교육 목표

정성적 목표

ㅇ 데이터 분석 기반 인공지능 원천 기술 교육

ㅇ 인공지능 알고리즘 기반 하드 코딩 개발자 양성

정량적 목표

ㅇ 수료 : 25명(4학년 12명, 3학년 8명), 취업 10명이상

교육 대상

□재직자

■미취업자

■전공자

□비전공자

일정 및 기간

2025. 03. 24. ~ 07. 18. / 26일

교육 시간

총 160H

교육 수준

중급

교육 구분

AI

필요 역량

기술활용, 분석력 등

구분

내용

교육방법

시간

비고

1장

ㅇ 훼손된 영상 복원 인공지능 알고리즘 및 응용

오프라인

40H

2장

ㅇ 데이터 분석 기반 비지도 학습 방법

오프라인

40H

3장

ㅇ 유전자 알고리즘의 응용 및 NEAT 알 고리즘

오프라인

40H

4장

ㅇ 기계 학습 기반 데이터 처리 및 응용

오프라인

40H

계

160H

구분

세부 교육내용

시수

교육 요약

ㅇ 훼손된 영상 복원 인공지능 알고리즘

- 훼손된 영상 특징 복원을 위한 Hopfield 네트워크 알고리즘 및 하드코딩

- 다양한 칼라 영상 특징 복원을 위한 IFAM 알고리즘 및 하드코딩

- 잡음 및 훼손된 패턴 분류를 위한 BAM 알고리즘 및 하드 코딩

- 개선된 다층 BAM 알고리즘 및 하드 코딩

- 주행 중인 차량에서 훼손된 번호판 인식 하드 코딩 기반 구현

40H

교육 요약

ㅇ 데이터 분석 기반 비지도 학습 방법

- 정량화된 데이터 분석 및 분류를 위한 K-Means 알고리즘 및

하드 코딩

- 비정량적 분류를 위한 Fuzzy C-Means 알고리즘 및 하드 코딩

- 효율적인 비정량적 데이터 분류를 위한 PFCM 알고리즘 및

하드 코딩

- 명암 대비 개선을 위한 FCM 기반 스트레칭 기법 및 하드 코딩

- PFCM 기반 하이브리드 지도 학습 알고리즘 및 하드 코딩

40H

교육 요약

ㅇ 유전자 알고리즘의 응용 및 NEAT 알고리즘

- 유전 알고리즘의 처리 과정 및 주요 기법

- 유전 알고리즘을 활용한 냅색 문제 해결 실습

- 유전 알고리즘을 활용한 TSP 해결 실습

- 신경망과 유전 알고리즘을 함께 활용하는 NEAT 알고리즘 개요

- NEAT 알고리즘을 활용한 뱀게임 자동 플레이 알고리즘 개발 실습

40H

교육 요약

ㅇ 기계 학습 기반 데이터 처리 및 응용

- 의사 결정 트리를 이용한 선형 데이터 분류

- 데이터 분석을 위한 베이즈 네트워크

- 데이터 분석을 위한 선형판별 분석 기법

-  주성분 분석 (Principal Component Analysis)

- YOLO V5을 이용한 데이터 분류 및 인식

40H