나에게 필요한 지식과 기술을 검색해 보세요.

대표이미지

YOLO-NAS 파인튜닝으로 완성하는 풀스택 컴퓨터 비전

YOLO-NAS + v8 Full-Stack Computer Vision Course

강사

리테시 칸지

강의

70강

시간

8h 18m

수강기간

6개월

레벨

중급

정가

150,000원

총 결제 금액

150,000원

적립 예정

4,500P

평생교육이용권 사용안내

이 강의는 평생교육바우처로 결제할 수 있습니다.

YOLO-NAS와 v8 완전 정복: 모델 학습 부터 Flask 웹, Kivy 모바일 앱 배포까지 한 번에 끝내는 풀스택 로드맵


YOLO-NAS + v8 · Full-Stack · Edge AI

YOLO-NAS 파인튜닝으로 완성하는 
풀스택 컴퓨터 비전

단 8시간 만에 YOLO-NAS 커스텀 학습 → Flask 웹 대시보드 → Kivy 모바일 앱 → Jetson Nano 엣지 배포까지 실제 서비스 구현 흐름으로 연결하는 실전 강의입니다.

모델 학습에서 끝내지 않고, 웹·모바일·엣지로 이어지는 ‘풀스택 배포’ 역량을 완성합니다.

한 눈에 강의 보기

 

핵심 가치
풀스택 배포 역량 — 웹(Flask) · 앱(Kivy) · 엣지(Jetson/Docker)까지 배포 파이프라인 구축
결과물
Flask 웹 대시보드 · Kivy 모바일 앱 · Jetson Nano 엣지 배포까지 이어지는 실전 포트폴리오
학습 방식
핵심 이론만 짚고, 프로젝트 실습 중심으로 빠르게 완성
핵심 역량
1
커스텀 데이터 학습 및 파인튜닝 중심의 모델 최적화
 
2
우분투/윈도우/구글 코랩 기반의 멀티 환경 실습 및 운영 노하우
 
3
DeepSORT/Bytetrack 기반 객체 추적과 영역 분할 심화
총 러닝타임
총 8시간 18분 핵심 압축
구성
11개 챕터 · 70개 강의

AI 컴퓨터 비전 개발, 이런 고민이 있으신가요?

😰 모델 성능은 좋은데, 막상 웹이나 앱 서비스로 만드는 법을 모르겠어요
😞 주피터 노트북에서만 돌아가는 코드는 이제 지겨워요. 실제 제 로컬 환경에서 실행해 보고 싶어요
😓 YOLOv8은 써봤는데, 최신 YOLO-NAS는 어떻게 다르고 어떻게 학습시켜야 할까요?
😔 단순 감지를 넘어, 객체 추적이나 영역 분할까지 깊게 배우고 싶어요.

이런 분들을 위해 만들었습니다

AI 개발자 지망생
모델링을 넘어 서비스 전체를 만드는 풀스택 역량으로 포트폴리오 경쟁력을 높이고 싶은 분
현업 엔지니어 · 데이터 과학자
파이토치 모델을 ONNX/TensorRT/TFLite/OpenVINO 등으로 변환·최적화해 운영해야 하는 분
하드웨어 · IoT 관심자
Jetson Nano + 도커로 엣지 디바이스에서 AI를 구동하고 싶은 분

이 강의를 듣고 나면 무엇이 달라지나요?

