교육 목표 | 정성적 목표 | ㅇ 지역산업체 데이터 혹은 기술 이슈에 대한 문제 해결 능력 향상 ㅇ 지식그래프 데이터 플랫폼 분야에서 현업에서의 활용성 향상 |
정량적 목표 | ㅇ 수료 : 18명 ㅇ 취업 : 12명 ㅇ 논문 : 2건 ㅇ 특허 : 1건 |
교육 대상 | □재직자 | ■미취업자 | ■전공자 | □비전공자 |
일정 및 기간 | 2024. 07. 01. ~ 08. 23. 21일 | 교육 시간 | 총 160H |
교육 수준 | 고급 | 교육 구분 | AI | 필요 역량 | 기술활용, 분석력 |
구분 | 내용 | 교육방법 | 시간 | 비고 |
소개 | ㅇ 제조기업 실제 데이터의 공유 및 안내 | 오프라인 | 5H | |
교육 | ㅇ 디지털 인문학 개론 및 감성분석 실습 | 오프라인 | 16H | |
교육 | ㅇ 지식그래프 이론 및 구축 실무 | 오프라인 | 50H | |
교육 | ㅇ 에너지 전력 빅데이터 실무 | 오프라인 | 24H | |
프로젝트 | ㅇ 제조데이터 지식그래프 플랫폼 실전개발 | 오프라인 | 60H | |
평가 | ㅇ 프로토타입에 대한 기업 재직자의 평가 | 오프라인 | 5H | |
계 | | | 160H | |
|
구분 | 세부 교육내용 | 시수 |
디지털 인문학 | ㅇ 디지털 인문학 개론 ㅇ 감성 분석을 통한 비정형 인문 데이터 분석 실습 | 16H |
지식그래프 이론 및 구축 실무 | ㅇ 그래프 타입과 구조 ㅇ 그래프의 다양한 유형과 알고리즘 종류 | 50H |
ㅇ 예제 : 교통정보 그래프 ㅇ 넓이우선/깊이우선 검색, 최단거리 검색, 랜덤워크, 최소 신장 트리 |
ㅇ 예제 : 소셜네트워크 그래프 ㅇ Degree centrality, Closeness centrality, Betweeness centrality |
ㅇ 예제 : 소프트웨어 커뮤니티 그래프 ㅇ Triangle Count and Clustering Coefficient, Strongly Connected Components, Label Propagation, Louvain Modularity |
에너지 전력 빅데이터 실무 | ㅇ 에너지/전력과 스마트그리드 이론 | 24H |
ㅇ 에너지/전력 공공데이터 실습 |
ㅇ 머신러닝 기법 적용 에너지/전력 빅데이터 활용 및 실습 |
제조데이터 지식그래프 플랫폼 실전개발 | ㅇ 제조기업 현장 데이터 소개 ㅇ 예시) CMM, 구매/물류, 납품데이터, 항만물류 데이터 | 60H |
ㅇ 제조데이터 모델링에 대한 기존 사례 방법 ㅇ 제조데이터 모델 기반 인스턴스 생성 ㅇ DB를 통한 데이터 관리 및 질의 구성 |
ㅇ 그래프 이론을 사용하여 제조데이터의 고도화 ㅇ 머신러닝/딥러닝 이론을 사용하여 자동화 된 분류/예측 |
ㅇ 요소기술로서 App배포 작업 (with streamlit app) ㅇ 프로토타입 개발 실습 진행 (팀협력) |
소개 및 평가 | ㅇ 제조기업 실무자가 데이터에 대한 소개 및 요구사항 안내, 팀 단위로 주제를 배정 ㅇ 프로젝트 결과를 발표 및 웹으로 공유, 실무자에 의한 정성적/정량적 평가, 공동기술개발의 성과여부 판단 | 10H |
