접수일정 | 2023-05-08 ~ 2023-06-14 |
---|---|
교육일정 | 2023-06-19 ~ 2023-08-11(평일, 14시~18시) (40 차수) |
교육대상 | 재직자, 창·취업준비자, 대학생 등(프로그래밍 경험이 없는 분) |
교육장소 | 임차교육장(삼산동, 신정동 부근 추후 통보 예정) |
강사명 | 송정수, 이단영, 장영민 |
정원 | 30 (등록인원 : 26명) |
교육방식 | 오프라인 |
주의사항 | ※ 로그인시 신청서 버튼이 표시되므로 로그인 후 신청하셔야 합니다. |
○ 과정명
- 인공지능 활용 빅데이터 분석 기초
○ 교육대상
- 재직자, 창·취업준비자, 대학생 등(프로그래밍 경험이 없으신 분)
○ 모집기간
- 2023년 05월 08일(월) ~ 06월 14일(수)
○ 교육일정
- 2023년 06월 19일(월) ~ 08월 11일(금) (평일, 14:00 ~ 18:00)
※ 교육일정은 변경될 수 있습니다.
○ 교육장소
- 임차교육장
(삼산동, 신정동 부근으로 추후 통보 예정)
○ 교육비
- 전액무료
○ 교육생 선발
이름 | 교과목 | 강의내용 | 시간 | |
송정수 | 파이썬 기초 | 데이터 사이언스 소개 파이썬 언어 및 실습 환경 데이터 종류 조건문 자료형 반복문 함수 클래스와 모듈 미니 프로젝트 | # 미니 프로젝트 수행 파이썬 문법을 활용한 | 40 |
이단영 | 데이터 분석 및 시각화 | numpy, pandas, matplotlib 소개 numpy 배열 인덱싱, 슬라이싱, 연산 pandas DataFrame 다루기 pandas를 이용한 데이터 가공 및 처리 matplotlib 활용 데이터 시각화 seaborn 활용 데이터 시각화 folium 활용 데이터 지도시각화 미니 프로젝트 | # 미니 프로젝트 수행 공공 데이터를 활용한 | 40 |
장영민 | 다양한 산업의 데이터 분석과 머신러닝 | 제 4차 산업혁명 소개 - 빅데이터, 인공지능 등 소개
공공분야 및 다양한 산업의 데이터 응용 사례 - 우리 동네(울산 등) 데이터 활용 실습
정형 데이터, 비정형 데이터 - 시각화 활용 산업밀접 데이터 분석
회귀 분석, 머신 러닝, 지도학습, 비지도학습 - 인공지능 활용 산업밀접 데이터 예측
미니 프로젝트 & 포트폴리오 | # 우리 동네 데이터 활용 실습 울산 데이터를 활용한 보건, 복지, 안전 상황 데이터 실습
# 미니 프로젝트 수행 산업밀접 데이터를 활용한 | 80 |
※ 교육과정은 내부 사정및 강사님 의견에 따라 조정될 수 있습니다.
