서울 엔비디아 아카데미 · AI 코어 엔지니어 과정 학습 포트폴리오 정리·큐레이션: @Seungpyo1007
Disclaimer / 고지. 본 조직은 NVIDIA와 무관한 비공식 개인 학습 포트폴리오입니다. This is an unofficial personal learning portfolio and is not affiliated with, endorsed by, or sponsored by NVIDIA Corporation. 조직명은 수강한 교육과정(서울 엔비디아 아카데미)을 나타내기 위한 것일 뿐입니다.
AI 코어 엔지니어 교육과정에서 파이썬 기초부터 생성 모델·AI 에이전트까지 밟아온 학습 여정을, 단순 실습 파일 모음이 아니라 주제별로 완결된 저장소로 재구성했습니다. 각 저장소는 개요·방법론·결과·실행법을 갖춘 하나의 독립된 프로젝트입니다.
브랜드 위기는 속도의 문제입니다. 초기 몇 시간의 대응이 피해 규모를 좌우하지만, 기존 모니터링은 "언급량 집계와 대시보드 조회"에 머물러 담당자가 직접 지표를 해석해야 합니다.
BrandGuard는 뉴스·블로그·웹 언급을 수집해 6개 특징 그룹(언급량·증가속도·감성·키워드·작성자·확산)으로 정량화하고, Isolation Forest + 룰 엔진으로 위험도를 3단계로 판정합니다. 그다음 LangGraph 상태기계가 위험도에 따라 경로를 분기해 원인을 분석하고 대응 리포트를 만든 뒤, 담당자 승인(Human-in-the-Loop) 을 거쳐야만 알림을 발송합니다.
| 특징 | 설명 |
|---|---|
| 오탐을 줄이는 설계 | 정상적 급증(신제품·이벤트)과 실제 리스크를 감성·키워드·작성자 패턴으로 구분. 학습(평상시) 분포 기준으로 스코어를 정규화해 평상시 오탐 제거 |
| 봇·노이즈 판별 | 소수 계정 반복 작성·신규 계정 비중으로 인위적 여론 조성 탐지 |
| 근거를 제시하는 탐지 | "언급량 급증(108건, 평상시 14건) · 부정 여론 73%(평상시 16%) · 5.7배 증가"처럼 판단 이유를 사람이 읽을 수 있게 출력 |
| 채널별 감성 분석 | 실측 비교 후 커뮤니티·SNS는 한국어 모델, 뉴스는 사전 기반으로 라우팅 |
| 전 계층 구현 | 수집 4채널 · 이상탐지 · LangGraph 에이전트 · Streamlit 대시보드 · FastAPI 12개 엔드포인트 · 스케줄러 · Slack/이메일 알림 · SQLite/PostgreSQL |
약 2,500줄 · 테스트 6/6 통과 · API 키 없이도 전체 파이프라인이 동작(데모 데이터·규칙 기반 자동 폴백)
→ 저장소 바로가기
각 저장소의 실제 실행 결과입니다. 지표를 만들어 넣지 않고, 코드를 돌려 나온 산출물만 담았습니다.
| 프로젝트 | 한 줄 소개 | 분야 |
|---|---|---|
| gan-mnist-image-generation | DCGAN으로 손글씨 숫자 생성, 학습 진행 시각화 | Generative |
| yolo-object-detection | YOLOv5 커스텀 과일 검출 + YOLOv8 추론 | Object Detection |
| korean-movie-review-sentiment | 형태소 분석 + LSTM 한국어 감성 분석 | NLP |
| medical-ct-transfer-learning | 폐 CT 영상 전이학습 분류 | Medical CV |
| 저장소 | 내용 |
|---|---|
| ai-fundamentals | 파이썬 문법·OOP·파일IO·정규식·크롤링 + NumPy/Pandas/시각화 |
| machine-learning-sklearn | KNN·회귀·SVM·결정트리·KMeans (scikit-learn) |
| deep-learning-keras | Keras MLP·배치정규화·오토인코더 |
| pytorch-fundamentals | PyTorch 기초 — Iris MLP·활성화 함수 |
| pytorch-mnist-classification | PyTorch MNIST·과적합·정규화 |
| computer-vision | CNN 이미지 분류·데이터 증강 |
| opencv-image-processing | OpenCV 영상처리 기초 |
| data-analysis-penguins | pandas EDA·시각화 (Palmer Penguins) |
| nlp | 나이브베이즈·워드임베딩·SimpleRNN |
| 저장소 | 내용 |
|---|---|
| pytorch-object-detection | 단일 객체 탐지 — VOC XML·바운딩박스·CNN |
| semantic-segmentation | 시맨틱 세그멘테이션 — FCN & U-Net |
| generative-models | 생성 모델 — VAE(PyTorch) & DCGAN(TensorFlow) |
| 저장소 | 내용 |
|---|---|
| company-analysis-agent | LangGraph 기업분석 에이전트 — 시세·뉴스 수집·리랭킹 → Word 보고서 |
| travel-planner-agent | Streamlit 여행일정 에이전트 — 구조화 출력 + 지도 동선 시각화 |
| ai-agent-course | 에이전트 개발 실습 — LangChain·RAG·LangGraph·스트리밍·FastAPI (13개 주제) |
| 저장소 | 내용 |
|---|---|
| nvidia-dli-deep-learning-notes | NVIDIA DLI 딥러닝 입문 과정 한국어 학습 노트 (7개 섹션) |
flowchart LR
A["Python 기초<br/>ai-fundamentals"] --> B["데이터 분석<br/>numpy·pandas·viz"]
B --> C["머신러닝<br/>machine-learning-sklearn"]
C --> D["딥러닝<br/>deep-learning-keras"]
D --> E["컴퓨터 비전<br/>computer-vision · YOLO · GAN"]
D --> F["NLP<br/>nlp · 한국어 감성분석"]
E --> G["응용: 의료영상 전이학습"]
- 언어/도구: Python, Git, Jupyter
- 데이터: NumPy, pandas, Matplotlib, seaborn, BeautifulSoup, trafilatura
- ML: scikit-learn (분류·회귀·군집·이상탐지)
- DL: TensorFlow / Keras, PyTorch
- CV: CNN, VGG16 전이학습, YOLOv5/v8, FCN·U-Net, DCGAN, VAE, OpenCV
- NLP: KoNLPy(형태소 분석), Word Embedding, RNN/LSTM, 한국어 감성 분석
- AI 에이전트: LangChain, LangGraph, RAG, 스트리밍, Human-in-the-Loop
- 서비스: Streamlit, FastAPI, PostgreSQL, ChromaDB
이 포트폴리오의 저자 프로필 → @Seungpyo1007 교육과정이 진행되며(2차·3차 …) 각 주제 저장소는 계속 심화·확장됩니다.
