hero-section-background
hero-section-image

AI와 함께 코딩하자! 인공지능/데이터 커리어 첫걸음

90%20,570
205,700

이 과정은 고용24에 먼저 신청 후, 내일배움카드로 결제해야 최종 신청이 완료됩니다.

훈련과정 탐색표 보기

권장 수강 대상

스타트업

카테고리

온라인 강의

수강시간

15시간 21분

강의수

10개

강의 소개

커리큘럼

90% 국비지원으로 부담 없이 시작하세요!

🎁 수강하면 얻을 수 있는 것

‣ 강의 및 자료 평생 소장 - 완강 시 언제든 복습할 수 있어요. ‣ 1:1 Q&A 지원 - 담당 멘토가 직접 답변해 드려요. ‣ 수료증 발급 - 이력서, 포트폴리오에 활용할 수 있어요. ‣ 실무 프로젝트 실습 - 업무, 일상에 빠르게 적용할 수 있어요.

"AI 개발, 나도 할 수 있을까? 🤔"

수학은 막막하고 코딩은 처음이라 시작조차 망설여지시나요?

이제 문법 공부 대신 AI에게 명령하며 배우는 ‘바이브 코딩(Vibe Coding)’을 시작하세요.

비전공자도 AI 비서에게 묻고, 실행하고, 수정하며

"어? 나도 되네!"라는 확신과 프로젝트 완성의 첫 경험을 얻게 됩니다.

왜 지금, 이 과정이어야 할까요?

1️⃣ AI 시대, 개발의 새로운 표준

AI 코딩 비서와 협업하는 'AI Assisted Development' 방식을 익힙니다.

이제 혼자 고민하지 말고 AI와 함께 효율적으로 개발하세요.


2️⃣ 이론보다 "결과물" 중심 학습

단순한 수식 나열에서 벗어납니다.

데이터 분석부터 딥러닝 서비스까지, 실제 돌아가는 결과물을 만드는 과정에 집중합니다.


3️⃣ AI 직무 전체를 관통하는 커리큘럼

Python 기초부터 실전 서비스 개발까지.

이 과정 하나로 AI 개발의 Full Cycle을 한 번에 경험할 수 있습니다.

강의 미리보기

Hello World 대신 스트림릿!

따릉이 데이터셋 기반 대시보드 만들기

딥러닝 학습에서 중요한건 뭘까?

이미지 감정 분석 모델을 웹페이지로 만들기

이런 고민이 있나요?

AI·데이터 분야로 전환하고 싶은데 어디서 시작해야 할지 모르겠어요.

이미지
커리어 전환을 고민하는 직장인

AI 공부를 시작했지만 이론만 많아서 재미가 없어요.

이미지
데이터 분석가

데이터를 기반으로 실제로 어떤 일을 하는지 감이 없고, 이 직무가 나한테 맞는지 확인하고 싶어요.

이미지
AI 입문 학습자

회사에서 AI를 활용하라고 하는데, 막상 무엇을 어떻게 적용해야 할지 모르겠어요.

이미지
실무에서 AI를 활용해야 하는 직장인

이렇게 성장할 수 있어요!

Python 기초부터 머신러닝·딥러닝까지 AI 직무 전체 흐름을 경험했어요.

이미지
커리어 전환을 고민하는 직장인

데이터 분석 → 머신러닝 → 딥러닝 서비스의 프로젝트 3개를 완성하며 결과물을 만들었어요.

이미지
AI 입문 학습자

데이터 수집 → 분석 → 모델링 → 서비스 구현까지 AI/데이터 직무 Full Cycle을 경험할 수 있었어요.

이미지
AI 입문 학습자

데이터 분석부터 모델 적용까지 흐름을 이해하고 실무 문제를 AI로 해결할 수 있는 기본 역량을 갖추게 되었어요.

이미지
실무에서 AI를 활용해야 하는 직장인

본 과정이 해결하는 핵심 학습 방식

1️⃣ AI와 함께 코딩 시작

Gemini LLM 내에서 코드를 작성하고, 웹페이지를 완성해 봅니다.

2️⃣ Python 기초 이해

변수, 조건문, 반복문 등 코딩 최소한의 개념을 핵심만 짧고 굵게 학습합니다.

3️⃣ 데이터 분석 프로젝트

다양한 데이터셋을 활용해 인공지능 모델을 만들고, 대시보드를 통해 예측 결과를 표현합니다.

4️⃣ 머신러닝·딥러닝 모델 만들기

이미지에 대한 감정 분석 모델을 만들고, 대시보드를 통해 PoC를 구현합니다.

어떤 기술을 습득하게 되나요?

Python

Python

AI 개발과 데이터 분석에서 가장 많이 사용하는 필수 언어를 기초부터 익힙니다.

AI Coding Assistant

AI Coding Assistant

AI에게 코드를 요청하고 수정하며 효율적으로 개발하는 방식을 배웁니다.

Pandas

Pandas

대량의 데이터를 효율적으로 정리하고 분석하는 핵심 라이브러리를 다룹니다.

Scikit-learn

Scikit-learn

머신러닝 모델을 쉽게 구현하고 실무에 적용해 보는 법을 익힙니다.

크리에이터

모두의연구소 퍼실리테이터팀

박형철, 박기웅, 차정은

"지식 전달을 넘어, '성장하는 경험'을 설계합니다."

안녕하세요, 대한민국 AI 커뮤니티의 중심 모두의연구소에서 여러분의 학습을 돕는 교육 퍼실리테이터팀입니다. 저희는 단순히 지식을 전달하는 것을 넘어, 여러분이 직접 실행하고 눈에 보이는 결과물을 만들어가는 '실전형 학습 경험'을 설계합니다.

