|
|
|
|
|
C-LevelÀ» À§ÇÑ AI ÄÚµù½ºÄð
°úÁ¤ ¼Ò°³
º» °úÁ¤Àº ±â¾÷ÀÇ C-LevelÀÌ ºñÁî´Ï½º¿Í Àü·«¿¡ ÀûÇÕÇÑ AI ¼ºñ½º¸¦ µµÀÔÇϴµ¥ ÇÊ¿äÇÑ ÄÚµù Áö½Ä°ú ½ºÅ³À» ÇнÀÇϱâ À§ÇÑ ±³À°ÀÔ´Ï´Ù.
°úÁ¤ ¸ñÇ¥
ºñÁî´Ï½ºÀÇ ¹®Á¦¸¦ ÄÚµùÀÇ ÀÌÇظ¦ ÅëÇØ ÇØ°á
ÄÚµù Áö½Ä°ú ½ºÅ³ÀÌ ±â¾÷ÀÇ ºñÁî´Ï½º¿Í ¾î¶»°Ô ¿¬°áµÇ´ÂÁö¸¦ ÆľÇ
AIÀÇ Àü¹ÝÀûÀÎ ±â¼ú ÀÌÇØ
ºñÁî´Ï½º¿¡ µû¸¥ AIÀÇ Àû¿ë ºÐ¾ß ±×¸®°í AIÀÇ Àå´ÜÁ¡À» ÀÌÇØ
°úÁ¤ ±â´ë È¿°ú
AI¿¡ µû¸¥ »õ·Î¿î ºñÁî´Ï½º ±âȸ Æ÷Âø
ºñÁî´Ï½º ±âȸ¸¦ AI ¼ºñ½º·Î ±¸Çö
AI ¼ºñ½º ±¸Çö ¹× ¿î¿µÀ» À§ÇÑ ¾÷¹« Á¤ÀÇ¿Í ¼öÇà ¹æ¹ý ÇнÀ
AI ¼ºñ½º ±¸Çö ¹× ¿î¿µÀ» À§ÇÑ Àη °ü¸® ¹× ¾ç¼º °èȹ ¼ö¸³
AI ¼ºñ½º ±¸Çö ¹× ¿î¿µÀ» À§ÇÑ ±â¾÷ ³»ºÎ µ¥ÀÌÅÍ Á¤ºñ ¹æ¹ý ÆľÇ
»çÀü Á¶°Ç
¾øÀ½ / AIÀÇ ±âÃÊ ¾ð¾îÀÎ ÆÄÀ̽ã(Python)ºÎÅÍ ¾Ë·Áµå¸³´Ï´Ù.
°»ç ¼Ò°³ : À嵿ÀÎ ¹Ú»ç´Ô
À嵿ÀÎ ¹Ú»ç´ÔÀº ±â¾÷ ÀÓ¿øÀÌ ÄÚµùÀ» ÇÒ ¼ö ÀÖ¾î¾ß ºñÁî´Ï½º¿Í Á¶Á÷ÀÌ »ê´Ù´Â ½Å³äÀ¸·Î ÀÏÇØ¿ÔÀ¸¸ç, À̹ø¿¡ ±×µ¿¾ÈÀÇ °æÇèÀ» ¸ð¾Æ AI Coding¿¡ ´ëÇÑ °ÀǸ¦ ÁغñÇÏ¿© Çѱ¹ ÃÖÃÊ·Î ÀÓ¿øÀ» À§ÇÑ AI ÄÚµù °ÀǸ¦ ¿Â¿ÀÇÁ¿¡¼ ½ÃÀÛÇÕ´Ï´Ù. Äڷγª-19 ÀÌÈÄ Çѱ¹±â¾÷ÀÇ »õ·Î¿î µµ¾àÀ» À§ÇÏ¿© ÀÓ¿øµéºÎÅÍ ÄÚµù°ú Ä£¼÷ÇØÁ® AI¿¡ ´ëÇÑ °³³äÀ» ¸íÈ®ÇÏ°í ºñÁî´Ï½º¿¡ ¼º°øÀûÀ¸·Î µµÀÔÇϱ⸦ ¹Ù¶ó´Â ¸¶À½¿¡¼ ÀÌ °úÁ¤À» ÁغñÇß½À´Ï´Ù.
