Python 160
- Django DRF 프로젝트 초기 설정 가이드
- LangChain과 LangGraph를 활용한 실전 프로젝트 구축 - part.9
- LangGraph를 활용한 복잡한 AI 워크플로우 구축 - part.8
- LangChain과 API 및 외부 서비스 연동 - part.7
- LangChain과 데이터베이스 및 벡터DB 연동 - part.6
- LangChain에서 Chains와 Workflow 활용하기 - part.5
- LangChain에서 Tools와 Agents 활용하기 - part.4
- LangChain에서 Multi-turn 대화와 Memory 활용하기 - part.3
- LangChain의 프롬프트 엔지니어링과 메시지 유형 활용하기 - part.2
- LangChain 개요 및 환경 설정 - part.1
- LangSmith Hub를 활용한 고급 프롬프트 최적화
- LangChain 에이전트 (Agent) 개념과 활용
- LangChain에서 Multi-turn 대화 구현하기
- LangChain 프롬프트 템플릿과 메시지 유형 활용하기
- LangChain에서 응답 속도 최적화: Caching 활용하기
- LangChain에서 실시간 응답을 위한 Streaming 구현
- LangChain 시작하기: 필수 라이브러리 설치 및 환경 설정
- RAG 챗봇 디버깅 및 성능 최적화- Part.6
- RAG 프롬프트 구성 및 LLM 응답 생성- Part.5
- 벡터 저장소 구축과 리트리버 활용- Part.4
- 문서 처리: Chunking과 Embedding- Part.3
- RAG 환경 설정 및 기본 코드 작성- Part.2
- RAG (Retrieval-Augmented Generation) 개념 및 구축 과정 개요- Part.1
- LangChain을 활용한 고급 체인 구성 및 최적화 전략
- Runnable 컴포넌트와 체인 확장하기 - 특강5
- LangChain Expression Language(LCEL) 이해하기 - 특강4
- 프롬프트를 활용한 페르소나 챗봇 만들기 - 특강3
- 프롬프트 템플릿 활용하기 (ChatPromptTemplate) - 특강2
- LangChain과 LLM의 기본 개념 - 특강1
- Hugging Face와 Stable Diffusion을 활용한 생성형 AI 모델 사용법
- 비지도 학습: 고객 세분화 분석 모델 (과제 해설)
- 지도학습: 주택 가격 예측 모델 구축 (과제 해설)
- 생성형 모델(Generative Models)의 기본 원리
- 특강: 인공신경망과 딥러닝 학습 과정 정리
- 생성형 AI(Generative AI)의 개발 과정과 어려움
- Hugging Face 모델의 사전 학습과 파인 튜닝
- Hugging Face의 Transformers 라이브러리로 NLP 모델 활용하기
- 특강: PyTorch 기초 - 텐서와 기본 연산
- GitHub 오픈소스를 활용한 AI 프로젝트 시작하기
- AI 활용 vs 연구: 차이점과 실무 적용법
- 특강: 딥러닝. 퍼셉트론에서 RNN까지
- LLM 활용 기법: 프롬프트 트렁케이션, CoT, RAG 개념 정리
- Meta의 Llama-2-7b를 On-Premise 환경에서 실행하기
- Django 프로젝트로 챗봇 기능 만들기 - Part 2
- Django 프로젝트로 챗봇 기능 만들기 - Part 1
- OpenAI API 기반 챗봇 구현
- Django와 Redis: 빠르고 효율적인 캐싱 및 활용 방법
- Django ORM의 aggregate(): 쿼리셋 데이터 집계와 통계를 간편하게 처리하는 방법
- Django ORM의 annotate(): 동적 필드 추가와 집계를 간편하게 처리하는 방법
- Django ORM의 F() 객체: 필드 간 연산과 비교를 쉽게 처리하는 방법
- Django ORM에서 Q() 객체의 활용법
- CBV 사용한 DRF, MySQL 연동
- Django의 CBV(Class-Based View)
- Django 프로젝트 진행(FBV 형식)
- Django: JWT를 이용한 Token Authentication 구현하기
- Django REST Framework (DRF) Serializer 활용하기
- Django: DRF with Relationship
- Django REST Framework Class Based View (CBV)
- Django: DRF Single Model
- Django REST Framework 시작하기
- Django: JSON Response와 Serialization
- Django: RESTful API와 JSON에 대한 이해
- Django: HTTP와 URL의 개념
- Django: ManyToMany 관계 설정과 구현하기
- Django: Custom User Model과 1:N 관계 확장하기
- Django: Many-to-One Relationships
- Django: 관리자 페이지 (Admin Site)
- Django: Static & Media Files: 설정부터 활용까지
