일차

시간

교육내용

실습

기업경영 시사점 설명

1일차

6/13

9:00~9:50

구글코랩(Cola)환경과 사용법 

코랩사용해서 프로그램코딩, PC저장, 구글드라이브 연결

클라우드 컴퓨팅의 개념, 장단점

10:00~10:50

인간의사고, 컴퓨터의 작동방식, AI의 작동방식

연습문제 (일반프로그램, 머신러닝, 딥러닝 프로그램) 실행

인간의 사고와 컴퓨터의사고, 머신러닝, 딥러닝간의 차이점, 장단점 파악. AI에 대한 편견시정

11:00~11:50

컴퓨터적사고 방식과 플로우차트, 슈도코드

99단 프린트하기

슈도코드 작성

커피자판기 슈도코드작성

기업용 소프트웨어 개발 방식

11:50~1:00

점심

1:00~1:50

99코딩하기, 커피자판기코딩하기에 필요한 파이썬 문법 설명

99단, 커피자판기 코딩하기 

개발자들 이해하기

2:00~2:50

데이터, AI를 위한데이터 구조, numpy, Pandas, Matplotlib 설명. regression에 대한 설명과 업무사례

보스턴집 값 데이터 다운로드, numpy, pandas, matplotlib 실습

AI를 위한 기업 데이터 구조 이해와 필요한 작업. 우리 회사에서 regression이 필요한 업무 파악

3:00~3:50

타이타닉 데이터 설명, 탐색적 분석, classification 설명, 데이터 전처리 작업 설명

타이타닉 데이터 다운로드. 데이터 전

우리회사에서 classification 업무 파악하기

4:00~4:50

타이타닉 데이터 전처리

작업

타이타닉데이터 전처리 작업 실습

전처리 작업의 어려운점 파악. 기업의 전처리작업 내용 정의

5:00~5:50

파이썬 함수, 클래스, 패키지. AI에서 많이 사용하는 패키지. github, tensorflow 설명

커피자판기 클래스로 만들기, github 검색하기  

IT의 비약적인 발전이유

2010년대까지 AI와 그 이후 AI 발전 이유

Homework

우리 기업에서 AI를 적용하고 싶은 분야를 리스트하기

kaggle.com, github.com, slack.com, tensorflow.org에 등록하기. 무슨 사이트인지 파악하기

일차

시간

교육내용

실습

기업경영 시사점 설명

2일차

6/20

9:00~9:50

4개의 숙제 등록 사이트 설명과 기업에 주는 의미.

각 기업에서 AI를 적용하고 싶은 분야 발표하기와 강사의 코멘트

각자 발표

AI를 적용할 때 문제점을 파악하고, 어떻게 해결 해야 하는지 파악

10:00~11:50

머신러닝 8단계 설명과

scikit-learn 연관관계 설명. linear regression, decision tree, random forest 설명

보스턴집값 linear regression, decicison tree, random forest로 예측하기. 차이점 분석하기

머신러닝의 단계별 업무 분장, 팀별역할, 팀간의 협업 내용, 팀별 중요 KPI 설계

11:50~1:00

점심

1:00~1:50

logistic regression 설명. 타이타닉 생존자 예측하기

kaggel 설명

logistic regression 실습

AI 의 적용 결과에 대한 설명할 수 있는 능력과 알고리즘의 정확도. AI를 실제 업무에 적용했을 때의 이슈들 이해하기.

2:00~2:50

3:00~3:50

비지도학습 설명, K-means, KNN, PCA 설명

iris data를 K-mean, KNN, PCA 로 분석하기

지도학습과 비지도 학습의 차이점을 이해하기.

기업의 서비스개발에 미치는 영향

4:00~4:50

5:00~5:50

Grid search,모델선정의 최적화, 평가지표, ROC 커브설명

타이타닉 최적 모델찾기

kaggel에 분석 결과 올리기

kaggle과 같은 사내 AI 컨테스트 장을 만들기

Homework

AI를 적용하고 싶은 분야를 머신러닝으로 적용해서 솔루션을 만들기

(서비스내용, 내부데이터 만들기, 외부데이터구하기, 적용할 알고리즘, 적용할 때 예상되는 문제점, 머신러닝 8단계적용하기, 팀별업무 분장하기, KPI 정하기)

일차

시간

교육내용

실습

기업경영 시사점 설명

3일차

6/27

9:00~9:50

각 기업에서 머신러닝을 적용한 분야 발표하기 강사의 코멘트

각자 발표

머신러닝을 적용할 때 문제점을 파악하고, 어떻게 해결 해야 하는지 파악

10:00~11:50

딥러닝의 이론

딥러닝의 8단계

Google의 AI 솔루션 구조와 tensorflow, tf.data

딥러닝 8단계와 tensorflow 매핑

iris 문제를 tensorflow로 풀기

머신러닝과 딥러닝의 차이를 명확하게 이해

두가지의 장단점.

언제 머신러닝과 딥러닝을 써야 할지 판단기준 제시

11:50~1:00

점심

1:00~1:50

FC(Fully Connected) layer. activation function

loss function, optimizer, call back functions

mnist 실습

학습(training)과 inference이라는 것의 차이.

2:00~2:50

3:00~3:50

CNN(Convolution Neural Network)

Transfer learning(전이학습), Image Augementation, Imagegenerator

CNN을 적용해서 Mnist 실습

horse-human 실습

transfer learning실습

FC와 CNN의 비교

transfer learning개념 이해. 우리 회사에 적용방안 탐구.

4:00~4:50

5:00~5:50

이미지 인식의 발전. RCNN, Yolo1~4, SSD, MobileNet, face ID, 동영상 인식과 추적. 실제 구현시 문제점. 자율주행자동차 개발현환 및 이슈들

강의 및 데모

computer vision 분야에 속한 연구내용을 토대로 새로운 서비스 적용

Homework

AI를 적용하고 싶은 분야를 딥러닝(computer vision)으로 적용해서 솔루션을 만들기

일차

시간

교육내용

실습

기업경영 시사점 설명

4일차

7/4

9:00~9:50

각 기업에서 딥러닝(computer vision)을 적용한 분야 발표하기 강사의 코멘트

각자 발표

computer vision을 적용할 때 문제점을 파악하고, 어떻게 해결해야 하는지 파악

10:00~11:50

NLP(자연어 처리)

tokenizer

word embedding

RNN, LSTM

 sarcasm 실습

NLP에 대한 기본적인 이해.

11:50~1:00

점심

1:00~1:50

한글데이터 처리 및 예측

word2vec

sentence2vec

힙합가사 작사하기,

word vector graph그리기

한글자연어처리 이슈 이해

2:00~2:50

3:00~3:50

자연어 처리의 최신 이론

NLP, NLU, NLG - 요약, 번역, Q&A, 주제분류 등

attention, transformer, BERT, GPT2

AI 아나운서,

강의, 데모

자연어처리를 활용한 비지니스 기획 포인트

4:00~4:50

5:00~5:50

시계열 데이터 처리

태양흑점 데이터, 삼성전자 데이터 설명

태양 흑점데이터 예측, 삼성전자 주가 예측하기

시계열데이터 처리를 활용한 비지니스 기획 포인트

Homework