QUICK
MENU

Python-based AI projects

Python AI ÇÁ·ÎÁ§Æ®
¸Ó½Å·¯´×¡¤µö·¯´× ½Ç¹« ±¸Çö°ú Æ÷Æ®Æú¸®¿À ¿Ï¼º

º» °úÁ¤Àº ÆÄÀ̽ã(Python)À» ±â¹ÝÀ¸·Î ÇÑ AI ±â¼ú ±¸Çö°ú ÇÁ·ÎÁ§Æ® ¼öÇà ´É·ÂÀ» µ¿½Ã¿¡ Çâ»ó½ÃŰ´Â ½Ç½À Áß½ÉÀÇ Ä¿¸®Å§·³ÀÔ´Ï´Ù.
Scikit-learn, TensorFlow, Keras, PyTorch µî ´ëÇ¥ÀûÀÎ AI ÇÁ·¹ÀÓ¿öÅ©¸¦ Ȱ¿ëÇÏ¿© ¸Ó½Å·¯´×, µö·¯´× ¸ðµ¨ ±¸Ãà ¡æ ½ÇÁ¦ µ¥ÀÌÅÍ ºÐ¼® ¡æ ¸ðµ¨ ¹èÆ÷ ¹× Æ÷Æ®Æú¸®¿À ±¸¼º±îÁö ÁøÇàÇÕ´Ï´Ù. ÀÔ¹®ÀÚµµ µû¶ó¿Ã ¼ö ÀÖ´Â ´Ü°èº° ¼³°è·Î, Ãë¾÷/ÀÌÁ÷¿¡ ÇÊ¿äÇÑ AI ÇÁ·ÎÁ§Æ® °æÇè°ú °á°ú¹° È®º¸°¡ °¡´ÉÇÕ´Ï´Ù.

  • ±³À°±â°£
    6°³¿ù
  • °­Àǽð£(ÁöÁ¡º° »óÀÌ)
    3½Ã°£
  • ³­À̵µ
    ÀÔ¹®~°í±Þ
  • Àοø
    20³»¿Ü
  • ÀüÈ­»ó´ã(ÁÖ¸» ¡¤ °øÈÞÀÏ »ó´ã ¹× Á¢¼ö°¡´É)
    02-313-2185

ÀÌ·± ºÐµé²² ÃßÃµÇØ¿ä!

  • PythonÀ» ±â¹ÝÀ¸·Î AI °³¹ßÀ» ½Ç¹«¿¡ Àû¿ëÇϰíÀÚ ÇÏ´Â ÀÔ¹®ÀÚ ¶Ç´Â Àü°øÀÚ
  • ¸Ó½Å·¯´×¡¤µö·¯´× ½Ç½À ÇÁ·ÎÁ§Æ®¸¦ °æÇèÇÏ°í ½ÍÀº Ãë¾÷ Áغñ»ý
  • Æ÷Æ®Æú¸®¿À¿ë AI ÇÁ·ÎÁ§Æ®¸¦ ÁøÇàÇÏ°í ½ÍÀº °³¹ßÀÚ
  • ±â¾÷/±â°ü¿¡¼­ AI ±â¼ú µµÀÔ ¹× µ¥ÀÌÅÍ ±â¹Ý ¹®Á¦ ÇØ°áÀ» ¸ð»ö ÁßÀÎ ½Ç¹«ÀÚ

ÆÄÀ̽㠱â¹Ý AI ÇÁ·ÎÁ§Æ®°úÁ¤ÀÇ ÇÙ½É Æ÷ÀÎÆ®

  • POINT.01

    µ¥ÀÌÅÍ Àü󸮺ÎÅÍ ¸ðµ¨ ¹èÆ÷±îÁö Àü ´Ü°è ½Ç½À
    Numpy, Pandas, Seaborn, Scikit-learn, TensorFlow, Keras ½Ç½À

  • POINT.02

    ¸Ó½Å·¯´× ¸ðµ¨ ½Ç½À: ÀÇ»ç°áÁ¤Æ®¸®, KNN, SVM, XGBoost µî
    ¼º´É Æò°¡ (Accuracy, F1-score, Confusion Matrix µî) º´Çà