인공지능 활용 빅데이터 분석 기초 - 주간과정
주간과정
기간 : 6월 19일(월) ~ 6월 30일(금) (총 10일)
강사 : 송정수
강의 주요 과정
Ch. 1. 데이터 사이언스 소개
Ch. 2. 파이썬 언어 및 실습 환경
Ch. 3. 데이터 종류
Ch. 4. 조건문
Ch. 5. 자료형
Ch. 6. 반복문
Ch. 7. 함수
Ch. 8. 클래스와 모듈
Ch. 9. 미니 프로젝트
교과목 | 주차 | 시간 | 주제 | 소제 |
파이썬 기초 | 1 | 4 | 데이터 사이언스 소개 | 데이터 사이언스 소개 |
파이썬이란? | 파이썬 소개 | |||
파이썬 설치 및 실행 | ||||
기본 연산 실습 | ||||
4 | 데이터 | 타입, 리터럴 값 | ||
산술연산, 비교연산 | ||||
변수, 복사 | ||||
연습문제 | 리터럴, 변수(10 문항) | |||
4 | 숫자 | 불리언, 정수 | ||
부동소수점, 수학함수 | ||||
연습문제 | 숫자(10 문항) | |||
미니프로젝트 A | 삼각함수 결과 구하기, 단리, 복리 원리합계 | |||
4 | If | True와 False, 비교연산, 논리연산 | ||
if~else | ||||
elif, in | ||||
반복문 | while | |||
for와 in | ||||
기타 이터레이터 | ||||
연습문제 | if(10 문항) | |||
미니프로젝트 B | UP&Down 숫자 맞추기 | |||
4 | 팀빌딩 | 4~5명 단위의 팀 빌딩 | ||
텍스트 문자열 | 문자열 생성, str(), 결합, 이스케이프 문자 | |||
복제, 추출, 슬라이싱, len(), split() | ||||
연습문제 | 문자열 처리(10 문항) | |||
2 | 4 | 튜플과 리스트 | 튜플 | |
리스트 | ||||
튜플 vs 리스트 | ||||
연습문제 | 튜플, 리스트(10 문항) | |||
4 | 딕셔너리와 셋 | 딕셔너리 | ||
셋 | ||||
자료구조 결합하기 | ||||
연습문제 | 자료구조(10 문항) | |||
4 | 함수 | 함수 정의 | ||
함수 호출 | ||||
인수와 매개변수 | ||||
미니프로젝트 C | 소프트맥스 함수 구현 | |||
4 | 객체와 클래스 | 클래스 | ||
객체 생성 | ||||
메서드 타입 | ||||
모듈과 패키지 | 모듈과 import | |||
패키지 | ||||
표준 라이브러리 | ||||
연습문제 | 모듈, 패키지(10 문항) | |||
4 | 미니프로젝트 D | 미니 포토샵 | ||
파일 열기, 저장 | ||||
프로그램 종료 | ||||
이미지 처리 |
미니프로젝트 진행 계획서
미니프로젝트 A-1
| 내용 | 비고 |
주제 | 삼각함수 |
|
사용 라이브러리 | numpy matplotlib |
|
데이터 셋 | 직접 입력한 데이터 |
|
분석 모델 | sin함수 cos함수 tan함수 |
|
내용 | 삼각함수 sin, cos, tan을 파이썬으로 구현해보기 | sin, cos, tan의 그래프 비교 |
미니프로젝트 A-2
| 내용 | 비고 |
주제 | 단리와 복리로 원리금 계산 |
|
사용 라이브러리 | 없음 |
|
데이터 셋 | 직접 입력한 데이터 |
|
분석 모델 | 단리 모델 복리 모델 |
|
내용 | 정기예금을 들 때 단리와 복리로 원리금을 계산 | 단리와 복리 비교 |
미니프로젝트 B
| 내용 | 비고 |
주제 | UP & Down 숫자 맞추기 |
|
사용 라이브러리 | numpy randint |
|
데이터 셋 | 직접 입력한 데이터 |
|
분석 모델 | if, elif, else |
|
내용 | UP & Down 숫자 맞추기를 파이썬으로 구현해보기 |
|
미니프로젝트 C
| 내용 | 비고 |
주제 | 소프트맥스 함수 구현 |
|
사용 라이브러리 | numpy matplotlib |
|
데이터 셋 | 직접 입력한 데이터 |
|
분석 모델 | 소프트맥스 함수 |
|
내용 |
신경망 활성화 함수 중 소프트맥스 함수 구현
|
|
미니프로젝트 D
| 내용 | 비고 |
주제 | 미니 포토샵 |
|
사용 라이브러리 | tkinter PIL
|
|
데이터 셋 | 직접 입력한 데이터 |
|
분석 모델 | 회귀분석 |
|
내용 | 포토샵의 다양한 기능 구현 |
|
인공지능 활용 빅데이터 분석 기초 - 주간과정
■ 주간과정
- 기간 : 7월 3일(월) ~ 7월 14일(금) (총 10일)
- 강사 : 이단영
■ 데이터분석의 이해
- numpy, pandas, matplotlib 소개
- numpy 배열 인덱싱, 슬라이싱, 연산
- pandas DataFrame 다루기
pandas를 이용한 데이터 가공 및 처리
- matplotlib 활용 데이터 시각화
- seaborn 활용 데이터 시각화
- folium 활용 데이터 지도시각화
단락별 미니 프로젝트 수행
종합 프로젝트 수행
■ 실습 방안
- 실습목적 : 다양한 파이썬 라이브러리를 학습한다. 준비된 데이터로 결측치, 이상치 데이터를 처리한 다음 분석한 데이터로 시각화하는 과정을 학습한다. 오픈 데이터, 공공 데이터를 활용하여 여러 방법으로 분석하고 시각화하는 과정도 학습한다. 학습 내용을 이해할 수 있도록 미니프로젝트를 수행해 봄으로써 분석 결과로 insight를 찾을 수 있는 능력을 기른다. open API, 웹 크롤링 데이터를 활용하는 과정도 학습한다. 전체 학습 내용을 활용하는 종합프로젝트 수행하는 것으로 전체 수업을 마무리 한다.