¶ÇÇÑ AI »Ó¾Æ´Ï¶ó ºí·ÏüÀÎ, Ŭ¶ó¿ìµå, µ¥ÀÌÅͺм® ¹× °æ¿µÄÁ¼³ÆÃÀ» ÇßÀ¸¸ç Ç×»ó ½Å±â¼ú ºÐ¾ß¸¦ ³²µé º¸´Ù ¸ÕÀú °³Ã´ÇÏ¿© ¼ö¸¹Àº °¿¬, ¹ßÇ¥, ±â°í, Àú¼úÀ» ÇÏ¿´°í 2020³â¿¡´Â Tensorflow Developer Certification ÃëµæÇÏ¿´½À´Ï´Ù.
2015~2018³â ±¹¹æ°úÇבּ¸¼Ò(ADD) ºòµ¥ÀÌÅÍ/ÀΰøÁö´É PM
¾ð½ºÆ®¾Ø¿µ °æ¿µÀÚ¹®º»ºÎÀå, µô·ÎÀÌÆ® ÄÁ¼³ÆÃCRM ÆÄÆ®³Ê·Î¼ ºñÁî´Ï½º¹× µ¥ÀÌÅÍ ºÐ¼® ÄÁ¼³ÆÃ
¿À¶óŬ º»»ç ¹× Çѱ¹Áö»ç, Siebel Korea, SAS Korea¿¡¼ µ¥ÀÌÅͺм®, Data Warehouse, CRM, Credit & Operational Risk ºÐ¼®, °øÀåµ¥ÀÌÅÍ ºÐ¼®
ÁÖ¿ä Àú¼ : , <ºòµ¥ÀÌÅÍ·Î ÀÏÇÏ´Â ±â¼ú, 2014³â, ÇѺûÃâÆÇ»ç>, <°øÇÇ°í¾Æ, 2010³â, ½Ü¾ØÆÄÄ¿½º>, <½Ç¹«ÀÚ¸¦ À§ÇÑ µ¥ÀÌÅÍ¿þ¾îÇϿ콺, 1999³â, ´ëû>
°úÁ¤
Ä¿¸®Å§·³
[1ÀÏÂ÷] 6¿ù 13ÀÏ(Åä¿äÀÏ)
ÀÏÂ÷ |
½Ã°£ |
±³À°³»¿ë |
½Ç½À |
±â¾÷°æ¿µ ½Ã»çÁ¡ ¼³¸í |
1ÀÏÂ÷
6/13 |
9:00~9:50 |
±¸±ÛÄÚ·¦(Cola)ȯ°æ°ú »ç¿ë¹ý |
ÄÚ·¦»ç¿ëÇؼ ÇÁ·Î±×·¥ÄÚµù, PCÀúÀå, ±¸±Ûµå¶óÀÌºê ¿¬°á |
Ŭ¶ó¿ìµå ÄÄÇ»ÆÃÀÇ °³³ä, Àå´ÜÁ¡ |
10:00~10:50 |
Àΰ£ÀÇ»ç°í, ÄÄÇ»ÅÍÀÇ ÀÛµ¿¹æ½Ä, AIÀÇ ÀÛµ¿¹æ½Ä |
¿¬½À¹®Á¦ (ÀϹÝÇÁ·Î±×·¥, ¸Ó½Å·¯´×, µö·¯´×
ÇÁ·Î±×·¥) ½ÇÇà |
Àΰ£ÀÇ »ç°í¿Í ÄÄÇ»ÅÍÀÇ»ç°í, ¸Ó½Å·¯´×, µö·¯´×°£ÀÇ Â÷ÀÌÁ¡,
Àå´ÜÁ¡ ÆľÇ. AI¿¡ ´ëÇÑ Æí°ß½ÃÁ¤ |
11:00~11:50 |
ÄÄÇ»ÅÍÀû»ç°í ¹æ½Ä°ú Ç÷οìÂ÷Æ®, ½´µµÄÚµå |
99´Ü ÇÁ¸°Æ®Çϱâ
½´µµÄÚµå ÀÛ¼º
Ä¿ÇÇÀÚÆDZ⠽´µµÄÚµåÀÛ¼º |
±â¾÷¿ë ¼ÒÇÁÆ®¿þ¾î °³¹ß
¹æ½Ä |
11:50~1:00 |
