로그인 후 신청할 수 있으며, 정원이 찼거나 이미 신청한 강의는 신청할 수 없습니다. 신청 내역은 [마이페이지 > 학습정보]에서 확인합니다.
| 회차 | 주제 | 내용 |
|---|---|---|
| 1 | 오리엔테이션 및 팀 구성 "목표: 프로젝트 목표 이해， 팀원 역할 분담 학습 내용: 프로젝트 소개 및 경진대회 출품 준비 팀 구성 및 역할 분담 (팀 리더， 데이터 분석가， 모델 개발자 등) 프로젝트 목표 설정 및 일정 계획 필요한 개발 도구 소개 (Python， Jupyter Notebook， Git， TensorFlow 등)" | 이론 및 실습 · 자체교재 · beam projector |
| 2 | 인공지능 기초 개념 "목표: 인공지능의 기본 개념과 원리 이해 학습 내용: 인공지능(AI) 개념과 역사 AI의 주요 기술 (기계 학습， 딥러닝， 자연어 처리 등) AI 기술의 발전 및 실제 응용 사례 AI 문제 해결을 위한 접근 방식" | 이론 및 실습 · 자체교재 · beam projector |
| 3 | 파이썬 기초 및 데이터 분석 도구 "목표: 파이썬 및 AI 데이터 분석 도구 사용법 익히기 학습 내용: 파이썬 기본 문법 (변수， 조건문， 반복문 등) 주요 데이터 분석 라이브러리 (Numpy， Pandas， Matplotlib) 데이터프레임 다루기， 데이터 시각화 기본 통계 분석 기법" | 이론 및 실습 · beam projector |
| 4 | 데이터 전처리 및 클리닝 "목표: 데이터 전처리 및 클리닝 기술 배우기 학습 내용: 결측치 및 이상치 처리 방법 데이터 정규화 및 표준화 범주형 변수 처리 (One-Hot Encoding， Label Encoding) 피처 선택 및 차원 축소 (PCA， t-SNE)" | 이론 및 실습 · 자체교재 · beam projector |
| 5 | 지도학습 (Supervised Learning) 개념 "목표: 지도학습 알고리즘 이해 및 구현 학습 내용: 지도학습의 개념 (회귀， 분류) 회귀 알고리즘 (선형 회귀， 로지스틱 회귀) 분류 알고리즘 (K-최근접 이웃(KNN)， SVM， 결정 트리) 모델 평가 방법 (정확도， 정밀도， 재현율， F1-score)" | 이론 및 실습 · 자체교재 · beam projector |
| 6 | 머신러닝 모델 실습 – 회귀 분석 "목표: 회귀 분석 모델 실습 학습 내용: 선형 회귀 모델 구현 다중 회귀 분석 회귀 모델 평가 (MSE， RMSE) 모델 성능 향상을 위한 기법" | 이론 및 실습 · 자체교재 · beam projector |
| 7 | 머신러닝 모델 실습 – 분류 분석 "목표: 분류 모델 실습 학습 내용: K-최근접 이웃(KNN) 분류기 구현 의사결정 트리 및 랜덤 포레스트 분류기 모델 평가 (Confusion Matrix， ROC curve) 모델 개선 기법" | 이론 및 실습 · 자체교재 · beam projector |
| 8 | 비지도학습 (Unsupervised Learning) 개념 "목표: 비지도학습 알고리즘 이해 학습 내용: 비지도학습의 개념 및 적용 사례 군집화 (K-means， DBSCAN) 차원 축소 (PCA， t-SNE) 이상치 탐지 알고리즘" | 이론 및 실습 · 자체교재 · beam projector |
| 9 | 딥러닝 기초 및 신경망 모델 "목표: 딥러닝의 기본 개념과 신경망 모델 이해 학습 내용: 신경망의 기본 구조 (입력층， 은닉층， 출력층) 활성화 함수 (ReLU， Sigmoid， Tanh) 딥러닝 프레임워크 소개 (TensorFlow， Keras) 딥러닝 모델 구축 및 훈련" | 이론 및 실습 · 자체교재 · beam projector |
