유는 시스템적으로 제한하고 있습니다
2) 즉, 학습페이지는 1대에서만 접속할 수 있으며 다른 곳에서 동시 수강할 경우 학습이 자동 제한됩니다
3) 또한 내외부 모니터링 시스템을 운영하여 계정 공유 확인시, 수강자료 외부 오픈시, 계정은 즉시 중지됩니다

강의 100% 수강시 공식 수료증 다운 가능

1) 강의별 100% 수강시, 공식 수료증을 다운받으실 수 있습니다
2) 수료증 검증을 위한 확인 요청시, 발급 기록과 serial number, 사용자를 확인할 수 있으므로, 요청 및 확인이 가능합니다
    - 컨택: dream@fun-coding.org

결재 관련과 해외 결재: 결재와 동시에 영수증 즉시 확인 가능

1) 결재 완료 페이지에서 결재 영수증을 바로 다운 또는 프린트하실 수 있습니다
2) 해당 링크를 놓친 경우, 다음 컨택 포인트로 연락주시면, 하루내 재발급해드립니다
    - 컨택: dream@fun-coding.org
3) 해외 결재는 개발 이슈가 아닌, 별도 복잡한 허가 절차가 필요하여, 아직 지원하고 있지 못하지만, 하반기 준비 예정입니다
    - 해외에 계신다면 계좌이체를 통해 강의를 수강하실 수 있습니다 
    - 다음 컨택으로 계좌이체 문의 주시면 계좌번호와 간단한 방법을 알려드립니다
      - 컨택: dream@fun-coding.org