  • POINT.03

    µö·¯´× ½Ç½À: CNN, RNN, À̹ÌÁö/ÀÚ¿¬¾î ±â¹Ý ÇÁ·ÎÁ§Æ® ±¸Çö
    À̹ÌÁö ºÐ·ù±â, °¨¼º ºÐ¼®±â µî ½ÇÀü ¹®Á¦ ±â¹Ý

  • POINT.04

    Streamlit, Flask, Gradio¸¦ Ȱ¿ëÇÑ À¥ ±â¹Ý ¸ðµ¨ ¹èÆ÷
    Æ÷Æ®Æú¸®¿À¿ë ÇÁ·ÎÁ§Æ® °á°ú ½Ã°¢È­ ¹× °øÀ¯ ±â´É Æ÷ÇÔ

  • POINT.05

    ÇнÀÀÚ ¼öÁØ ¸ÂÃã - ±âÃʺÎÅÍ Æ÷Æ®Æú¸®¿À±îÁö ´Ü°èº° Áøµµ°ü¸®
    Python ±âº» ¹®¹ý ¹× Numpy/Pandas ½Ç½À Æ÷ÇÔ ¿É¼Ç ±¸¼º °¡´É

ÆÄÀ̽㠱â¹Ý AI ÇÁ·ÎÁ§Æ® Ä¿¸®Å§·³ ¾È³»

Python ¾ð¾î¸¦ Ȱ¿ëÇÏ¿© ¸Ó½Å·¯´×¡¤µö·¯´× ¾Ë°í¸®ÁòÀ» ½Ç¹« ÇÁ·ÎÁ§Æ®·Î ±¸ÇöÇϰí, Æ÷Æ®Æú¸®¿À·Î ¿Ï¼ºÇÏ´Â ½ÇÀüÇü AI °³¹ßÀÚ °úÁ¤ÀÔ´Ï´Ù.

  • Chapter.01

    ÆÄÀ̽㠱âÃÊ

    - ÆÄÀ̽㠱âÃÊ - ¼³Ä¡
    - ÀÔÃâ·Â / ¹®ÀÚ¿­Ã³¸®
    - ÀÚ·áÇü, Á¦¾î¹®
    - ÇÔ¼ö¿Í ¸ðµâ
    - ÆÄÀÏ ¿¡·¯Ã³¸®
    - Ŭ·¡½º
  • Chapter.02

    ÆÄÀÌ½ã ¾Ë°í¸®Áò

    - ±âº» ¾Ë°í¸®ÁòÀ» ÅëÇÑ ¿¹Á¦ Ç®ÀÌ
    - Á¤·Ä ¹× °Ë»ö
    - ½ºÅÃ, Å¥, ¸®½ºÆ®
    - Æ®¸®, Å©·Ñ¸µ1
  • Chapter.03

    µ¥ÀÌÅͺм® ¹× ½Ã°¢È­

    - Å©·Ñ¸µ2 - ¿¹Á¦ Ç®ÀÌ
    - ³ÑÆÄÀÌ - Axis, µ¥ÀÌÅÍ Å¸ÀÔ, ¹è¿­, À妽Ì, ½½¶óÀ̽Ì, ¹è¿­º¯È¯, ¹è¿­ º¯È¯
    - ÆÇ´Ù½º - µ¥ÀÌÅÍ ÇÁ·¹ÀÓ, ´©¶ô°ªÃ³¸®, ±×·¡ÇÁ, µ¥ÀÌÅÍ ¿¬°á
    - ½Ã°¢È­ - Matplotlib
  • Chapter.04