이 과정을 통해 이론이 실력이 되는 특별한 순간을 경험하실 수 있도록 든든한 조력자가 되어 드리겠습니다.

"데이터를 보는 눈을 키우면, 숫자는 비로소 스토리가 됩니다."


AI 모델의 구조를 배우는 이번 과정과 함께,

그 기초가 되는 데이터를 깊이 있게 다루는 박형철 퍼실리테이터의 [파이썬으로 배우는 통계 기초] 과정을 추천해 드립니다.

좋은 엔진(모델)을 만들어도, 정제된 연료(데이터)가 없다면 성능을 발휘할 수 없습니다.

두 과정을 병행하면 AI의 원리를 이해하는 동시에, 지저분한 데이터를 정제하고 해석하는 통계적 사고력을 기를 수 있습니다.

이론과 실무가 맞물리는 특별한 순간을 경험하며, 진짜 데이터를 다루는 AI 전문가로 성장해 보세요!


🔗 [첫걸음] 데이터를 보는 눈, 파이썬으로 배우는 통계 기초

커리큘럼

입문

15시간 21분

1-1
왜 지금 AI인가? AI에 대한 오해와 진실
4분
1-2
AI 시대의 개발자란? : AI 생태계와 직무 지도
10분
1-3
AI를 활용한 ‘바이브 코딩’ 학습 방식 이해하기
10분
1-4
이 정도만 알아도 시작 가능하다!
6분
2-1
[환경설정] AI 코딩 비서 소환하기
10분
2-2
[프롬프트] 개발자가 되는 첫 대화
10분
2-3
[실행] Hello World 대신 스트림릿
25분
2-4
[정리] 내가 방금 한 게 ‘개발’이다
5분
3-1
컴퓨터는 어떻게 생각할까? : 컴퓨팅 사고력
5분
3-2
[변수와 자료형] 컴퓨터의 기억법
7분
3-3
[연산자] 더하고, 비교하고, 판단하기
5분
3-4
[자료구조] 물건을 어떻게 정리하는 게 가장 편할까?
10분
3-5
[조건문] 컴퓨터는 ‘알아서’ 판단하지 않는다
10분
3-6
[반복문] 자동화는 언제 필요한가?
8분
3-7
[함수] 생각을 덩어리로 묶지 않으면 복잡해진다
11분
3-8
[라이브러리] 이미 만들어진 생각을 쓰는 법
5분
4-1
펭귄의 첫인상 파악하기: EDA와 데이터 살펴보기
45분
4-2
펭귄의 몸무게 차이는 얼마나 날까?: 데이터의 분포와 상대적 위치
45분
4-3
펭귄이 거주하는 지역에 따라 종을 구분할 수 있을까?: 변수 간의 관계 확인하기
24분
4-4
숫자를 공간에 배치하기: 차원의 확장과 벡터
6분
5-1
프로젝트 가이드: 데이터 분석의 여정과 도구 상자
15분
5-2
비어있는 정보를 채우다: 결측치 처리와 데이터 심폐소생술
15분
5-3
유난히 튀는 데이터 길들이기: 분포 시각화와 이상치 처리
40분
5-4
데이터로 그리는 이용 패턴: 다각도 시각화와 특성 추출
40분
5-5
숫자를 전략으로 바꾸는 힘: 인사이트 도출과 프로모션 기획
10분
5-6
프로젝트 제출: 데이터로 설계하는 따릉이의 미래
1시간
6-1
프로젝트 오리엔테이션: 호텔 비즈니스와 머신러닝의 만남
20분
6-2
가짜 신호를 걸러내는 정밀 검사: 데이터 정제와 EDA
30분
6-3
알고리즘을 위한 첫 단추: 머신러닝 맞춤형 전처리
20분
6-4
인공지능 학습의 메커니즘: 모델링과 학습 플로우 이해
20분
6-5
모델의 성적표 읽기:비즈니스 가치를 담은 평가 지표
14분
6-6
숫자를 가치로 바꾸는 기술: 최종 보고서 및 비즈니스 솔루션
16분
6-7
프로젝트 제출: 머신러닝으로 예측하는 예약 취소
1시간
7-1
[동기] 이미지 데이터와 AI가 만났을 때 해결되는 문제들
13분
7-2
컴퓨터가 이미지를 보는 법
5분
7-3
컴퓨터가 이미지를 이해하는 법
7분
7-4
기존의 한계를 넘어선 딥러닝
5분
8-1
딥러닝은 어떻게 학습하는걸까? - 데이터와 모델
25분
8-2
딥러닝은 어떻게 학습하는걸까? - 계산과정을 파헤치자
15분
8-3
딥러닝의 내부에서는 어떤일이 벌어지는걸까?
10분
8-4
딥러닝 학습에서 중요한건 뭘까?
10분
9-1
[문제 파악] 표정을 통해 감정 분석 서비스 처리
5분
9-2
[바이브 실습] 환경설정을 해보고 데이터를 확인하자
27분
9-3
[바이브 실습] 우리가 가진 데이터를 분할시켜야 하는 이유
10분
9-4
[바이브 실습] 모델 설계 + 전이 학습
23분
9-5
[바이브 실습] 모델 학습
23분
9-6
[바이브 실습] 모델 평가
27분
9-7
[바이브 실습] 나만의 AI 서비스 웹페이지 만들기
3분
9-8
프로젝트 그 후
2분
9-9
프로젝트 제출: 내 손으로 만든 표정 인식 모델
1시간
10-1
인공지능을 '활용'할 때 주의해야 할 사항
13분
10-2
인공지능을 '개발'할 때 주의해야 할 사항
10분
10-3
우리가 함께한 시간
7분

지금 90% 할인가에 시작하세요.