AI Academy (Full Package)

기술분야 Technical Track
교육일정 교육 기간 24 일
교육 금액 0원 쿠폰등록시 0매
접수파일
이벤트&프로모션
본 과정은 전체 9개의 교육으로 구성되어 있으며, Full Package로 수강시에는 단과 과정에 비하여 40%할인된 가격으로 수강 가능합니다.
(정가 9,600,000원에서 40%할인된 5,760,000원)
과정 설명
6개 과정의 Technical Track과 3개 과정의 Business Track으로 구성되어 있습니다.
Technical Track에서는 인공지능 개론에서 부터 파이썬, 딥러닝, 개발 프로젝트까지의 이론과 실습의 적절한 배치로 보다 실용적인 교육과정으로 구성되어 있습니다. Business Track에서는 AI에 대한 이해와 활용에서부터 AI를 사용한 사업 추진 전략까지의 전반적인 AI의 Business를 위한 과정으로 구성되어 있습니다.
수강 대상
과정 소개
** Technical Track

1. 인공지능 개론
[1일차] 인공지능개론
- 인공지능 기술 개요
- 인공지능 모델의 종류와 응용 사례
- 상용 인공지능 서비스
- 영상인식 응용 기술 및 응용
- 챗봇 서비스 기술 및 응용
[2일차] 인공지능을 위한 파이썬
- Python 소개 및 개발 환경 설정
- 통계 분석을 위한 Python 프로그래밍 학습
- 기계학습 알고리즘과 Neural Networks 이해

2. 인공지능을 위한 파이썬
[3일차] 파이썬 라이브러리
- 수치 연산 라이브러리 [Numpy / Scipy]
- 시각화 라이브러리 [matplotlib]
- 데이터 분석 라이브러리 [Pandas]
- 머신러닝 라이브러리 [Scikit-learn]
[4일차] 머신러닝 알고리즘(1)
- kNN
- K-MEANS
- Naive Bayes
[5일차] 머신러닝 알고리즘(2)
- Linear regression & Logistic regression
- Decision Tree
- Deep neural network

3. 딥러닝 프레임워크(TensorFlow)
[6일차] Deep Learning 개요
- Deep feedforward network
* Feed-forward neural networks
* Computational graph and backpropagation
- Optimization for training deep models
- Regularization
[7일차] Convolutional Networks
- CNN (Convolution Neural Networks)
* Convolutional layers
* Activation
* Pooling
* Batch Normalization
* Dropout
- AlexNet / VGGNet architecture
[8일차] Recurrent neural networks & Auto Encoder
- RNN (Recurrent Neural Networks)
- LSTM and gated recurrent units
- CTC
- Seq2Seq architectures
- Attention models
- AutoEncoder / Seq2Seq
- Complex Network Models / Representative models

4. 딥러닝 기반 영상 인식 기술
[9일차] Pixel Data 처리를 위한 Image Processing
- Image Processing Fundametals
- Image Coordinate System
- Scaling and Aspect Ratios
- Image Classification
[10일차] 시각인지를 위한 딥러닝
- Deep Learning Classification Pipeline
- Optimization Methods and Regularization
- Learning Rate Schedulers
- Spotting Underfitting and Overfitting
- Visualizing Network Architectures
- CNNs for Classification
[11일차] 딥러닝 시각 인지 아키텍쳐 이해
- Data Augmentation
- Networks as Feature Extractors
- Ranked Accuracy / Fine-tuning Networks
- Advanced Optimization Methods
- AlexNet / VGGNet / GoogLeNet / ResNet
[12일차] 딥러닝 기반 영상처리 실무
- 이미지 탐색 알고리즘
* R-CNN / You Only Look Once
* AttentionNet
- 시각인지(Visualizing and Understanding)
* 시각적 특징 및 반전(Feature visualization and inversion)
* 적대적 예시(Adversarial examples)

5. 딥러닝 기반 텍스트마이닝과 챗봇 구현기술
[13일차] NLP의 개념 이해 / 규칙 기반의 자연어처리 / 응용 시스템 소개
- 최근 AI 서비스 동향과 자연어처리 기술
- 규칙 및 통계 기반의 자연어처리 기술 (형태소분석, 품사 태깅, 구문분석, 감성분석, 의미분석 등)
- 언어데이터의 종류와 구축 방안
- NLP 응용 시스템 소개
- 한국어 자연어처리를 위한 KoNLPy 소개
[14일차] NLP와 기계학습
- 기계학습 및 딥러닝에 대한 기본 개념 소개
- 기계학습 기반 자연어처리 기술 개발 (Word2Vec, 청커, 감정 분석, 기계번역)
[15일차] 챗봇을 위한 딥러닝
- 챗봇 개론
- 딥러닝 기법 챗봇에 활용법 (Seq2seq / Attention Networks / Machine Comprehension / VAE)

6. 인공지능 서비스 개발 Project 내용
[16일차] 프로젝트 소개, 팀구성 / 언어/시각인지 기술 설명 / 프로젝트 과제 선정
- 프로젝트 소개, 방법론, 팀구성
- 딥러닝 기본 정보 및 실습 주제 /수행정보 안내
- 프로젝트 수행 계획 안내 및 주제 결정
[17일차] 프로젝트 수행 계획서 / 프로젝트 수행을 위한 딥러닝 실습 교육
- 프로젝트 수행 계획서 리뷰 및 제출
- 프로젝트 수행 계획 안내 및 주제 결정
[18일차] 프로젝트 수행 - 조별 프로젝트 수행
[19일차] 프로젝트 피드백 및 멘토링
- 딥러닝 기술기법 및 실습프로젝트 수행, 중간 점검
[20일차] 프로젝트 피드백 및 멘토링 / 프로젝트 결과 발표
- 딥러닝 기술기법 및 실습프로젝트 수행, 중간 점검
- 프로젝트 결과 발표

** Business Track

1. AI 이해와 활용

[21일차]
인공지능 개요
- 인공지능과 4차 산업혁명
- 인공지능 시장
- 오프소스와 인공지능 Framework
- 상용 인공지능 서비스
주요 인공지능 서비스
- 영상인식 서비스
- 인공지능과 교통 (자율주행자동차, 드론 포함)
- 가상개인비서와 챗봇
- 로보어드바이저
- 블록체인

2. 인공지능 사례 분석 및 응용

[22일차] 인공지능의 산업적 응용 사례
- 교통 및 운송 분야 응용: 자율자동차, 드론, 스마트교통
- 스마트 팩토리 분야 응용: Industry 4.0, 예지보전
- Healthcare 분야 응용: Kaggle
[23일차] 인공지능의 공공분야 응용사례
- 금융분야 응용
- 전자상거래 분야 응용
- 공공 및 홈서비스 분야 응용


3. 인공지능 사업화 연구 및 사업추진 전략
[24일차] 지능 기술 및 응용 사업화 전략
- 인공지능이 인간생활에 미치는 영향
- 인공지능 기술 사업화 방향
- 학습/인식/추론/윤리
- 언어지능 /시각지능 /감성지능 /음성지능 /인공지능 응용 사업화 방향
- 산업분야별 사업화 전략(개요)
- 사업화 전략 mini 토론

















선수과정
별도의 선수 지식 없음
교육 장소
온라인 강의