
머신러닝/딥러닝 소개 및 학습을 위한 파이썬 속성 과정
YoungJea Oh
머신러닝 및 딥러닝 전반에 대한 개요와 기본 도구 사용 방법, 그리고 학습에 필요한 파이썬 언어 지식을 단기간에 습득할 수 있습니다.
입문
머신러닝, 딥러닝, Python
실무 적용과 면접 대비가 막막하시죠? 제 현업 경험을 녹여 CNN부터 DETR까지 코드 중심으로 확실히 잡아드립니다.
수강생 99명
난이도 중급이상
수강기한 무제한





넷마블
임직원들도 이 강의를 듣고 있어요!





넷마블
임직원들도 이 강의를 듣고 있어요!
먼저 경험한 수강생들의 후기
5.0
Star Gu
친절하고 상세한 설명과 함께 유익한 수업이였습니다!!!
5.0
sunny75
25/09/17/수 21:50 강의를 듣고, 객체인식에 대해 많이 이해 했습니다. 항상 객체인식하는 동영상을 볼때, 어떻게 인식하는 지 궁금했는데... 정말 좋은 강의 만드셨네요. 전 평일엔 강의를 잘 듣지 않는데요. 이 강의를 평일에도 들었네요. ^^;; 좋은 강의 만들어 주셔서 감사합니다.
5.0
원래그런거임
저는 컴퓨터 비전 관련 학과에서 공부하고 있는 대학생입니다. 강의가 세심하고, 무엇보다 애매한 부분이 남지 않도록 상세하게 설명해 주셔서 큰 도움이 되었습니다. 수강하면서 다른 강의에도 흥미가 생겼습니다. 다만, 강의의 가격대가 다소 높아 학생으로서는 부담이 되는 것이 사실입니다. 영상 관련하여 객체 인식 외에도 다양한 컴퓨터 비전 기술들에 대한 추가 업데이트가 있다면 더욱 좋을 것 같습니다. 남은 강의도 꾸준히 열심히 수강하겠습니다. 훌륭한 강의를 만들어 주셔서 감사합니다.
PyTorch 기반의 고성능 CNN 모델 설계 및 최적화 역량
YOLO, DETR 등 최신 객체 탐지 알고리즘의 실전 구현 능력
데이터 증강 및 전이 학습을 활용한 문제 해결 기술
U-Net, Mask R-CNN 기반의 정밀 세그멘테이션 실습
이 강의는 딥러닝 기반 이미지·객체 인식 모델 구현을 주제로, 기초 개념부터 최신 연구 성과까지 체계적으로 다루는 종합 과정입니다. 수강생은 파이토치(PyTorch)를 활용하여 이미지 데이터 처리, 합성곱 신경망(CNN) 이해 및 구현, 전이 학습(Transfer Learning), 객체 탐지(Object Detection), 이미지 세그멘테이션(Segmentation)까지 단계적으로 학습할 수 있습니다.
우선, 딥러닝 프레임워크인 파이토치 기초부터 시작합니다. 텐서(Tensor)의 구조와 연산, 자동 미분 기능을 이해하고, 이를 활용해 기본 신경망을 구현해 봅니다. 이어서 컴퓨터 비전(Computer Vision)의 개념을 배우며, 이미지 데이터 구조, 색상 표현 방식(RGB, RGBA), 이미지 증강(Augmentation) 기법 등을 학습합니다. 이를 통해 모델이 다양한 데이터 환경에서 견고하게 학습되도록 준비합니다.
본격적인 모델 학습 파트에서는 CNN(Convolutional Neural Network)의 구조와 합성곱·풀링 연산, 패딩(Padding)과 스트라이딩(Striding)의 개념을 익히고 CIFAR-10과 같은 실제 데이터셋으로 이미지 분류를 실습합니다. 이후 AlexNet, VGG, ResNet, EfficientNet 등 주요 아키텍처의 발전 흐름을 이해하고, 사전 학습된 모델을 활용한 전이 학습 방법을 다룹니다. 특히 COVID-19 X-ray 데이터셋을 활용한 전이 학습 실습을 통해 실무 적용 능력을 기릅니다.