    µ¥ÀÌÅͺм® ¿¹Á¦

    - µ¥ÀÌÅÍ ºÐ¼® ¿¹Á¦ ½Ç½À1 ¼ºÀû µ¥ÀÌÅÍ ºÐ¼® ¾ÆÆÄÆ® ºÐ¾ç °¡°Ý µ¿Ç⠺м®
    - µ¥ÀÌÅÍ ºÐ¼® ¿¹Á¦ ½Ç½À2 »ó±Ç Á¤º¸ ºÐ¼® °ø¿ø ºÐÆ÷ ºÐ¼®
    - µ¥ÀÌÅÍ ºÐ¼® ¿¹Á¦ ½Ç½À3 µû¸ªÀÌ ÀÚÀü°Å ´ë¿©¼Ò ºÐ¼®
    - µ¥ÀÌÅÍ ºÐ¼® ¿¹Á¦ ½Ç½À4 ¶Ñ·¹Á긣 ÆÄÀÌ¹Ù°Ô¶ß ¸ÅÀå ºÐ¼®, ½ºÅ¸¹÷½º »ó±ÇºÐ¼®
  • Chapter.05

    ¸Ó½Å·¯´× ¿¹Á¦

    - ÃÖ¼Ò Á¦°ö¹ý ¾Ë°í¸®Áò, Æò±Õ Á¦°ö±Ù ¿ÀÂ÷ ¾Ë°í¸®Áò
    - °æ»ç Çϰ­¹ý ¾Ë°í¸®Áò
    - ¸Ó½Å·¯´× ¿¹Á¦1 kNN SVM Clustering
    - ¸Ó½Å·¯´× ¿¹Á¦2 Naive Bayes Decision Tree Ensenble
    - ¸Ó½Å·¯´× ¿¹Á¦3 Linear Regression Logistic Regression
  • Chapter.06

    µö·¯´× °øÅëÇÁ·ÎÁ§Æ®

    - µö·¯´× ¿¹Á¦1 ÁÖ¼ººÐ ºÐ¼® ÆÛ¼ÁÆ®·Ð ¼Õ±Û¾¾ ºÐ·ù
    - µö·¯´× ¿¹Á¦2 CNN_MNIST ¼Õ±Û¾¾ ¿¹Ãø
    - µö·¯´× ¿¹Á¦3 RNN ´Ü¾îǰ»ç ±¸ºÐÇϱâ LSTM Áö¹®Àаí ÁÖÁ¦ ºÐ·ùÇϱâ
    - °øÅëÇÁ·ÎÁ§Æ® - ´Ùº¯ ¼±Çüȸ±Í °øÅë ÇÁ·ÎÁ§Æ® Á¦ÀÛ

Ãë¾÷ÀÇ ÇÙ½É
½Ç¹« ±â¹Ý ÇÁ·ÎÁ§Æ®·Î ¿Ï¼ºÇÏ´Â Æ÷Æ®Æú¸®¿À

½ÇÁ¦ ¼ö·á»ýµéÀÇ ÇÁ·ÎÁ§Æ® °á°ú¹°À» º¸°í, ±â¾÷ÀÌ ¿øÇÏ´Â Æ÷Æ®Æú¸®¿À ±âÁØÀ» È®ÀÎÇØ º¸¼¼¿ä

¼º°øÀûÀÎ Ãë¾÷ Áغñ!
ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹Ì¿¡¼­ ½ÃÀÛÇϼ¼¿ä!

IT±³À°ÀÇ ¿Ï¼ºÀº Ãë¾÷ÀÔ´Ï´Ù!

ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹Ì´Â ÇöÀå Áß½É Ä¿¸®Å§·³°ú Ãë¾÷ ¹ÐÂø ÇÁ·Î±×·¥À¸·Î ¼ö°­»ýÀÇ ¼ºÀåÀ» ³¡±îÁö Áö¿øÇÕ´Ï´Ù.

step.01
Áø·Î¼³°è
¼ö°­»ý ¸ÂÃãÇü Á÷¹« ¸ÅĪ & Ä¿¸®¾î »ó´ã

-ÇнÀ°úÁ¤ ±â¹Ý ÁøÃâ ºÐ¾ß ¾È³»

