머신러닝 기반 디지털 혁신 전문가 양성 교육과정

머신러닝 기반 디지털 혁신 전문가 양성 교육과정
교육비 무료
교육시간 49일(350시간) 비합숙
환급유무 비환급    과정 바로가기 주소 복사
과정담당 스마트혁신센터 이광석 선임연구원
Tel : 02-2624-0152, Email : gaby@ksa.or.kr

목표
※ 교육 신청을 위해서는 신청서 작성 및 메일 송부 필수(gaby@ksa.or.kr)

가) 머신러닝/인공지능 핵심 개념부터 심화까지 집중 학습
나) 머신러닝/인공지능 알고리즘은 수학적인 기반을 두고 개발되어 이해하기 어려운 점이 있으나, 좀 더 쉽게 이해할 수 있도록 직관적인 교육과정 및 내용 구성
다) 인공지능을 위한 선형대수, 미분, 기초 통계부터 시작해, 머신러닝, 딥러닝 전반적인 방법론을 제시하고 각 단계별로 학습하여 실무 적용 역량 배양에 포인트를 둠
라) 조별 프로젝트 실습을 통해 실제 적용 역량 배양
마) 취업 멘토링을 통해 배양된 역량을 내재화하고 성공적인 취업 연계를 할 수 있도록 지도
특징
실무형 머신러닝 기반 인공지능 선도인력 양성을 위한 차별화된 교육과정 구성으로 제한된 시간 내 머신러닝 기법 활용 역량을 배양할 수 있도록 설계

가) 모듈별 핵심 이론 학습
빅데이터 분석 NCS와 부합된 머신러닝 핵심 이론 선별
인공지능을 위한 선형대수, 미분, 통계, 머신러닝, 딥러닝에 대해 이해할 수 있도록 교육내용 설계

나) 모듈별 분석SW 활용 실습·Python, R 기반
교육생들이 따라 하기 쉽도록 분석 코드(소스) 설명과 분석 결과 해석을 함께 제공
사회현상 및 기업실무 데이터를 기반으로 실습이 진행될 수 있도록 설계

다) 조별 프로젝트 실습
조 편성 및 프로젝트 전담 강사 지도
산업체 경력이 풍부한 프로젝트 전담 강사 배정
프로젝트 주제 선정 및 데이터 수집, 저장
* 금융 주제 프로젝트 1건 : 신용카드 사기 탐지
* 통신 주제 프로젝트 1건 : 통신사 서비스 개선
* IT서비스 주제 프로젝트 3건 : 소셜 마케팅 채널 머신러닝 분석, 이미지 분석을 통한 문서 자동화, 자전거 렌탈 서비스
머신러닝/딥러닝 분석, 시각화 표 PPT 작성 및 발표 준비, 발표

라) 취업 멘토링
취업 역량 강화를 위한 멘토링 실시
교육생 개별 진로 상담 및 지도
합격하는 취업 서류(자기소개서) 작성 지도 취업 연계 실시
대상
가) 원활한 취업 연계를 위해 요건
1차 : 2019년 8월 졸업예정자 및 만 30세 이하 구직자(1989년 이상 출생자)
2차 : 2020년 2월 졸업예정자 및 만 30세 이하 구직자(1989년 이상 출생자)

나) 심화인력 양성을 위한 기본 역량 기준(선발 기준)
-지식(K) : 미분, 확률통계, 데이터 이해, 인공지능 개론 지식 함양자
-기술(S) : R, Python, Java 언어 초급 이해자
-태도(A) : 열정, 창의성 함양자

다) 머신러닝 기법을 적용했을 때 가치가 높은 실무와 관련된 전공
-연구개발 R&D : 컴퓨터학, 정보처리학, 응용소프트웨어공학, 정보통신공학, 통계학
-품질, 생산, 설비 등 제조 실무 : 산업공학, 기계공학
내용

 

* 지식 : 통계학 기반의 분석방법론, 머신러닝 기법의 목표, 과적합과 모델 설명력, 표본 샘플링에 대한 통계방법, 분석 목적과 데이터셋 특성별로 적합한 분할 k 값, 교차검증 방법론, 모델 평가 메트릭, 머신러닝 기법별 적합한 데이터 분할 기준, 통계학 기반 분석방법론, 선형대수 및 미적분, 최적화 등의 수학이론, 분류 모델을 위한 지도학습 머신러닝 기법, 예측 모델을 위한 지도학습 머신러닝 기법, 최신 머신러닝 기법 발전 트렌드와 연구 동향 등을 이해하고 업무에 적용
* 기술 : 비즈니스 목표 분석 능력, 문제 핵심 파악 및 이슈 도출 능력, 프로젝트 기획 및 관리 능력, 프로세스 분석 및 설계 기술, 커뮤니케이션을 위한 문서화 능력, 효과적인 의사소통을 위한 커뮤니케이션 기술, 다양한 분야의 새로운 지식에 대한 빠른 학습 능력, 데이터셋 탐색 및 전처리 기술, 데이터 추출 및 처리위한 프로그래밍 기술, 샘플링 및 교차검증 적용 기술, 데이터 속성과 목적변수 분포를 고려한 데이터셋 분할 능력, 모델 평가와 일반화 위한 반복적 실험 관리 능력 등 역량을 배양하고 적용
* 태도 : 분석적이고 논리적인 사고, 이슈 해결방법과 연구모델 설계시 창의적으로 접근하려는 사고방식, 문제에 대한 호기심과 본질을 파고들려고 하는 집요한 자세, 원활한 커뮤니케이션 창출을 위한 의지, 설득력있는 언어를 구사하려는 자세, 반복적인 데이터셋 분할과 모델 평가를 통해 최적의 모델을 찾으려는 의지, 이슈 해결방법과 연구모델 설계시 창의적으로 접근하려는 사고방식, 문제에 대한 호기심과 본질을 파고들려고 하는 집요한 자세, 새로운 아이디어를 생각해내고 실제 적용해보려는 실험 정신, 과학적이고 체계적인 모델 구축에 대한 주의력 등 역량을 배양하고 적용  

QUICK
MENU 즐겨찾기

오늘 본 과정

TOP