교육 목표 | 정성적 목표 | ㅇ 지역산업체 데이터 혹은 기술이슈를 바탕으로 문제해결 ㅇ 지역 데이터의 기술 한계를 공유하고 대응되는 효과적인 기술에 대해 제안 ㅇ 제조데이터 특화된 요소기술 개발 |
정량적 목표 | ㅇ 수료 : 18명 ㅇ 취업 : 12명 ㅇ 논문 : 1건 ㅇ 특허 : 1건 |
교육 대상 | □재직자 | ■미취업자 | ■전공자 | □비전공자 |
일정 및 기간 | 2024. 07. 01. ~ 08. 23. 중 21일 | 교육 시간 | 160H |
교육 수준 | 고급 | 교육 구분 | IoT | 필요 역량 | 기술활용, 분석력 |
구분 | 내용 | 교육방법 | 시간 | 비고 |
소개 | ㅇ 제조기업 기술 이슈 (재직자 초청) | 오프라인 | - | 내부진행 |
교육 | ㅇ 디지털 인문학 개론 및 감성분석 실습 | 오프라인 | 16H | |
교육 | ㅇ 딥러닝 기반 이미지/비디오 개선 | 오프라인 | 40H | |
교육 | ㅇ 임베디드 기반 머신비전 | 오프라인 | 40H | |
프로젝트 | ㅇ 감성 데이터 활용 실전 개발 및 시각화 | 오프라인 | 64H | |
계 | | | 160H | |
|
구분 | 세부 교육내용 | 시수 |
디지털 인문학 | ㅇ 디지털 인문학 개론 ㅇ 감성 분석을 통한 비정형 인문 데이터 분석 실습 | 16H |
딥러닝 기반 이미지/비디오 개선 | ㅇ CNN 신경망 실습을 위한 개발환경 구축 ㅇ CNN 기반 주요 신경망 설계기법(Skip Connection, Dense Layer, Channel Attention) 실습 | 40H |
ㅇ CNN 기반 이미지 화질개선을 위한 신규 SR/AR 신경망 제안 및 구현 ㅇ CNN 기반 비디오 SR/AR 최신 신경망 소개 및 주요 네트워크 실습 |
ㅇ CNN 기반 동영상 화질개선을 위한 저복잡도 환경의 Lightweight -SR/AR 신경망 제안 및 구현 |
임베디드 기반 머신비전 | ㅇ 객체 인식, 분류, 추적을 위한 딥러닝 네트워크 개념 ㅇ 임무별 평가척도 도출방법 및 실습 | 40H |
ㅇ MPEG VCM(Video Coding for Machine)에서 활용하고 있는 SOTA 네트워크 분석 및 실습 |
ㅇ 영상 및 이미지 기반 영상분석 솔루션 개발 및 경진대회 출전 ㅇ 임베디드 머신비전 기반 요소기술 개발 |
감성 데이터 활용 실전 개발 및 시각화 | ㅇ OpenGL 기반 3D 탐색 환경 구축 ㅇ 3D 데이터 입출력 라이브러리 학습 ㅇ BVH를 활용한 3D 알고리즘 최적화 | 64H |
ㅇ 감성 데이터 분석 및 시각화 연계 |
ㅇ 결과 정리, 발표 장표 제작 및 보고서 작성 ㅇ 프로토타입 개발 실습 진행 (팀협력) |
재직자 세미나 초청 | ㅇ 지역기업이 필요로하는 기술이슈에 대한 공유, 필요한 컴퓨팅 하드웨어 등을 공유 | - |