-¸ñÇ¥ Á÷¹«¿¡ ¸ÂÃá Áø·Î ·Îµå¸Ê Á¦½Ã

step.02
Ãë¾÷¿ª·® °­È­
¼­·ù¡¤Æ÷Æ®Æú¸®¿ÀºÎÅÍ ½Ç¹« ¿ª·®±îÁö ¿Ï¼º

-À̷¼­/ÀÚ±â¼Ò°³¼­ 1:1 Çǵå¹é

-GitHub¡¤Notion Æ÷Æ®Æú¸®¿À Á¦ÀÛ Áö¿ø

-IT±â¾÷ ½Ç¹«ÀÚ Æ¯°­ & ½ÇÀü ÄÚµù Ŭ¸®´Ð

step.03
±â¾÷ ¿¬°è
ITÀü¹® Çù¾à±â¾÷°úÀÇ Á÷Á¢ ¿¬°á

-Çö¾÷ÀÚ ÃÊû ±â¾÷¼³¸íȸ

-Ãë¾÷ ¿¬°è ¹Ì´Ï ä¿ë¹Ú¶÷ȸ

-±¸Àαâ¾÷ ´ë»ó ÀÎÀç Ãßõ ¿î¿µ

step.04
¸ðÀǸéÁ¢ & ±â¼ú¸éÁ¢ ÈÆ·Ã
½ÇÀü ¸éÁ¢ ½Ã¹Ä·¹À̼ÇÀ¸·Î ÇÕ°Ý·ü »ó½Â

-Àμº¡¤±â¼ú ¸éÁ¢ ½Ç½À

-Á÷¹«º° ¿¹»óÁú¹® Á¦°ø

-Çǵå¹é ±â¹Ý ¸éÁ¢ Àü·« ¼ö¸³

step.05
¼ö·á ÈÄ Áö¼Ó°ü¸®
Á¹¾÷ ÈÄ¿¡µµ À̾îÁö´Â Ãë¾÷ Áö¿ø

-¼ö·á»ý Àü¿ë ä¿ëÁ¤º¸ ä³Î ¿î¿µ

-ÀÌÁ÷ ÄÁ¼³ÆÃ ¹× °í±Þ°úÁ¤ ¾È³»

-ä¿ë ±â¾÷ÀÇ Çǵå¹é ¹Ý¿µÇÑ Ãë¾÷ ¸ÅĪ

ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹Ì Ãë¾÷Áö¿ø, À̰ÍÀÌ ±Ã±ÝÇÏ´Ù!

À̷¼­ ÷»èºÎÅÍ Æ÷Æ®Æú¸®¿À, ¸ðÀǸéÁ¢, ±â¾÷¿¬°è±îÁö Ãë¾÷ °ÆÁ¤À» ´ú¾îÁÖ´Â ½ÇÀüÇü Q&A Á¤¸®!