- 활용 라이브러리 : Numpy, Pandas, matplolib, Seaborn, folium 등
- 사용 데이터셋 예시
- 인구구조 분석 및 시각화
- 소비패턴 분석 및 시각화
■ 수강생 학습 능률 향상 방안
- 기본 개념을 학습하고 샘플 데이터셋(dataset)을 활용하여 바로 적용해 보는 실습 진행
미니프로젝트와 종합프로젝트 수행을 통해 데이터 분석 및 시각화 전반에 대한 이해도를 높임
프로젝트 진행을 위한 기본 Baseline 코드를 제공하여 누구나 쉽게 참여할 수 있도록 진행
교과목 | 주차 | 시간 | 주제 | 비고 |
데이터 분석 및 시각화
| 3 | 4 | · numpy, pandas 소개 · numpy . 인덱싱, 슬라이싱, 연산, 함수 · Pandas Series와 DataFrame · 데이터 연결 및 병합 |
|
4 | · Pandas Series와 DataFrame · 결측치 처리 · 계층적 인덱싱과 그룹화 · 피벗, 멜트 |
| ||
4 | . 데이터 파일 읽기/ 쓰기 . 공공데이터 사용법 |
| ||
4 | . Matplotlib 데이터 시각화 _ 기본 시각화 · line plot, scatter plot · hist plot, pie plot, subplot - 다양한 데이터 분석 및 시각화 |
| ||
4 | . 시계열 데이터 다루기 |
| ||
4 | 4 | · Seaborn 데이터 시각화 _ 고급 시각화 · distplot (relational), relplot (distributions) · catplot (categorical) · 국가통계포털 데이터 분석과 차트 시각화 - 인구구조 분석 및 시각화 | KOSIS | |
4 | · 웹 크롤링. - 웹 크롤링으로 데이터 분석 및 시각화 ·.API 사용법 |
| ||
4 | · folium 패키지 소개 _ 지도 시각화 · 지도의 종류 · 마커와 팝업 |
| ||
4 | . 공공 데이터 활용한 종합프로젝트 진행 - 소비패턴 분석 및 시각화 | 공공데이터 | ||
4 |
미니프로젝트 진행 계획서
미니프로젝트 1
| 내용 | 비고 |
주제 | 인구구조 분석 및 시각화 |
|
사용라이브러리 | Numpy, Pandas, Matplotlib, Seaborn |
|
데이터셋 | 시도별 인구 현황 Dataset | KOSIS |
분석과정 | - 데이터 보기, - 데이터 클린징 : 결측치 및 이상치 처리 - 데이터 탐색, - 데이터 시각화 분석 및 시각화 - 분석요약 : insight 도출 |
|
기타 | - 개별 프로젝트로 진행 - 제출로 결과 확인 |
|
미니프로젝트 2
| 내용 | 비고 |
주제 | 소비패턴 분석 및 시각화 |
|
사용라이브러리 | Numpy, Pandas, Matplotlib, Seaborn |
|
데이터셋 | 소비패턴 dataset | 공공데이터 |
분석모델 | - 데이터 보기, - 데이터 클린징 : 결측치 및 이상치 처리 - 데이터 탐색, - 데이터 분석 및 시각화 - 분석요약 : insight 도출 |
|
기타 | - 팀별 프로젝트로 진행 - 제출로 결과 확인 |
|
인공지능 활용 빅데이터 분석 기초 - 주간과정
주간과정
