AIÀÔ¹®ÀÚ¸¦ À§ÇÑ ¸Ó½Å·¯´× µö·¯´× ÀÌÇØ

ȨÀ¸·Î±³À°°úÁ¤AI ¾ÆÄ«µ¥¹Ìµö·¯´×

Àϼö/½Ã°£ 4ÀÏ / 32½Ã°£ (09:00~18:00) °­»ç ÇÑÄľÆÄ«µ¥¹Ì Àü¹®°­»ç
°úÁ¤¸Å´ÏÀú  Á¤½ÂÈ£ (031-622-7684)
±³À°ºñ 880,000¿ø (VATÆ÷ÇÔ)
½Ç½ÀÀåºñ MS Windows, python, Tensorflow
Á¤¿ø 20¸í
Àüü ±³À°ÀÏÁ¤
±³À°ÀÏÁ¤ ½Åû¸¶°¨ÀÏ ¼ö°­½Åû ±³À°Àå¼Ò
2025.04.21(¿ù) ~ 2025.04.24(¸ñ) ½Åû¸¶°¨ ±³À°Àå¼Ò ºÐ´ç±³À°¼¾ÅÍ
2025.08.18(¿ù) ~ 2025.08.21(¸ñ) ½ÅûÇϱ⠱³À°Àå¼Ò ºÐ´ç±³À°¼¾ÅÍ
2025.10.20(¿ù) ~ 2025.10.23(¸ñ) ½ÅûÇϱ⠱³À°Àå¼Ò ºÐ´ç±³À°¼¾ÅÍ
2025.12.08(¿ù) ~ 2025.12.11(¸ñ) ½ÅûÇϱ⠱³À°Àå¼Ò ºÐ´ç±³À°¼¾ÅÍ
°úÁ¤°³¿ä

º» °úÁ¤Àº ÆÄÀ̽ãÀ¸·Î ±¸ÇöÇÑ scikit-learn ¸Ó½Å·¯´× ¶óÀ̺귯¸®¸¦ Ȱ¿ë ¿©·¯ ¸Ó½Å·¯´× ¾Ë°í¸®ÁòÀ» ½±°í ºü¸£°Ô »ç¿ëÇÒ¼ö ÀÖÀ¸¸ç ÀÌ·¯ÇÑ ±â¼úµéÀÌ µ¥ÀÌÅ͸¦ ¾î¶»°Ô ó¸®Çϰí, Ãßõ ¹× ¿¹Ãøµî¿¡ »ç¿ëµÇ´ÂÁö ÀÌÇØÇÕ´Ï´Ù. ¶ÇÇÑ, µö·¯´×(Deep Neural Network,DNN) ±âº» ¹× Çʼö °³³äÀ» ÀÌÇØÇÏ°í ¿¹Ãø/ºÐ·ù¸¦ À§ÇÑ ¼±Çüȸ±Í ¹× ·ÎÁö½ºÆ½È¸±Í ¸ðµ¨À» ÇнÀÇÒ ¼ö ÀÖ½À´Ï´Ù. ³ª¾Æ°¡ À̹ÌÁö 󸮸¦ À§ÇÑ CNN¸ðµ¨À» ½Ç½ÀÇÔÀ¸·Î¼­ ÀÌÁ¦ ¸· ¸Ó½Å·¯´×/µö·¯´× ÀÔ¹®ÇÏ´Â ÆÄÀ̽㠰³¹ßÀںе鿡°Ô °¡À̵带 Á¦°øÇÕ´Ï´Ù.


ƯÀÌ»çÇ×


±³À°¸ñÀû

- µ¥ÀÌÅÍ Àü󸮱â¼ú Çâ»ó ¹× ´Ù¾çÇÑ ¸Ó½Å·¯´× ±â¼úÀ» ½ÀµæÇÒ ¼ö ÀÖ½À´Ï´Ù.

- ¸Ó½Å·¯´×/µö·¯´× ÀÌÇØµµ¸¦ ³ôÀ̰í ÇÁ·¹ÀÓ¿÷À» Ȱ¿ëÇÑ ¾îÇø®ÄÉÀÌ¼Ç °³¹ßÀÌ °¡´É

- scikit-learn,tensorflow-keras¸¦ Ȱ¿ëÇÑ ½±°í ºü¸¥ ÀΰøÁö´É ¸ðµ¨ ¼³°è


±³À°´ë»ó

- ÀΰøÁö´É(AI) ºÐ¾ß¿¡ óÀ½ ÀÔ¹®ÇϰíÀÚ ÇÏ´Â ºÐ ¹× ÃÊ±Þ °³¹ßÀÚ

- µ¥ÀÌÅÍ ºÐ¼® ¾÷¹«¸¦ ÅëÇÑ Ãß·Ð ¹× ¿¹Ãø ¾÷¹«¸¦ ÁøÇàÇϰíÀÚ ÇÏ´Â ºÐ

- ¸Ó½Å·¯´× ÁÖ¿ä ¸ðµ¨ ¹× µö·¯´× ±â¼ú Ȱ¿ëÀ» À§ÇÑ ±âº» Áö½ÄÀÌ ÇÊ¿äÇÑ ºÐ


±³À°È¿°ú

- µ¥ÀÌÅÍ ºÐ¼®À» ¹ÙÅÁÀ¸·Î ÀΰøÁö´É ±â¼ú Ȱ¿ë »ç·Ê¸¦ ÇнÀÇÑ´Ù.