- Django: 회원 관리 기능 구현
- 강력한 Django 인증 시스템: Auth, 쿠키, 세션, 그리고 구현 가이드
- Django: URL Namespace와 Templates 구조
- Django: Form과 ModelForm
- Django: MTV 패턴을 활용한 CRUD 기능 구현하기
- Django: ORM과 Model의 핵심 이해
- Django: URL 처리와 앱 구조화
- Django: Form과 Input으로 데이터 주고받기
- Django: 요청과 응답, 그리고 템플릿 시스템의 이해
- Django: 프로젝트와 앱 구조, 그리고 디자인 패턴 이해하기
- Django: 모델(Model)과 ORM 및 폼(Form) 처리, 사용자 인증(Authentication)
- Django: URL, 뷰(Views), 템플릿(Template)
- Django 이해 및 앱 만들기
- 고객 세분화 분석(클러스터링 기법 비교 및 시각화)
- 고객 세분화 분석(데이터 조회 및 전처리)
- 주택 가격 예측 모델 구축(모델 학습 및 평가)
- 주택 가격 예측 모델 구축(스케일링 및 이상치 처리)
- 주택 가격 예측 모델 구축(데이터 조회 및 결측치 처리)
- 심층 신경망 구현 및 학습: 패션 MNIST 데이터셋 사례
- 딥러닝과 인공 신경망: 텐서플로를 활용한 패션 MNIST 분류
- 차원 축소와 PCA(주성분 분석) 이해하기
- k-평균 알고리즘을 활용한 과일 사진 자동 군집화
- 흑백 사진 분류를 위한 비지도 학습과 군집 알고리즘 이해하기
- 트리 앙상블 (Tree Ensemble)
- 교차 검증과 그리드 서치
- 결정 트리와 로지스틱 회귀를 활용한 와인 분류
- 확률적 경사 하강법 (Stochastic Gradient Descent, SGD)
- 로지스틱 회귀: 럭키백 확률 계산 및 K-최근접 이웃 분류기
- 특성 공학과 규제: 머신러닝 모델의 숨은 비법
- 머신러닝 모델 평가: 선형 회귀와 다항 회귀 실습
- k-최근접 이웃 회귀와 머신러닝 데이터 준비 과정
- 데이터 전처리와 K-최근접 이웃 알고리즘 실습
- 도미와 빙어 데이터를 활용한 지도 학습 실습
- 도미와 빙어 데이터를 활용한 머신러닝 학습
- 딥러닝 모델 설계와 학습
- 주요 딥러닝 라이브러리 소개
- ML: 인공신경망의 기본 개념
- ML: 심층 강화 학습의 응용
- ML: 심층 강화 학습의 세부 원리
- ML: 강화 학습 개요
- ML: 비지도 학습
- ML: 고급 머신러닝 알고리즘: 앙상블 학습
- ML: 피처 생성 (Feature Engineering)
- ML: 피처 선택 (Feature Selection)
- ML: 모델 성능 평가
- ML: 분류와 회귀 문제 이해
- ML: 선형 회귀와 로지스틱 회귀
- ML: 데이터 시각화
- ML: 데이터 전처리
- ML: 데이터 이해와 전처리
- 머신러닝의 주요 활용 분야
- 머신러닝의 유형
- 머신러닝이란?
- NumPy 데이터 분석: 실전 활용 사례
- NumPy 데이터 분석: 배열 비교 및 고급 활용
- NumPy 데이터 분석: 유니버설 함수와 고급 수학 연산
- NumPy 데이터 분석: 기본 연산 및 통계 함수
- NumPy 데이터 분석: 배열 변환 및 조작
- NumPy 데이터 분석: 배열 인덱싱과 데이터 선택
- NumPy 데이터 분석: 배열 생성
- NumPy 데이터 분석: NumPy 소개
- Pandas 데이터 분석: 실전 프로젝트 사례
- Pandas 데이터 분석: 고급 데이터 조작 기법
- Pandas 데이터 분석: 시계열 데이터 처리 및 분석
- Pandas 데이터 분석: 그룹화(Groupby)와 데이터 병합(Merge)
- Pandas 데이터 분석: 결측치와 중복 데이터 처리
- Pandas 데이터 분석: 데이터 선택 및 조작
- Pandas 데이터 분석: 데이터 로드와 저장
- Pandas 데이터 분석: Series와 DataFrame의 생성과 기본 연산
- Pandas 데이터 분석: Pandas 소개
- 파이썬 고급 문법: 병렬 처리와 비동기 프로그래밍
- 파이썬 고급 문법: 컨텍스트 매니저
- 파이썬 고급 문법: 데코레이터와 제너레이터
- 파이썬 기본 문법: 예외 처리
- 파이썬 객체지향 프로그래밍: 생성자와 소멸자, 상속과 다형성
- 파이썬 객체지향 프로그래밍: 클래스와 객체
- Python 라이브러리로 데이터 분석
- 클래스와 함수 활용
- 숫자 맞추기 게임
- 파이썬 기본 문법: 파일 처리
- 파이썬 기본 문법: 사용자 정의 모듈
- 파이썬 기본 문법: 기본 모듈 활용
- 파이썬 기본 문법: 함수 정의와 호출
- 파이썬 데이터 구조: 세트(Set)
- 파이썬 데이터 구조: 딕셔너리(Dictionary)
- 파이썬 데이터 구조: 튜플(Tuple)
- 파이썬 데이터 구조: 리스트(List)
- 파이썬 기본 문법: 반복문 (for, while)
- 파이썬 기본 문법: 조건문 (if, elif, else)
- 파이썬 기본 문법: 연산자와 표현식
- 파이썬 기본 문법: 변수와 데이터 타입
- Python: 파이썬의 특징과 활용 분야