  • Q.¼ö·áÇÏ¸é ¹Ù·Î Ãë¾÷ÀÌ µÇ³ª¿ä?
    A.ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹Ì´Â ¼ö·á¿Í µ¿½Ã¿¡ Ãë¾÷ÀÌ º¸ÀåµÇÁö´Â ¾ÊÁö¸¸ À̷¼­ ÷»è, Æ÷Æ®Æú¸®¿À Á¦ÀÛ, ¸ðÀǸéÁ¢, ±â¾÷¸ÅαîÁö Àü °úÁ¤ÀÇ Ãë¾÷Áö¿ø ¼­ºñ½º¸¦ Á¦°øÇϰí ÀÖ¾î ³ôÀº Ãë¾÷ ¼º°ú¸¦ º¸À̰í ÀÖ½À´Ï´Ù.
  • Q.¾î¶² ±â¾÷µé°ú ¿¬°èµÇ¾î ÀÖ³ª¿ä?
    A.À¥°³¹ß, ¹é¿£µå, º¸¾È, µ¥ÀÌÅÍ ºÐ¼®, Ŭ¶ó¿ìµå µî ´Ù¾çÇÑ ºÐ¾ßÀÇ ITÀü¹® Áß¼Ò±â¾÷, ½ºÅ¸Æ®¾÷, Çù¾à ±â¾÷ 100¿© °÷ ÀÌ»ó°ú ¿¬°èµÇ¾î ÀÖ½À´Ï´Ù.
    ½ÇÁ¦ ä¿ë ÀÇ·Ú°¡ µé¾î¿Â ±â¾÷°úÀÇ ¸éÁ¢µµ ¼ö·á ÈÄ ¹Ù·Î ¿¬°áµË´Ï´Ù.
  • Q.Æ÷Æ®Æú¸®¿À´Â ²À ¸¸µé¾î¾ß Çϳª¿ä?
    A.ÃÖ±Ù °³¹ßÀÚ Ã¤¿ë¿¡¼­ À̷¼­º¸´Ù Æ÷Æ®Æú¸®¿À°¡ ´õ Áß¿äÇÏ°Ô Æò°¡µÇ´Â °æ¿ì°¡ ¸¹½À´Ï´Ù.
    GitHub, Notion, ÇÁ·ÎÁ§Æ® °á°ú¹° ±â¹ÝÀÇ Æ÷Æ®Æú¸®¿À¸¦ ½Ç½À °úÁ¤ Áß Á÷Á¢ Á¦ÀÛÇϰí Çǵå¹éÀ» ¹Þ°Ô µË´Ï´Ù.
  • Q.ºñÀü°øÀÚµµ Ãë¾÷ÀÌ °¡´ÉÇѰ¡¿ä?
    A.³×, °¡´ÉÇÕ´Ï´Ù.
    ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹ÌÀÇ °úÁ¤Àº ºñÀü°øÀÚµµ ÀÌÇØÇÒ ¼ö ÀÖµµ·Ï ±âÃʺÎÅÍ ½Ç½À À§ÁÖ·Î ±¸¼ºµÇ¾î ÀÖÀ¸¸ç, ÇÁ·ÎÁ§Æ® Á᫐ ÇнÀ°ú Ãë¾÷ÄÁ¼³ÆÃÀ¸·Î ½Ç¹« ÀûÀÀ·ÂÀ» Ű¿ö Ãë¾÷±îÁö ¿¬°áÇÕ´Ï´Ù.
  • Q.¸ðÀǸéÁ¢Àº ½ÇÁ¦ ¸éÁ¢Ã³·³ ÁøÇàµÇ³ª¿ä?
    A.½ÇÁ¦ ±â¾÷ ¸éÁ¢°ú À¯»çÇÏ°Ô ±â¼ú¸éÁ¢ + Àμº¸éÁ¢ Çü½ÄÀ¸·Î ±¸¼ºµÇ¸ç, ¸éÁ¢°ü Çǵå¹é±îÁö Á¦°øµË´Ï´Ù.
    ¸éÁ¢ ºÒ¾È ÇØ¼Ò¿Í Ä¿¹Â´ÏÄÉÀÌ¼Ç ´É·Â Çâ»ó¿¡ ¸Å¿ì È¿°úÀûÀÔ´Ï´Ù.
  • Q.¼ö·á ÈÄ¿¡µµ Ãë¾÷Áö¿øÀ» ¹ÞÀ» ¼ö ÀÖ³ª¿ä?
    A.³×. ¼ö·á ÈÄ¿¡µµ **Àü¿ë ä¿ë Ä¿¹Â´ÏƼ(īī¿Àä³Î/½½·¢ µî)**¸¦ ÅëÇØ ä¿ë Á¤º¸¸¦ Áö¼ÓÀûÀ¸·Î Á¦°øÇϸç, ÀÌÁ÷ ¹× Àç±³À°À» À§ÇÑ °í±Þ°úÁ¤ Ãßõ, Ãë¾÷ ÄÁ¼³ÆÃµµ ¿î¿µÇϰí ÀÖ½À´Ï´Ù.
  • Q.Ãë¾÷·üÀº ¾î´À Á¤µµÀΰ¡¿ä?
    A.°úÁ¤ ¹× ½Ã±â¿¡ µû¶ó ´Ù¸£Áö¸¸, ½Ç¹« ÇÁ·ÎÁ§Æ®¿Í Æ÷Æ®Æú¸®¿À¸¦ Ãæ½ÇÈ÷ À̼öÇÑ ¼ö°­»ýÀÇ °æ¿ì Æò±Õ 85% ÀÌ»óÀÇ Ãë¾÷·üÀ» º¸À̰í ÀÖ½À´Ï´Ù.
banner banner banner banner

