로그인 후 신청할 수 있으며, 정원이 찼거나 이미 신청한 강의는 신청할 수 없습니다. 신청 내역은 [마이페이지 > 학습정보]에서 확인합니다.
22년도 1차 인공지능 기본과정(주말 전일반, 대구)
별도 접수(https://hub.aifor.kr/page/edu/crs/eduCourseInfoList.do)
| 회차 | 주제 | 내용 |
|---|---|---|
| 1 | 1. 인공지능을 위한 Python 1-1. 인공지능 개요 1-2. 파이썬 살펴보기 1-3. 파이썬 개발환경 구축 1-4. 파이썬 메모리와 변수 | 이론 및 실습 · 자체교재 |
| 2 | 1.5. 입력과 출력 1.6. 자료형 1.6.1. 기본 자료형 1.6. 2. 시퀀스 자료형 1.6. 3. 맵핑 & 집합 자료형 1.7. 제어문 1.7.1. 조건문 1.7. 2. 반복문 1.8. 함수 1.8.1. 다양한 함수 형태 1.8.2. 람다함수 | · 자체교재 |
| 3 | 1.9. 클래스와 객체 1.9.1. 클래스와 객체 관계 1.9.2. 상속과 오버라이딩 1.10. 모듈과 패키지 1.10.1. 모듈 이해 및 다양한 모듈 활용 1.10.2. 패키지 이해 및 다양한 패키지 활용 1.11. 예외처리와 파일입출력 1.11.1. 예외처리 이해 및 활용 1.11.2. 파일 입출력 | · 자체교재 |
| 4 | 2. Python기반 AI 라이브러리 2-1. AI 오픈소스 라이브러리 살펴보기 2.1.1. 오픈소스 이해 및 AI라이브러리 2.1.2. 오픈소스 2-2. Jupyter Notebook 개발환경 2-3. 웹 데이터 수집 라이브러리 2.3.1. 웹 데이터 수집 원리 이해 2.3.2. 웹 스크래핑 라이브러리 활용 | 이론 및 실습 · 자체교재 |
| 5 | 2-4. 수학 및 수치 분석 라이브러리 2.3.1. 기초 수학 / 행렬 이해 2.3.2. Numpy 라이브러리 활용 2-5. 데이터 분석 2.4.1. 데이터 이해 2.4.2. Pandas 라이브러리 활용 데이터 분석 | 이론 및 실습 · 자체교재 |
| 6 | 2-6. 데이터 시각화 2.5.1. Matplotlib 라이브러리 활용 시각화 2.5.2. Seaborn 라이브러리 활용 시각화 3. Scikit-learn기반 Machine Learning 3-1. 머신러닝 알고리즘 개념 이해 3.1.1. 머신러닝 동작원리 3.1.2. 머신러닝 문제점 및 해결 방안 3.1.3. 머신러닝 알고리즘 3-2. 지도학습 3-2-1. Regression 3-2-1.1. 개념 이해 및 성능 평가 지표 3-2-1.2. Linear Regression | 이론 및 실습 · 자체교재 |
| 7 | 3-2-1.3. Logistic Regression 3-2-1.4. Lasso / Ridge Regression 3-2-2. Classification 3-2-2-1. 개념 이해 및 성능 평가 지표 3-2-2-2. SVM 3-2-2-3. Decision Tree / RandomForest 3-2-2-4. K-NN | 이론 및 실습 · 자체교재 |
| 8 | 3-3. 비지도학습 3-2-1. Clustering 개념 이해 - K-means 3-2-2. 특징추출 개념 이해 - PCA 3-4. 모델 선택 및 평가 3-4-1. 모델 선택 기준 및 방법 3-4-2. 데이터 전처리 3-4-2-1. 데이터 인코딩 3-4-2-2. 피쳐 스케일링 3-4-3. 모델 검증 및 튜닝 3-4-3-1. K-fold 3-4-3-2. Grid Search | 이론 및 실습 · 자체교재 |
| 9 | 4. Keras기반 Deep Learning 4-1. 딥러닝 아키텍쳐 이해 4.1.1. 딥러닝 구조 및 동작원리 4.1.2. 딥러닝 문제점과 해결 방안 4.1.3. 딥러닝 알고리즘 4-2. Tensorflow & Keras 프로그램 4.2.1. Tensorflow & Keras 살펴보기 4.2.2. Tensorflow & Keras 기초 문법 4-3. ANN & MLP 4.3.1. Perceptron 개념 이해 및 프로그램 4.3.2. Logistic / Softmax Regression 4.3.3. MLP | 이론 및 실습 · 자체교재 |
| 10 | 4-4. CNN 4.4.1. CNN 개념 이해 4.4.2. 전이학습 4.4.3. 이미지 분류 - LeNet-5，AlexNet，VGG-Net 4.4.4. 객체인식 - R-CNN，Fast R-CNN，Faster R-CNN 4-5. GAN 4.5.1. GAN개념 이해 4.5.2. 이미지 생성 및 분류 4-6. RNN 4.6.1. RNN 개념 및 구조 이해 4.6.2. LSTM 개념 및 구조 이해 4.6.3. RNN & LSTM 활용 분류 | 이론 및 실습 · 자체교재 |
| 11 | 4-6. RNN 4.6.1. RNN 개념 및 구조 이해 4.6.2. LSTM 개념 및 구조 이해 4.6.3. RNN & LSTM 활용 분류 | 이론 및 실습 · 자체교재 |