객체 탐지(Object Detection) 과정에서는 R-CNN 계열(Fast/Faster/Mask R-CNN), YOLO(You Only Look Once), SSD(Single Shot Detector), DETR(Detection Transformer) 등 다양한 알고리즘을 비교 학습합니다. 각 모델의 구조적 특징, 속도와 정확도 차이, 그리고 실제 적용 사례를 통해 기술 선택의 기준을 이해할 수 있습니다. 최신 YOLOv11, DETR과 같은 모델도 함께 다루어, 빠르게 발전하는 객체 탐지 분야의 흐름을 따라잡을 수 있습니다.
마지막으로 세그멘테이션(Segmentation) 기법을 학습합니다. Semantic Segmentation, Instance Segmentation, Panoptic Segmentation의 차이를 배우고, U-Net과 Mask R-CNN을 활용한 실습을 통해 픽셀 단위 객체 분할을 경험합니다. 의료 영상 분석, 자율주행, 위성 이미지 등 다양한 분야 응용도 다루어, 학습한 모델이 실제 산업 현장에서 어떻게 활용되는지 알 수 있습니다.
이 강의는 단순히 이론을 나열하는 데 그치지 않고, 구글 코랩(Google Colab) 환경에서 직접 코드를 실행하고 실습하는 방식으로 진행됩니다. 따라서 수강생은 강의를 마친 후, 실제 데이터셋을 다루고 모델을 구축·학습·평가할 수 있는 실무 역량을 갖추게 됩니다.
👉 본 과정을 통해 수강생은 “이미지 분류 → 객체 탐지 → 세그멘테이션”으로 이어지는 컴퓨터 비전의 핵심 파이프라인을 완전히 이해하고, 최신 딥러닝 모델을 응용할 수 있는 능력을 확보할 수 있습니다.
이 강의를 들어야 하는 분 (1)
딥러닝과 컴퓨터 비전이 궁금하지만 어디서부터 시작해야 할지 막막한 분
CNN, 전이 학습, 객체 탐지 같은 개념을 처음부터 체계적으로 배우고 싶은 분
이 강의를 들어야 하는 분 (2)
PyTorch를 활용해 실제 데이터셋으로 모델을 직접 구현해보고 싶은 분
단순 이론이 아니라 실습 중심으로 배워서 “코드로 확인”하고 싶은 분
이 강의를 들어야 하는 분 (3)
최신 객체 탐지 모델(YOLO, DETR 등)과 세그멘테이션 기법을 실무에 적용해보고 싶은 분
AI/머신러닝 분야로 커리어 확장을 고민하는 학생, 개발자, 연구자
딥러닝 기반 이미지 분류 → 객체 탐지 → 세그멘테이션까지 컴퓨터 비전의 핵심 파이프라인을 직접 구현할 수 있습니다.
PyTorch를 활용해 실제 데이터셋을 불러오고, 모델을 학습·평가·개선하는 전 과정을 경험하게 됩니다.
단순 이론 이해를 넘어, YOLO·DETR 등 최신 객체 탐지 모델을 적용할 수 있는 실무 역량을 갖추게 됩니다.
의료 영상, 자율주행, 위성 이미지 등 다양한 산업 분야에 활용 가능한 응용 능력을 얻게 됩니다.
직접 작성한 실습 코드와 프로젝트 결과물을 포트폴리오에 추가하여, 취업이나 연구 활동에서 강점을 만들 수 있습니다.
이 강의의 핵심 강점 (2)
이론과 실습의 균형: CNN의 합성곱·풀링 개념 같은 기본 이론을 먼저 이해하고, 이어서 실제 데이터셋으로 실습합니다.
실무와 연결: 의료 영상, 자율주행, 위성 이미지 분석 등 산업 현장에서 활용 가능한 사례를 다룹니다.
포트폴리오 제작 가능: 실습 결과물을 통해 개인 포트폴리오를 구성할 수 있어 취업·연구에 직접적인 도움이 됩니다.
2019 ~ 현재: 전문 인공지능 강사
2001~2019: 현장에서 IT 개발 및 운영
2020~현재 : 온/오프라인 강의 중
Inflearn 에 인공 지능 강의 14 개 과정 운영 중
강의는 Google Colab 을 사용하므로 Windows, MacOS 무관하게 진행 가능합니다.
pdf 파일과 github 링크로 제공해 드립니다!
기본적인 파이썬 문법
머신러닝 기초 지식
이 과정은 중급자 대상 과정입니다.