| 10 | 심층 신경망 (DNN) 모델 실습 "목표: 심층 신경망 모델 구현 및 실습 학습 내용: 다층 퍼셉트론(MLP) 모델 구현 오버피팅 방지 (Dropout， L2 Regularization) 모델 성능 평가 및 개선 하이퍼파라미터 튜닝 (GridSearch， RandomSearch)" | 이론 및 실습 · 자체교재 · beam projector |
| 11 | 합성곱 신경망(CNN) 기초 "목표: 이미지 처리용 CNN 모델 이해 학습 내용: 합성곱 연산과 풀링 계층 CNN 아키텍처 (LeNet， AlexNet， VGG) CNN 모델 구현 (TensorFlow/Keras 활용) 이미지 분류 문제 해결" | 이론 및 실습 · 자체교재 · beam projector |
| 12 | 순환 신경망(RNN) 기초 "목표: 시계열 데이터 분석을 위한 RNN 모델 이해 학습 내용: 순환 신경망(RNN)의 기본 개념 LSTM， GRU와 같은 고급 RNN 모델 자연어 처리(NLP) 문제에서의 RNN 활용 텍스트 생성 및 분석" | 이론 및 실습 · 자체교재 · beam projector |
| 13 | 자연어 처리(NLP) 기초 "목표: 자연어 처리의 기본 개념과 기술 배우기 학습 내용: 텍스트 전처리 (토큰화， 불용어 제거， Lemmatization) 텍스트 분류， 감성 분석 워드 임베딩 (Word2Vec， GloVe) Transformer 모델 (BERT， GPT)" | 이론 및 실습 · 자체교재 · beam projector |
| 14 | AI 프로젝트 설계 및 데이터 준비 "목표: 프로젝트 목표 설정 및 데이터 준비 학습 내용: 프로젝트 주제 선정 및 목표 설정 데이터 수집 및 전처리 데이터셋 분할 (훈련， 검증， 테스트) 프로젝트 요구 사항 분석" | 이론 및 실습 · 자체교재 · beam projector |
| 15 | 모델 구축 및 훈련 "목표: AI 모델 설계 및 훈련 학습 내용: AI 모델 설계 (신경망， 딥러닝 모델) 모델 훈련 및 평가 하이퍼파라미터 조정 모델의 성능 측정 및 튜닝" | 이론 및 실습 · 자체교재 · beam projector |
| 16 | 모델 테스트 및 결과 분석 "목표: 모델 테스트 및 성능 분석 학습 내용: 테스트 데이터에 대한 모델 평가 모델 성능 분석 (혼동 행렬， 정확도， AUC) 모델의 장단점 분석 피드백을 통한 모델 개선" | 이론 및 실습 · 자체교재 · beam projector |
| 17 | 프로젝트 통합 및 시연 준비 "목표: 최종 프로젝트 통합 및 발표 준비 학습 내용: 모델 통합 및 시스템 구축 프론트엔드 또는 웹 대시보드 구현 프로젝트 발표 슬라이드 및 데모 준비 발표 리허설 및 피드백" | 이론 및 실습 · 자체교재 · beam projector |
| 18 | 최종 발표 준비 "목표: 최종 프로젝트 발표 및 데모 학습 내용: 발표 자료 작성 (슬라이드， 시연 계획) 팀별 발표 리허설 발표 전략 및 Q&A 준비" | 이론 및 실습 · 자체교재 · beam projector |
| 19 | 프로젝트 발표 "목표: 프로젝트 최종 발표 학습 내용: 팀 프로젝트 발표 실시간 시연 및 설명 질의응답 (Q&A)" | 이론 및 실습 · 자체교재 · beam projector |
| 20 | 프로젝트 회고 및 피드백 "목표: 프로젝트 회고 및 피드백 받기 학습 내용: 프로젝트 과정 및 결과 회고 동료 평가 및 피드백 향후 개선 방향 논의 경진대회 준비" | 이론 및 실습 · 자체교재 · beam projector |