✅ 풀스택 배포 능력 확보
Flask 웹 애플리케이션부터 Kivy 기반 모바일 앱까지, 모델을 서비스화하는 전 과정을 연결합니다.
✅ 커스텀 데이터셋 완벽 제어
Roboflow를 활용해 전처리/증강(augmentation)까지 포함한 데이터 파이프라인을 구성합니다.
✅ 고급 추적·분할 심화
DeepSORT/Bytetrack 연동으로 영상 객체 추적, 영역 분할로 형태 단위 인식까지 확장합니다.
총 10개의 실전 포트폴리오 완성
이 강의는 “따라 하기만 하는 예제”가 아닙니다. 웹·모바일·엣지 디바이스를 넘나들며, 현업에서 즉시 활용 가능한 10가지+ 실전 AI 솔루션을 직접 구현합니다.
1
산업 및 안전 관제 솔루션 (Web/Flask)
YOLO-NAS 모델을 Flask 웹 프레임워크와 연동하여 실시간 모니터링 대시보드를 구축합니다.
🏭 광산/건설 안전 장비 감지 (Mining Safety Check)
작업자의 헬멧/안전 조끼 착용 여부를 실시간 판별하고 경고 조건(임계값/영역)을 적용합니다.
🔥 연기 및 화재 감지 (Smoke Detection)
CCTV 영상에서 연기 발생을 조기에 감지하고 알림/로그 기반의 운영 흐름을 구성합니다.
📊 소매점 히트맵 (Retail Heat Maps)
매장 내 고객 이동 경로/체류 시간을 분석해 히트맵으로 시각화하고 인사이트를 제공합니다.
♻️ 플라스틱 폐기물 분류
카메라 영상에서 플라스틱 폐기물을 자동 탐지해 환경 모니터링/분류 자동화를 구현합니다.
2
크로스 플랫폼 모바일 앱 (Mobile/Kivy)
PC에서 학습한 모델을 TFLite로 변환하고, Kivy로 안드로이드 앱(APK)으로 배포합니다.
🤟 수화 인식 앱 (Sign Language Recognition)
스마트폰 카메라 입력으로 손동작을 인식해 의미를 텍스트로 변환하는 실시간 워크플로를 구현합니다.
📄 AI 문서 스캐너 (Document Scanner)
문서 영역 탐지 + OCR(EasyOCR) 연동으로 텍스트를 디지털로 추출하고 저장/공유 흐름을 구성합니다.
👥 유동 인구 카운팅 (People Counting)
특정 구역 통과 인원을 시간대별로 집계하고, 앱 내 그래프로 시각화해 리포팅까지 연결합니다.
3
정밀 분석 및 엣지 배포 (Advanced & Edge)
단순 박스 탐지를 넘어 픽셀 단위 분석과 하드웨어 최적화/배포까지 다룹니다.
🎮 게임 화면 객체 탐지·타겟 트래킹 데모 (교육용)
게임 화면에서 객체를 탐지하고 트래킹하는 컴퓨터 비전 파이프라인을 구현합니다. (학습/데모 목적)
🏗️ 미세 균열 감지 (Crack Detection)
Segmentation으로 구조물 균열을 픽셀 단위로 분리하고, 크기/길이 측정 등 정량 분석까지 연결합니다.
🤖 엣지 디바이스 배포 (Edge AI)
모델을 도커 컨테이너로 패키징하고 NVIDIA Jetson Nano에 탑재해 독립형 AI 장비를 구축합니다.
요약
웹/모바일/엣지까지 이어지는 10가지+ 솔루션을 구현하면서, “모델 학습 → 서비스화 → 배포/운영”의 전체 사이클을 완성합니다.

커리큘럼 로드맵

전체 구성: 11개 챕터 | 70개 강의 | 8시간 18분 | 기초부터 배포까지 풀코스
STEP 1 · YOLO-NAS 모델 학습 & 커스텀 데이터 (챕터 1-2)
핵심 내용
YOLOv8과 YOLO-NAS 아키텍처 비교 및 환경 설정(우분투/윈도우/구글 코랩)
 
메인 프로젝트

  • 폐기물 분류(Waste Sorting) 데이터셋 구축 및 전처리

  • Roboflow 기반 데이터 증강 및 커스텀 모델 학습 파이프라인 완성

STEP 2 · 객체 추적(Tracking) & 모델 경량화 (챕터 3-4)
핵심 내용
단순 탐지를 넘어 객체의 이동 경로를 추적하는 기술과 모델 포맷 변환/최적화.
 
메인 프로젝트

  • DeepSORT, Bytetrack, FairMOT 연동 다중 객체 추적기 구현

  • 파이토치 모델을 ONNX/CoreML/OpenVINO/TensorRT로 변환하여 속도 최적화

STEP 3 · 웹(Flask) 기반 풀스택 애플리케이션 (챕터 5-6)
핵심 내용
백엔드(Flask)와 프론트엔드 대시보드를 결합한 완전한 웹 서비스 개발.
 
메인 프로젝트

  • 소매점 히트맵 · 안전 장비(PPE) 감지 · 연기 감지 등 운영형 웹 앱 구현

  • 게임 화면 기반 객체 탐지/트래킹 데모(교육용) 포함

STEP 4 · 모바일(Kivy) 앱 개발 및 배포 (챕터 7-8)
핵심 내용
파이썬 코드로 안드로이드 앱(APK)을 만들고 실제 스마트폰에 배포하는 흐름.
 