학습 대상은
누구일까요?
이론을 넘어 실무 수준의 비전 포트폴리오가 필요한 학습자
딥러닝 기술 면접과 실무 역량 증명을 준비하는 취업 준비생
이미지 인식 모델을 직접 서비스에 적용해야 하는 현업 개발자
파이토치 기초 이후 전문적인 비전 엔지니어를 꿈꾸는 분
선수 지식,
필요할까요?
Python 프로그래밍 기초
벡터·행렬 연산 기초 지식
머신러닝 기초 개념
인프런인증
커리어인증
4,822
명
수강생
451
개
수강평
158
개
답변
4.7
점
강의 평점
18
개
강의
30년 이상 IT 현장 경험을 바탕으로 인공지능·파이썬 분야를 가르치는 AI 전문 강사입니다. 딥러닝, NLP, LLM 파인튜닝, LangChain/LangGraph 기반 AI 에이전트, AI 기반 개발(AIDD) 등 실무 중심 커리큘럼을 개발하고 강의합니다. 현대건설 전산실, 삼성SDS, 한국씨티은행에서 쌓은 30년 이상의 개발·운영 경험을 현장감 있는 강의로 풀어냅니다. 현재 KOSA, KOSTA, KITRI 등에서 인공지능 과정을 진행하고 있습니다.
홈페이지 주소: https://ironmanciti.github.io/
전체
44개 ∙ (11시간 5분)
해당 강의에서 제공:
3. 실습 코드 다운로드
01:45
4. 교육 환경 소개
01:20
5. Colab 사용법
09:37
6. Pytorch 소개
14:09
7. 실습 - Pytorch 기초
23:13
10. 실습 - 이미지 증강 기법
18:25
19. 객체 탐지 모델 소개
13:05
25. Mask R-CNN 이해
27:29
전체
7개
5.0
7개의 수강평
수강평 9
∙
평균 평점 4.6
수강평 3
∙
평균 평점 3.7
5
정말 오랜만에 저에게 필요한 강의를 찾았네요 이런 저런 복잡하고 어려운 수학적 관점보다는 코드 중심으로 보여주어 속이 시원합니다. cnn이 뭔지 어떻게 활용하는지에 대해 빠르게 학습할 수 있습니다 몇달간 이런 저런 책과 인강을 봤던 시간이 너무 아깝네요 보너스로 이미지 라벨링 작업 등을 간단하게 넣어주셨으면 비전으로 고민하는 많은 사람들에게 최고의 비전강의가 아닐까 합니다
좋은 평가 주셔서 감사합니다. 조언해 주신 부분도 다음 강의 업데이트에 고려하겠습니다.
수강평 2
∙
평균 평점 5.0
수정됨
5
저는 컴퓨터 비전 관련 학과에서 공부하고 있는 대학생입니다. 강의가 세심하고, 무엇보다 애매한 부분이 남지 않도록 상세하게 설명해 주셔서 큰 도움이 되었습니다. 수강하면서 다른 강의에도 흥미가 생겼습니다. 다만, 강의의 가격대가 다소 높아 학생으로서는 부담이 되는 것이 사실입니다. 영상 관련하여 객체 인식 외에도 다양한 컴퓨터 비전 기술들에 대한 추가 업데이트가 있다면 더욱 좋을 것 같습니다. 남은 강의도 꾸준히 열심히 수강하겠습니다. 훌륭한 강의를 만들어 주셔서 감사합니다.
좋은 평가 주셔서 감사합니다. 혹시 학생으로서 비용 부담 있으신 경우 보고 싶은 강의를 알려 주시면 할인 쿠폰 보내 드리겠습니다.
수강평 126
∙
평균 평점 5.0
5
25/09/17/수 21:50 강의를 듣고, 객체인식에 대해 많이 이해 했습니다. 항상 객체인식하는 동영상을 볼때, 어떻게 인식하는 지 궁금했는데... 정말 좋은 강의 만드셨네요. 전 평일엔 강의를 잘 듣지 않는데요. 이 강의를 평일에도 들었네요. ^^;; 좋은 강의 만들어 주셔서 감사합니다.
좋은 수강평 감사합니다.
수강평 14
∙
평균 평점 5.0
지식공유자님의 다른 강의를 만나보세요!
같은 분야의 다른 강의를 만나보세요!