- ¸Ó½Å·¯´×/µö·¯´× ±âº»°³³äÀ» ÀÌÇØÇÏ°í ¾Ë°í¸®Áò ÇнÀ ¹× Ȱ¿ë ´É·ÂÀ» Çâ»óÇÑ´Ù.

- ´Ù¾çÇÑ ¸Ó½Å·¯´× ¾Ë°í¸®Áò Á¾·ù¸¦ ÆÄ¾ÇÇϰí Çö¾÷¿¡ ¸Â´Â ±â¼úÀ» Àû¿ëÇÑ´Ù.

- Tensorflow-keras¸¦ Ȱ¿ëÇÑ ºü¸£°í ½¬¿î µö·¯´× ¸ðµ¨À» ±¸ÇöÇÑ´Ù.


±³À°³»¿ë
±¸ºÐ ¸ñÂ÷ ¼¼ºÎ ³»¿ë
1ÀÏÂ÷ ¸Ó½Å·¯´× °³³ä ¹× ºÐ·ù ¸ðµ¨
  • ¸Ó½Å·¯´× ±âº» °³³ä ÀÌÇØ
  • scikit-learn K-ÃÖ±ÙÁ¢ ÀÌ¿ô ºÐ·ù ¸ðµ¨ ÀÌÇØ ¹× Ȱ¿ë
  • scikit-learn K-ÃÖ±ÙÁ¢ ȸ±Í ¸ðµ¨ ±¸Çö ¹× ¿¹Ãø
  • ¼­Æ÷Æ®º¤Å͸ӽÅ(SVM) ¸ðµ¨ Ȱ¿ë º×²É ºÐ·ù
  • ÀÇ»ç°áÁ¤Æ®¸®(Decision Tree) ºÐ·ù ¸ðµ¨À» Ȱ¿ëÇÑ Áö¿ª ºÐ·ù
2ÀÏÂ÷ ¾Ó»óºí, Â÷¿øÃà¼Ò, ºñÁöµµÇнÀ
  • ³ªÀ̺꺣ÀÌÁî ¸ðµ¨È°¿ë ½ºÆÔ ¹× ¿µÈ­¸®ºä ºÐ·ù
  • ¾Ó»óºí(ensemble) ¼³°è¸¦ ÅëÇÑ ¸ðµ¨ ¼º´É Çâ»ó
  • ·£´ýÆ÷·¹½ºÆ®(RandomForest)¸ðµ¨ Ȱ¿ë ¼Õ±Û¾¾ µ¥ÀÌÅÍ ºÐ·ù ¹× ¿¹Ãø
  • ÁÖ¼ººÐºÐ¼®(PCA)¸¦ ÅëÇÑ Â÷¿øÃà¼Ò ÀÌÇØ
  • ºñÁöµµÇнÀ ±ºÁý(k-means)À» ÅëÇÑ µ¥ÀÌÅÍ ºÐ·ù
3ÀÏÂ÷ ¸ðµ¨ ¼º´É Çâ»ó ¹× DNN ¼³°è
  • ±³Â÷°ËÁõÀ» ÅëÇÑ ¸ðµ¨ ¼º´É Æò°¡ ¹× Çâ»ó
  • ±×¸®µå¼­Ä¡(GridsearchCV) Ȱ¿ëÇÑ ±³Â÷°ËÁõ ¹× ÃÖÀû ÇÏÀÌÆÛÆÄ¶ó¹ÌÅÍ ¼±ÅÃ
  • µö·¯´×(DNN) ±âº» °³³ä ÀÌÇØ ¹× ±¸Á¶ ÆÄ¾Ç
  • ½ÉÃþ ½Å°æ¸Á ¼³°è¸¦ ÅëÇÑ ¼Õ±Û¾¾ ºÐ·ù
4ÀÏÂ÷ ȸ±Í, ´ÙÁߺзù, CNN
  • Äɶó½º(keras) ¶óÀ̺귯¸® Ȱ¿ë ¼±Çüȸ±Í ¸ðµ¨ ¼³°è ¹× ¿¹Ãø
  • Äɶó½º(keras) ·ÎÁö½ºÆ½ ȸ±Í¸¦ ÅëÇÑ ÀÌÁøºÐ·ù
  • softmax Ȱ¼ºÈ­ ÇÔ¼ö ÀÌ¿ëÇÑ ´ÙÁß ºÐ·ù ¸ðµ¨ ¼³°è ¹× Ȱ¿ë
  • ÇÕ¼º°ö(Convolutional Neural Network) ÀÌÇØ
  • Äɶó½º(keras) ÇÕ¼º°ö(CNN) ÃþÀ» Ȱ¿ëÇÑ ÆÐ¼ÇÀ̹ÌÁö ¿¹Ãø ºÐ·ù

ÆäÀ̽ººÏÆ®À§Åͱ¸±ÛÁñ°Üã±âÀ̸ÞÀÏ

È®ÀÎ