메인 프로젝트

  • Buildozer를 이용한 APK 패키징 및 디버깅

  • 수화 인식 · 문서 스캐너 · 사람 카운팅 등 모바일 앱 3종 개발

STEP 5 · 세그멘테이션 & 엣지(Edge) 배포 (챕터 9-11)
핵심 내용
픽셀 단위의 정밀 분석(Segmentation)과 하드웨어(엣지) 배포까지 마무리.
 
메인 프로젝트

  • YOLO-NAS + SAM(Segment Anything Model) 결합 균열(Crack) 감지 및 측정

  • 도커 컨테이너화 및 NVIDIA Jetson Nano 실전 탑재 실습

  • 추가 학습: VegGPT 및 최신 업데이트 내용

왜 이 강의를 선택해야 할까요?

1) 압도적인 기술 범위 (Full-Stack)
❌ 모델 학습에서 끝
✅ 웹(Flask) · 모바일(Kivy) · 엣지(Jetson)까지 한 번에 연결
2) 최신 SOTA 모델 (YOLO-NAS)
❌ 구버전 YOLO만 답습
✅ YOLO-NAS와 YOLOv8 비교·활용
3) 실무 밀착형 프로젝트
❌ 예제 데이터 반복
✅ 리테일 히트맵 · 산업 안전 감지 · 문서 스캔 등  현업에서 활용 가능한 프로젝트
4) 최적화/변환까지 한 번에
✅ ONNX/TensorRT/TFLite/OpenVINO 변환 흐름
✅ 속도·메모리 기준으로 실전 튜닝

자주 묻는 질문 (FAQ)

Q1. 선수 지식이 필요한가요?
A. 파이썬 기초와 머신러닝 기본 개념이 있으면 수강 가능합니다. 파이토치 경험이 있으면 도움이 되지만 필수는 아닙니다.
Q2. 실습 환경은 어떻게 되나요?
A. 윈도우와 우분투를 지원하며, GPU가 없더라도 구글 코랩 기반 학습 흐름을 안내합니다.
Q3. 어떤 장비가 필요한가요?
A. 기본 실습은 PC로 충분합니다. 엣지 배포를 직접 실습하려면 Jetson Nano가 필요하지만, 장비가 없어도 대체 학습(시뮬레이션/가이드)이 가능합니다.

지금, 당신의 AI 모델을
세상 밖으로 꺼내세요

노트북 속에만 갇혀 있는 모델은 의미가 없습니다.
YOLO-NAS + v8 Full-Stack 코스로 나만의 AI 서비스를 직접 배포하고,
풀스택 CV 엔지니어로 성장하세요.

✅ 전체 소스 코드 제공 · ✅ 깃허브 레포지토리 공개 · ✅ 업데이트 반영
“시작하는 가장 완벽한 타이밍은 바로 지금입니다.”

강사

리테시 칸지

리테시 칸지

리테시 칸지(Ritesh Kanjee)는 생성형 AI, LLM, 로보틱스, 드론, 엣지 AI를 아우르는 최첨단 AI 교육 과정을 제공하는 선도 교육 기업인 Augmented AI의 창립자입니다. AI 기술 접근성의 민주화를 통해 개인과 조직이 빠르게 변화하는 AI 환경에서 경쟁력을 갖추도록 지원합니다.

