교육 목표

정성적 목표

ㅇ 다양한 머신러닝, 딥러닝 기술습득과 객체 인식 모델링을 통하여 IoT 개발 실무능력 향상

정량적 목표

ㅇ 수료 : 30명

교육 대상

■재직자

□미취업자

■전공자

□비전공자

일정 및 기간

2024. 04. 01. ~ 04. 29. / 20일

교육 시간

총 160H

교육 수준

중급

교육 구분

IoT

필요 역량

IoT 기초지식

구분

내용

교육방법

시간

비고

1장

ㅇ 데이터 수집 및 정제

오프라인

24H

2장

ㅇ 데이터 시각화

오프라인

16H

3장

ㅇ 머신러닝 데이터 학습

오프라인

56H

4장

ㅇ 딥러닝 학습

오프라인

32H

실습

ㅇ Computer Vision 객체인식 과정

오프라인

32H

계

160H

구분

세부 교육내용

시수

1장

ㅇ 데이터 수집 및 정제

- BeautifulSoup, Selenium 패키지 활용 데이터 크롤링

- Open API 활용 데이터 수집

- Pandas 라이브러리 활용

- 데이터 구조와 함수

- 시계열 데이터 분석

- 결측치 처리

24H

2장

ㅇ 데이터 시각화

- Matplotlib,Seaborn 패키지 활용 데이터 시각화

- 그래프 해석 및 데이터 분석

16H

3장

ㅇ 머신러닝 데이터 학습

- 머신러닝 개요

- Scikit-learn 라이브러리 활용

- 통계 분석 기법, 확률 분포, 데이터 분포, 검정통계, 상관분석

- 데이터 전처리

- 지도학습 – 분류, 회귀

- 비지도학습 – 군집, 차원축소

- 앙상블 학습

- 머신러닝 모델 선정 및 학습, 평가

56H

4장

ㅇ 딥러닝 학습

- 딥러닝, 인공신경망 개요

- 인공신경망 모델링

- CNN, RNN 신경망 학습

- Tensorflow, Keras, Pytorch 활용

- 한글, 영문 형태소 분석기 활용

- 단어 임베딩, 원핫 인코딩

- 챗봇 프로젝트

32H

실습

ㅇ Computer Vision 객체인식 과정

- OpenCV 영상처리 기법

- 이미지 및 영상 외곽 추출

- OCR(글자인식), Text Detection 추출

- 차량 번호판 인식 실전 프로젝트

32H