인공지능 교육 과정
각 과정 시수
- 1기본 과정: 21 ~ 40시간
- 1확대 과정: 28 ~ 80시간 (기본 과정, 풍부한 주제, 실습 확대, 시험 확대, 프로젝트 추가)
교재 예시
고등지능원 인공지능 개론 과정
교육 목표
- 1주요 인공지능, 데이터 분석 기술의 용어, 원리와 활용에 대한 정확한 이해
- 2인공지능, 데이터 분석에 대한 이해를 바탕으로 인공지능 제품과 서비스의 기획, 관리, 연구 개발 능력 함양
교육 대상
- 1인공지능, 데이터 분석 서비스를 기획하고 연구 개발자와 원할하게 소통하려는 인공지능, 데이터 분석 서비스 기획자
- 2인공지능, 데이터 분석 분야의 인력을 관리하고 원할하게 소통하려는 인공지능, 데이터 분석 분야 관리자
- 3인공지능, 데이터 분석을 프로그래밍 지식 없이 실습을 통하여 전반적으로 쉽게 이해하고 인공지능 연구 개발에 입문하려는 자
선수 지식
없음
교육 모듈을 활용한 교육 과정 예시
- 1인공지능 개론 (관리자, 기획자, 연구 개발자를 위한)
- 2머신러닝 개론 (관리자, 기획자, 연구 개발자를 위한)
교육 개요
- 1인공지능, 기계추론, 머신러닝, 딥러닝, 강화학습, 지각 인식, 음성 합성, 자연어 처리, 로봇의 정의, 모델, 원리, 한계, 평가, 개발 과정, 용도, 활용 사례에 대한 전반적인 소개
- 2머신러닝의 원리, 모델 성능 평가와 최적화
- 3논리적 인공지능: 탐색, 논리 추론, 논리 학습
- 4확률적 인공지능: 확률과 통계, 확률적 추론, 통계적 학습, 베이즈 네트워크 등
- 5머신러닝: 결정 트리, 회귀분석, 인경신경망, 딥러닝, 강화학습
- 6영상 처리 (영상 인식, 영상 합성), 음성 처리 (음성 인식, 음성 합성)
- 7자연어 처리, 챗봇, 로봇 공학
- 8비주얼 머신러닝 모델링 도구 및 각종 명령행 도구를 활용한 인공지능, 머신러닝 실습
- 9모듈화된 교육 컨텐츠 및 손쉽게 커스터마이즈할 수 있는 교육 모듈을 바탕으로 신속하고 유연한 맞춤형 교육 과정 및 교재 구성
사용 소프트웨어 및 실습 장비
- 1Windows
- 2MS Azure, 각종 명령행 도구
교육 모듈
- 1총 52시간 분량 교육 모듈 보유
- 2상세 교육 모듈 소개 및 맞춤형 커리큘럼은 상담 후 제공
고등지능원 머신러닝 과정
교육 목표
- 1인공지능, 머신러닝의 원리와 활용에 대한 정확한 이해
- 2파이썬, R 등 머신러닝에 널리 사용되고 있는 프로그래밍 언어를 사용한 연구 개발 실무 능력 함양
교육 대상
- 1머신러닝, 딥러닝, 강화학습에 대한 개념 및 이론과 함께 파이썬 혹은 R을 활용하여 머신러닝, 데이터 분석 분야에서의 연구 개발하려는 자
선수 지식
- 1없음
교육 모듈을 활용한 교육 과정 예시
- 1데이터 분석을 위한 파이썬 프로그래밍
- 2데이터 분석을 위한 R 프로그래밍
- 3머신러닝 (파이썬을 활용한)
- 4머신러닝 (R을 활용한)
- 5머신러닝 (파이썬 및 R을 활용한)
- 6딥러닝 (텐서플로를 활용한)
- 7딥러닝 (케라스를 활용한)
- 8딥러닝 (파이토치를 활용한)
- 9딥러닝 (텐서플로, 케라스, 파이토치를 활용한)
- 10머신러닝과 딥러닝 (파이썬을 활용한)
- 11강화학습 (파이썬을 활용한)
- 12강화학습과 딥 강화학습 (파이썬을 활용한)
- 13딥러닝과 강화학습 (파이썬을 활용한)
교육 개요
- 1인공지능, 기계추론, 머신러닝, 딥러닝, 강화학습, 지각 인식, 음성 합성, 자연어 처리, 로봇의 정의, 모델, 원리, 한계, 평가, 개발 과정, 용도, 활용 사례에 대한 전반적인 소개
- 2데이터 분석을 위한 파이썬 프로그래밍
- 3데이터 분석을 위한 R 프로그래밍
- 4머신러닝 공통 개념과 절차
- 5데이터 전처리, 데이터 시각화
- 6머신러닝 모델의 종류와 이해 및 활용
- 7텍스트 마이닝
- 8딥러닝 프레임워크: 텐서플로, 케라스, 파이토치
- 9딥러닝: CNN, RNN, GAN, 오토인코더, 딥러닝 응용
- 10강화학습, 딥강화학습
- 11파이썬, R을 활용한 머신러닝, 딥러닝, 강화학습 실습
- 12모듈화된 교육 컨텐츠 및 손쉽게 커스터마이즈할 수 있는 교육 모듈을 바탕으로 신속하고 유연한 맞춤형 교육 과정 및 교재 구성
사용 소프트웨어 및 실습 장비
- 1Windows
- 2Anaconda, scikit-learn, 텐서플로, 케라스, 파이토치, 기타
- 3RStudio, caret, 기타
교육 모듈
- 1총 165시간 분량 교육 모듈 보유
- 2상세 교육 모듈 소개 및 맞춤형 커리큘럼은 상담 후 제공
고등지능원 자연어 처리 과정
교육 목표
- 1자연어 처리에 대한 정확한 이해를 바탕으로 정보 검색, 텍스트 마이닝, 챗봇 등 자연어 처리 애플리케이션 실무 능력 함양
교육 대상
- 1정보 검색, 문서 분류, 텍스트 마이닝, 챗봇 등 자연어 처리 애플리케이션을 연구 개발하려는 자
선수 지식
- 1머신러닝, 딥러닝 (파이썬을 활용한)
교육 모듈을 활용한 교육 과정 예시
- 1자연어 처리
- 2정보 검색
- 3텍스트 마이닝
- 4딥러닝을 활용한 자연어 처리
- 5챗봇 개발
교육 개요
- 1자연어 처리의 정의, 원리, 개발 방법, 활용에 대한 전반적인 소개
- 2코퍼스, 형태소 분석, 품사 태깅, 한글 형태소 분석
- 3n-gram 모델, MLE 모델
- 4크롤링, 정보 검색
- 5텍스트 마이닝
- 6자연어 처리
- 7딥러닝을 활용한 자연어 처리
- 8챗봇
- 9파이썬을 활용한 자연어 처리 실습
- 10모듈화된 교육 컨텐츠 및 손쉽게 커스터마이즈할 수 있는 교육 모듈을 바탕으로 신속하고 유연한 맞춤형 교육 과정 및 교재 구성
사용 소프트웨어 및 실습 장비
- 1Windows
- 2Anaconda, NLTK, KoNLPy, scikit-learn, 텐서플로, 케라스, 파이토치, 기타
교육 모듈
- 1총 48시간 분량 교육 모듈 보유
- 2상세 교육 모듈 소개 및 맞춤형 커리큘럼은 상담 후 제공