교육 목표 | 정성적 목표 | ㅇ 지역산업체 데이터 혹은 기술 이슈에 대한 문제 해결 능력 향상 ㅇ 인공지능 및 컴퓨터 비전 분야에서 현업에서의 활용성 향상 ㅇ 인공지능 관련 경진 대회에 참가 |
정량적 목표 | ㅇ 수료 : 18명 ㅇ 취업 : 12명 ㅇ 대회 : 3건 |
교육 대상 | □재직자 | ■미취업자 | ■전공자 | □비전공자 |
일정 및 기간 | 2024. 07. 01. ~ 08. 23. 21일 | 교육 시간 | 총 160H |
교육 수준 | 중급 | 교육 구분 | AI | 필요 역량 | 기술활용, 분석력 |
구분 | 내용 | 교육방법 | 시간 | 비고 |
컴퓨터 활용 | ㅇ 인공지능을 위한 리눅스과정 | 오프라인 | 28H | |
ㅇ 파이썬 이론 및 실습 | 오프라인 | 28H | |
디지털 인문학 | ㅇ 디지털 인문학 개론 및 감성분석 실습 | 오프라인 | 16H | |
인공지능 | ㅇ 강화학습 이론 및 실습 | 오프라인 | 28H | |
ㅇ Intel OpenVINO 기반 컴퓨터 비전 실무 | 오프라인 | 28H | |
ㅇ 머신러닝 이론 및 실습 | 오프라인 | 32H | |
계 | | | 160H | |
|
구분 | 세부 교육내용 | 시수 |
인공지능을 위한 리눅스 | ㅇ 인공지능 개발을 위한 리눅스 시스템 이해와 명령어 실습 ㅇ 작업 자동화 방법과 쉘 스크립트 프로그래밍 | 28H |
ㅇ 리눅스 시스템 상에서 인공지능 시스템 개발 실습 |
파이썬 이론 및 실습 | ㅇ List, Tuple, Dictionary, Class와 Decorator ㅇ Numpy 및 응용 실습 | 28H |
ㅇ Pandas, Numpy ㅇ Pandas 데이터 응용 실습 |
디지털 인문학 | ㅇ 디지털 인문학 개론 ㅇ 비정형 데이터와 임베딩, 감성 분석 실습 | 16H |
강화학습 이론 및 실습 | ㅇ MDP, Bellman Equation, Policy/Value Iteration, SARSA, Q-learning 등 강화학습 기본 개념 이해 | 28H |
ㅇ 강화학습 프레임워크(OpenAI/Gym) 소개 및 알고리즘 활용 실습 |
ㅇ DQN, Actor-Critic, DDPG 등 강화학습 알고리즘 이해 및 실습 |
Intel OpenVINO 컴퓨터 비전 실무 | ㅇ OpenCV를 활용한 다양한 영상처리 기법 학습 | 28H |
ㅇ OpenVINO 소개 및 설치 ㅇ OpenVINO 학습 모델 |
ㅇ 얼굴 검출/인식 분석 데모 사용 모델 ㅇ OpenVINO 기반 얼굴 재식별 |
머신러닝 이론 및 실습 | ㅇ 머신러닝 기본개념 이해 ㅇ 딥러닝 Software 설치 및 TensorFlow, Keras, PyTorch 설명 | 32H |
ㅇ Linear Regression(LR) 및 Gradient Descent 학습 알고리즘 이해 및 실습 ㅇ Logistic/Softmax Classification 이해 및 Binary/Multi-class Classification 실습 |
ㅇ NN 기본원리, NN 학습을 위한 Back Propagation, Activation 함수, 최적화(Optimization) 기법 이해 및 실습 ㅇ DNN 문제점 (Overfitting) 및 해결방안 소개 |