커리큘럼

1-1차시 YOLOv8에서 YOLO-NAS로 업그레이드하는 방법

11:18

02

1-2차시 YOLO-NAS + v8 소개

04:18

03

1-3차시 YOLO-NAS + v8의 구조 및 다른 모델과의 비교

05:26

04

1-4차시 Ubuntu에서 YOLO-NAS + v8 실행하기

03:41

05

1-5차시 Windows에서 YOLO-NAS + v8 실행하기

08:59

06

1-6차시 Google Colab에서 YOLO-NAS + v8 실행하기

11:30

07

1-7차시 Google Colab에서 이미지, 비디오 및 웹캠을 통한 YOLO-NAS + v8 객체 탐지

13:48

08

1-8차시 YOLO-NAS + v8의 일반적인 사용 사례

03:07

09

1-9차시 사전 훈련된 YOLO-NAS + v8 모델 파인튜닝

06:46

10

2-1차시 YOLOv8의 훈련 과정

04:23

11

2-2차시 사용자 정의 데이터셋에서 YOLO NAS 훈련하기

27:30

12

2-3차시 사용자 정의 데이터셋 폐기물 분류 탐지

13:49

13

2-4차시 데이터 전처리

04:20

14

2-5차시 데이터 증강

02:56

15

2-6차시 Roboflow에서 모델 훈련, 테스트 및 배포

08:43

16

2-7차시 AI 데이터 주석을 위한 Roboflow 모델 사용

02:54

17

3-1차시 다중 객체 추적(MOT) 소개

05:13

18

3-2차시 DeepSORT와 함께하는 YOLO-NAS + v8

20:41

19

3-3차시 Bytetrack과 함께하는 YOLO-NAS + v8

09:51

20

3-4차시 FairMOT과 함께하는 YOLO-NAS + v8

08:44

21

3-5차시 Streamlit 대시보드에서 YOLO-NAS + v8 및 추적 통합하기

21:18

22

4-1차시 모델 변환 개요

03:40

23

4-2차시 모델 변환을 위한 환경 설정

02:13

24

4-3차시 PyTorch 모델을 CoreML로 변환하기

02:55

25

4-4차시 PyTorch 모델을 OpenVino로 변환하기

01:27

26

4-5차시 PyTorch 모델을 TensorFlow로 변환하기

01:32

27

4-6차시 PyTorch 모델을 TensorRT로 변환하기

01:48

28

5-1차시 Flask 애플리케이션 설정하기

03:02

29

5-2차시 Flask와 YOLO-NAS + v8 통합하기

15:28

30

5-3차시 프론트엔드 디자인하기

19:14

31

6-1차시 소매 열 지도(Retail Heat Maps)

14:08

32

6-2차시 광산 안전 점검 - 안전모, 보호 안경, 안전 조끼

35:36

33

6-3차시 보안 카메라를 이용한 플라스틱 폐기물 탐지

12:42

34

6-4차시 연기 탐지

07:38

35

6-5차시 YOLOv8/NAS를 이용한 CS-GO 에임봇 게임 만들기

21:51

36

7-1차시 모바일 개발 소개

04:20

37

7-2차시 Kivy 애플리케이션 설정하기-1

01:11

38

7-3차시 Kivy 애플리케이션 설정하기-2

01:00

39

7-4차시 대시보드 설정하기

04:49

40

7-5차시 Kivy와 YOLO-NAS + v8 통합하기

03:17

41

7-6차시 TFlite로 변환하기

00:59

42

7-7차시 Kivy의 위젯과 버튼-1

02:05

43

7-8차시 Kivy의 위젯과 버튼-2

01:57

44

7-9차시 Kivy의 위젯과 버튼-3

03:02

45

7-10차시 Kivy의 위젯과 버튼-4

00:19

46

7-11차시 배포 및 테스트

01:29

47

7-12차시 사용자 인터페이스 수정하기

04:47

48

7-13차시 Buildozer 설정하기

02:30

49

7-14차시 애플리케이션 디버깅

00:57

50

7-15차시 애플리케이션 실행하기

01:04

51

7-16차시 검색 바 업데이트하기

02:50

52

7-17차시 슬라이더 업데이트하기

03:04

53

7-18차시 내비게이션 드로어 추가하기

02:40

54

7-19차시 앱 설정 및 실행하기

01:04

55

8-1차시 모바일 앱 소개

02:23

56

8-2차시 시간에 따른 인원 수 카운팅

17:33

57

8-3차시 문서 스캐너 (Easy-OCR 사용)

07:00

58

8-4차시 수화 인식

12:53

59

8-5차시 막대 그래프 위젯 시각화

09:03

60

9-1차시 객체 분할 소개

02:33

61

9-2차시 객체 분할 모델 설정하기

01:57

62

9-3차시 데이터 수집, 주석 및 건강 검사기

01:21

63

9-4차시 데이터 전처리 및 증강

01:40

64

9-5차시 GPU에서 훈련 및 배포

03:00

65

9-6차시 균열 탐지 및 픽셀 크기 측정

06:07

66

9-7차시 YOLO-NAS + SAM 분할

03:45

67

10-1차시 Docker를 위한 YOLO-NAS 배포

06:59

68

10-2차시 Jetson NANO를 위한 YOLO-NAS 배포

21:28

69

11-1차시 VegGPT

09:25

70

11-2차시 Ultralytics 업데이트: YOLOv8 객체 바운딩 박스

05:38

수강 후기

첫번째 리뷰어가 되어주세요.

소중한 후기가 다른 분들께 도움이 될 거에요.

150,000원

150,000원