교육 목표

정성적 목표

ㅇ 데이터 수집, 처리, 인공지능 모델 설계 능력 향상

ㅇ 현업에 적용 가능한 신기술 동향 분석 AI 모델 개발

정량적 목표

ㅇ 수료 : 18명 ㅇ 취업 : 10명

ㅇ 논문 : 2건 ㅇ 특허 : 1건

교육 대상

□재직자

■미취업자

■전공자

□비전공자

일정 및 기간

2024. 07. 02. ~ 08. 24. / 20일

교육 시간

총 160H

교육 수준

고급

교육 구분

AI

필요 역량

기술활용, 분석력

구분

내용

교육방법

시간

비고

소개

ㅇ 과정 소개 및 인공지능 모델 적용 사례

오프라인

4

교육

ㅇ 인공지능, 빅데이터 리터러시 교육

오프라인

12

교육

ㅇ 파이썬을 활용한 데이터 다루기

오프라인

16

교육

ㅇ 웹 크롤링과 데이터 수집

오프라인

16

교육

ㅇ 머신러닝 이론과 실습

오프라인

40

프로젝트

ㅇ 신기술 동향 분석 AI 모델 실전 개발

오프라인

72

계

160

구분

세부 교육내용

시수

과정 소개 및 리터러시 교육

ㅇ 전체 교육 프로그램 안내

ㅇ 인공지능 모델 적용 사례 : 최근 이슈 및 트렌드

4H

ㅇ 데이터 리터러시 교육

- 데이터 리터러시 개념 및 필요성, 데이터 리터러시의 핵심역량

ㅇ 인공지능 윤리 및 보안

- 적대적공격, 개인정보보호, 생성형 AI의 윤리적 활용 등

12H

데이터 수집, 처리 이론과 실습

ㅇ pandas를 활용한 데이터 다루기

- 파이썬 기본문법, 자료구조, pandas 라이브러리 익히기

16H

ㅇ 웹 크롤링과 데이터 수집

- HTML, CSS 기초(웹 크롤링에 필요한 범위), Requests, Beautifulsoup 라이브러리 익히기, 개발자 도구 활용하기, selenium 라이브러리 익히기

16H

머신러닝 이론과 싱습

ㅇ 머신러닝 기본 개념 이해하기

- Linear Regression(LR) 및 Gradient Descent 학습 알고리즘 이해 및 실습

- Logistic/Softmax Classification 이해 및 Binary/Multi-class Classification 실습

ㅇ 머신러닝을 위한 프레임워크 설치 : Tensorflow

40H

ㅇ 신경망과 딥러닝 이해하기

- NN 기본원리 및 구조 설명

- NN 학습을 위한 Back Propagation, Activation 함수, 최적화(Optimization) 기법 이해 및 실습

- DNN 문제점 (Overfitting) 해결, 정규화 방법

- 딥러닝 모델 소개(CNN, RNN, GAN 등)

AI 모델 실전 개발

ㅇ 신기술 동향 분석 AI 모델 실전 개발

- 요구사항 분석, 스테이트 다이어그램, GUI 명세서, 시퀀스 다이어그램, WBS 작성법

72H