기간 : 7월 17일(월) ~ 8월 11일(금) (총 20일)
강사 : 장영민
강의 주요 과정
Ch. 1. 제 4차 산업혁명 소개
Ch. 2. 빅데이터, 인공지능 소개
Ch. 3. 우리 동네 데이터 활용 실습
Ch. 4. 다양한 산업의 동향 및 데이터
Ch. 5. 정형 데이터
Ch. 6. 비정형 데이터
Ch. 7. 회귀 분석
Ch. 8. 머신 러닝
Ch. 9. 산업밀접 데이터 활용
Ch. 10. 미니 프로젝트
실습 방안
실습 목적 : 다양한 산업 및 데이터의 형식을 이해하며 파이썬 프로그래밍 언어를 기반으로 사용할 수 있는 라이브러리를 통해 데이터를 효과적으로 전처리하여 시각화, 예측하는 실습을 진행함
IDLE editor, jupyter notebook, colab 등의 통합 개발 학습 환경 툴 사용능력을 향상시키며 프로그래밍 언어의 사용에 집중도를 높임
수업 진행 방향
초반에는 간단한 예제를 통하여 통합 개발 학습 환경 툴 사용을 복습하면서 스킬을 향상 시키며 프로그래밍 언어 사용의 집중도를 높임
다양한 프로그래밍 방법론을 제시하여 수강생의 유연한 프로그래밍이 가능하도록 유도함
미니 프로젝트 및 포트폴리오 수행을 통해 수강생들이 향 후 계획을 세울 수 있도록 미래 지향적인 수업을 진행함
교과목 | 주차 | 시간 | 주제 | 강의내용 |
다양한 산업의 데이터 분석과 머신러닝
| 5 | 4 | 제 4차 산업혁명 소개 | 산업혁명 과정 및 단계별 정리 |
빅데이터 산업 분야 | 빅데이터 산업 분야 | |||
4 | 다양한 산업의 데이터 응용 사례 | 빅데이터와 인공지능을 결합한 응용 사례 | ||
파이썬, 데이터 분석 리뷰 | 파이썬, 데이터 분석 리뷰 및 진행 방향 소개 | |||
4 | 구글 API 인증 및 키 생성 | API 사용자 인증 정보 입력 | ||
API 키 생성 | ||||
4 | 구글 API 활용 실습 | 우리 동네 데이터를 활용한 분석 실습1 | ||
4 | 구글 API 활용 실습 | 우리 동네 데이터를 활용한 분석 실습2 | ||
6 | 4 | 자동차 산업 분야 | 미래형 자동차 산업의 이해 | |
지능형 자동차 산업의 기술 동향 | ||||
정형 데이터 | ||||
4 | 미니 프로젝트1 | 주유소 데이터 분석 | ||
4 | 미니 프로젝트2 | 자동차 리콜 데이터 분석 | ||
4 | 반도체 산업 분야 | 반도체 산업의 이해 | ||
반도체 산업의 기술 동향 | ||||
반정형 데이터 | ||||
4 | 연습 문제 실습 | 반도체 특성 및 수율 분석 | ||
7 | 4 | 콘텐츠 산업 분야 | 영상 콘텐츠 산업의 이해 | |
딥러닝 분야의 기술 동향 | ||||
비정형 데이터 | ||||
4 | 인터페이스 실습 | 영상 데이터 수집 및 읽기 | ||
이벤트 처리 및 그리기 함수 | ||||
4 | 인터페이스 실습 | 동영상 데이터 수집 및 읽기 | ||
이벤트 처리 및 그리기 함수 | ||||
4 | 화소처리 실습 | 배열 연산 및 시각화 | ||
화소 처리 및 시각화 | ||||
4 | 미니 프로젝트3 | 데이터 합성 시각화 | ||
8 | 4 | 스마트팜 산업 분야 | 농축산 산업의 이해 | |
스마트팜 산업의 기술 동향 | ||||