°£ÆíÇÏ°Ô °ü½ÉÀÖ´Â
ÀϹÝ/±¹ºñÁö¿ø °úÁ¤ ¼ö°­·á ¾Ë¾Æº¸¼¼¿ä!

Step2. ¼¼ºÎ ±³À°°úÁ¤À» ¼±ÅÃÇØ ÁÖ¼¼¿ä.(Áߺ¹ ¼±Åà °¡´É)

Step3. °¡±î¿î ÁöÁ¡À» ¼±ÅÃÇØ ÁÖ¼¼¿ä.

    ½ÅûÇϽô ºÐÀÇ À̸§°ú ¿¬¶ôó¸¦ ÀÔ·ÂÇØ ÁÖ¼¼¿ä.

    - -
    ÀÚ¼¼È÷ º¸±â
    ¼öÁý Ç׸ñ: À̸§, ¿¬¶ôó, ¼ö°­¾È³» °ü·Ã ÀÌ·Â
    ÀÌ¿ë ¸ñÀû: ¼ö°­¾È³» Á¦°ø, °ü·Ã ÀÌ·Â °ü¸® ¹× ¸ÂÃãÇü Àç¾È³»¸¦ ÅëÇÑ ¼­ºñ½º ǰÁú °³¼±
    º¸À¯ ±â°£: ¼öÁýÀϷκÎÅÍ ÃÖ´ë 3³â°£ º¸°ü ÈÄ ÆÄ±â

    ÆÄÀ̽㠱â¹Ý AI ÇÁ·ÎÁ§Æ® ¹Ù·Î ¾Ë¾Æº¸½Ã°Ú¾î¿ä?

    ´Ý±â
    • ±³À°Èñ¸ÁÁöÁ¡À» ¼±ÅÃÇØÁÖ¼¼¿ä
      • ½ÅûÇϽôºÐÀÇ À̸§°ú ¿¬¶ôó¸¦ ÀÔ·ÂÇØ ÁÖ¼¼¿ä.
        - -
      ÀÚ¼¼È÷ º¸±â
      ¼öÁý Ç׸ñ: À̸§, ¿¬¶ôó, ¼ö°­¾È³» °ü·Ã ÀÌ·Â
      ÀÌ¿ë ¸ñÀû: ¼ö°­¾È³» Á¦°ø, °ü·Ã ÀÌ·Â °ü¸® ¹× ¸ÂÃãÇü Àç¾È³»¸¦ ÅëÇÑ ¼­ºñ½º ǰÁú °³¼±
      º¸À¯ ±â°£: ¼öÁýÀϷκÎÅÍ ÃÖ´ë 3³â°£ º¸°ü ÈÄ ÆÄ±â
      Àüü¸Þ´º ¿­±â

      ¼Õ½±°í °£ÆíÇϰÔ
      Àü¹®°¡¿Í ÀüÈ­»ó´ã!

      ¾È³»¹Þ°í ½ÍÀº ÁöÁ¡À» ¼±ÅÃÇØ ÁÖ¼¼¿ä.

      ¾ß°£ ¹× ÁÖ¸» »ó´ã ÀüÈ­ ¾È³»

      ºü¸¥ ¾È³»¸¦ À§ÇØ
      ÆòÀÏ ¾ß°£(¿ÀÈÄ 6½Ã ~ ¿ÀÈÄ 10½Ã)
      ÁÖ¸»(¿ÀÀü 9½Ã ~ ¿ÀÈÄ 6½Ã)¿¡µµ ¾È³»ÇØ µå¸®°í ÀÖ½À´Ï´Ù.