직무능력 향상을 위한 AI 알고리즘 개발과 활용

영진사이버대학교
김정훈

페이스북 트위터 카카오톡 네이버밴드 링크복사

주제분류

공학 >컴퓨터ㆍ통신 >정보통신공학
강의학기

2021년 1학기

조회수

6,477

강의계획서

▪인공지능의 핵심인 머신러닝과 딥러닝의 학습을 통해 인공지능의 전반적인 개념을 이해하고, 다양한 개발 도구를 통해 실제 프로그래밍을 수행할 수 있다.

▪다양한 신경망 모델의 학습을 통해 실무 환경에서 적용 가능한 최적의 모델 선택과 개발 및 구현을 통해 실제에 활용할 수 있다.

▪4차 산업혁명의 핵심 기술인 인공지능의 학습을 통해 사회 전반에서 필요한 분야에 대해 적재적소로 적용 및 활용하도록 능력을 배양할 수 있다.

오리엔테이션

차시별 강의

	오리엔테이션
1.	머신러닝 딥러닝 정의	1. 머신러닝의 정의 2. 머신러닝의 활용 3. 딥러닝의 정의 4. 딥러닝의 활용
	머신러닝을 이용한 활용방법	1. 머신러닝의 적용 분야 2. 머신러닝의 실무 사례
	딥러닝을 이용한 활용방법	1. 딥러닝의 적용 분야 2. 딥러닝의 실무 사례
2.	머신러닝 개발 기본 과정	1. 머신러닝 목표 결정 2. 머신러닝 데이터 수집 3. 머신러닝 데이터 가공 4. 머신 러닝 데이터 학습 5. 머신러닝 모델 평가
	머신러닝 데이터 학습 방법	1. 지도 학습 2. 비지도 학습 3. 강화 학습
	머신러닝 학습모델 평가 방법	1. 정확도 2. 오차행렬 3. 정밀도와 재현율 4. F1 스코어 5. ROC 곡선과 AUC
3.	spyder 및 pycarm 소개	1. Spyder Tool 소개 2. Pycharm Tool 소개
	Colaboratory, Jupyter Notebook 소개	1. Google Colaboratory 소개 2. Google Colaboratory 사용 방법 3. Jupyter Notebook 소개 Jupyter Notebook 사용 방법
	의료 분야 개발 실무사례	1. 실무자와 인터뷰
4.	머신러닝 시작	1. 머신러닝 프레임워크 2. AND 연산 3. XOR 연산
	OpenDB를 이용한 꽃 데이터 분류	1. Open DB 소개 2. 꽃 데이터 분류하기
	OpenDB를 이용한 와인 판정하기	1. Open DB 소개 2. 와인 판정하기
5.	과거 10년 동안의 기상 데이터 분석하기	1. OpenDB 소개 2. OpenDB 정리 3. 기상 데이터 분석하기
	최적의 알고리즘과 매개변수 찾기	1. 최적의 알고리즘 찾기 2. 최적의 매개변수 찾기
	얼굴 검출하기	1. OpenCV 소개 2. 얼굴 검출 프로그램 3. 자동 모자이크 처리 프로그램
6.	문자인식 – 손글씨 판정하기	1. OpenDB 소개 2. 손글씨 숫자 판정하기
	윤곽 검출 – 엽서의 우편 번호 인식하기	1. OpenCV 소개 2. 윤곽 추출 3. 문자 인식 4. 문자 추출
	동영상 분석 – 동영상에서 열대어가 등장하는 부분 검출하기	1. 동영상 분석 2. 화면에 움직임이 있는 부분 추출 3. 동영상에서 열대어가 등장하는 부분 검출 4. 동영상에서 열대어가 많이 나오는 부분 찾기
7.	자연어 처리하기(1)	1. 언어 판정하기 2. 문장을 단어로 분할하기
	자연어 처리하기(2)	1. Word2Vec 소개 2. Corpus(코퍼스) 3. 자연어 처리
	머신러닝 실무 사례	1. 실무자와 인터뷰
8.	점검하기	1주차에서 7주차까지 점검하기
9.	꽃 분류하기 Tensorflow	1. TensorFlow 소개 2. 붓꽃 분류 복습하기 3. TensorFlow로 붓꽃 분류하기
	꽃 분류하기 keras	1. Keras 소개 2. Keras로 붓꽃 분류하기
	손글씨 숫자 판정하기 MLP	1. MNIST 데이터 소개 2. MLP(다층 퍼셉트론) 알고리즘
10.	손글씨 숫자 판정하기 CNN	1. CNN 소개 2. MNIST 분류 복습하기 3. CNN으로 MNIST 분류하기
	사진에 찍힌 물체 판정하기 MLP	1. 데이터셋 : CLFAR-10 소개 2. MLP(다층 퍼셉트론) 알고리즘
	사진에 찍힌 물체 인식하기 CNN	1. CNN(합성곱 신경망) 알고리즘
11.	LSTM을 이용한 시계열 예측	1. LSTM 알고리즘 2. 시계열 예측하기
	LSTM을 이용한 주가예측(1)	1. 주식 데이터셋 구축 2. Keras 를 이용한 LSTM 모델 예측
	LSTM을 이용한 주가예측(2)	1. 주식 데이터셋 구축 2. Tensorflow 를 이용한 LSTM 모델 예측
12.	챗봇 개발하기(1)	1. 챗봇 프로젝트 소개 2. 훈련 데이터 생성
	챗봇 개발하기(2)	1. 챗봇 Deep learning 적용 2. 챗봇 만들기 – Char CNN
	챗봇 개발하기(3)	1. RNN vs Seq2Seq vs LSTM 2. 챗봇 만들기 – Seq2Seq 만들기 - Seq2Seq
13.	강화학습으로 비디오 게임하기(1)	1. 강화학습을 이용한 비디오 게임 2. Pygame 소개 3. 강화학습 소개 4. 비디오 게임 디자인
	강화학습으로 비디오 게임하기(2)	1. 비디오 게임 디자인 2. Deep Q-learning 소개 3. Deep Q-learning 적용
	강화학습으로 비디오 게임하기(3)	1. ϵ-greedy 알고리즘 2. 비디오 게임 학습
14.	업무 시스템에 머신러닝 적용하기	1. 머신러닝 적용 2. 학습 데이터 저장 및 읽기
	머신러닝에 데이터베이스 사용하기	1. 데이터베이스 소개 2. 데이터베이스 만들기 3. 데이터베이스 학습하기
	딥러닝 실무 사례	1. 실무자와 인터뷰
15.	점검하기	9주차에서 14주차까지 점검하기