정형 데이터 | ||||
4 | 머신러닝 전처리 실습 | 훈련 세트와 테스트 세트 | ||
4 | 머신러닝 예측 실습 | 회귀 분석 및 예측 실습 | ||
4 | 미니 프로젝트4 | 가축의 성별 구분 및 무게 예측 | ||
4 | 포트폴리오 작성 | 나만의 포트폴리오 만들기 |
미니프로젝트 진행 계획서
미니프로젝트 1
| 내용 | 비고 |
주제 | 주유소 데이터 분석 |
|
사용 라이브러리 | numpy, pandas, matplotlib, seaborn, folium |
|
데이터셋 | ||
분석모델 | 구글 API를 활용한 데이터 분석 |
|
기타 | <내용 및 절차> - 제공 데이터 분석 - 데이터 전처리 - 라이브러리 사용 및 결과 도출 |
|
미니프로젝트 2
| 내용 | 비고 |
주제 | 자동차 산업 데이터 분석 |
|
사용 라이브러리 | numpy, pandas, matplotlib, seaborn, wordcloud |
|
데이터셋 | 자동차결함 리콜현황.csv | 공공데이터포털 제공 데이터 |
분석모델 | 문자열 데이터를 이용한 분석 |
|
기타 | <내용 및 절차> - 제공 데이터 분석 - 데이터 전처리 - 라이브러리 사용 및 결과 도출 |
|
미니프로젝트 3
| 내용 | 비고 |
주제 | 데이터 합성 시각화 |
|
사용 라이브러리 | numpy, opencv |
|
데이터셋 | lion_face.jpg, man_face.jpg | github 제공 데이터 |
분석모델 | 영상 데이터를 이용한 시각화 |
|
기타 | <내용 및 절차> - 제공 데이터 분석 - 데이터 전처리 - 라이브러리 사용 및 결과 도출 |
|
미니프로젝트 4
| 내용 | 비고 |
주제 | 가축의 무게 예측 |
|
사용 라이브러리 | numpy, pandas, matplotlib, sklearn |
|
데이터셋 | ch5-1.csv ~ ch6-1.csv | github 제공 데이터 |
분석모델 | 회귀모델을 적용한 무게 예측 |
|
기타 | <내용 및 절차> - 제공 데이터 분석 - 데이터 전처리 - 라이브러리 사용 및 결과 도출 |
|
○ 교육생 혜택
- 출석율 70%(28차수, 112시간) 이상 시 수료증 발급
- 성적 우수자는 타 AI교육 신청 시 선발 우선권 부여
- 성적 우수자는 AI교육 강사양성으로 강사활동 기회 부여
- 교육이수 후 개별 프로젝트 개발 시 서버 활용 서비스 제공
- 교육 중도 포기자(미 수료자)는 연내 AI교육 수강 불가
- 구직 희망 교육생의 맞춤형 취업역량강화 프로그램 참여기회 제공
(컨설팅) 취업 및 진로에 대한 명확한 목표 방향 설정
(포트폴리오) 취업에 대한 사전준비 및 계획 구체화 작성
(동아리) 목표 지향적 자발적 자기 개발을 위한 운영
- 재직자 직무능력 및 구직자 역량 향상을 위한 ICT분야 자격증 취득 지원
(지원내용) 자격증 취득 수수료 지원 ※자격증 취득자에 한해 최대 10만원
(지원대상) 울산 AI교육과정 참여 교육생(교육기간 중 응시자에 한함)
(지원분야) 23년 NIPA 중점 신기술(데이터, IoT, 네트워크) 분야
(지원방법) 자격증 사본 제출 후 개인계좌 입금
○ 교육문의