Á¡½É |
1:00~1:50 |
99ÄÚµùÇϱâ, Ä¿ÇÇÀÚÆDZâÄÚµùÇϱ⿡ ÇÊ¿äÇÑ ÆÄÀ̽㠹®¹ý ¼³¸í |
99´Ü, Ä¿ÇÇÀÚÆDZâ ÄÚµùÇϱâ |
°³¹ßÀÚµé ÀÌÇØÇϱâ |
2:00~2:50 |
µ¥ÀÌÅÍ, AI¸¦ À§Çѵ¥ÀÌÅÍ ±¸Á¶, numpy, Pandas, Matplotlib ¼³¸í. regression¿¡ ´ëÇÑ ¼³¸í°ú ¾÷¹«»ç·Ê |
º¸½ºÅÏÁý °ª µ¥ÀÌÅÍ ´Ù¿î·Îµå, numpy, pandas, matplotlib ½Ç½À |
AI¸¦ À§ÇÑ ±â¾÷ µ¥ÀÌÅÍ ±¸Á¶ ÀÌÇØ¿Í ÇÊ¿äÇÑ ÀÛ¾÷. ¿ì¸®
ȸ»ç¿¡¼ regressionÀÌ ÇÊ¿äÇÑ ¾÷¹« ÆÄ¾Ç |
3:00~3:50 |
ŸÀÌŸ´Ð µ¥ÀÌÅÍ ¼³¸í, Ž»öÀû ºÐ¼®, classification ¼³¸í, µ¥ÀÌÅÍ Àüó¸® ÀÛ¾÷ ¼³¸í |
ŸÀÌŸ´Ð µ¥ÀÌÅÍ ´Ù¿î·Îµå. µ¥ÀÌÅÍ Àü |
¿ì¸®È¸»ç¿¡¼ classification ¾÷¹« ÆľÇÇϱâ |
4:00~4:50 |
ŸÀÌŸ´Ð µ¥ÀÌÅÍ Àüó¸®
ÀÛ¾÷ |
ŸÀÌŸ´Ðµ¥ÀÌÅÍ Àüó¸®
ÀÛ¾÷ ½Ç½À |
Àüó¸® ÀÛ¾÷ÀÇ ¾î·Á¿îÁ¡
ÆľÇ. ±â¾÷ÀÇ Àüó¸®ÀÛ¾÷ ³»¿ë Á¤ÀÇ |
5:00~5:50 |
ÆÄÀ̽ã ÇÔ¼ö, Ŭ·¡½º, ÆÐÅ°Áö. AI¿¡¼
¸¹ÀÌ »ç¿ëÇÏ´Â ÆÐÅ°Áö. github, tensorflow ¼³¸í |
Ä¿ÇÇÀÚÆDZâ Ŭ·¡½º·Î ¸¸µé±â, github °Ë»öÇϱâ |
ITÀÇ ºñ¾àÀûÀÎ ¹ßÀüÀÌÀ¯
2010³â´ë±îÁö AI¿Í ±× ÀÌÈÄ AI ¹ßÀü ÀÌÀ¯ |
Homework |
¿ì¸® ±â¾÷¿¡¼ AI¸¦ Àû¿ëÇÏ°í ½ÍÀº ºÐ¾ß¸¦ ¸®½ºÆ®Çϱâ
kaggle.com,
github.com, slack.com, tensorflow.org¿¡ µî·ÏÇϱâ. ¹«½¼ »çÀÌÆ®ÀÎÁö ÆľÇÇϱâ |
[2ÀÏÂ÷] 6¿ù 20ÀÏ(Åä¿äÀÏ)
ÀÏÂ÷ |
½Ã°£ |
±³À°³»¿ë |
½Ç½À |
±â¾÷°æ¿µ ½Ã»çÁ¡ ¼³¸í |
2ÀÏÂ÷
6/20 |
9:00~9:50 |
4°³ÀÇ ¼÷Á¦ µî·Ï »çÀÌÆ® ¼³¸í°ú ±â¾÷¿¡ ÁÖ´Â ÀǹÌ.
°¢ ±â¾÷¿¡¼ AI¸¦ Àû¿ëÇÏ°í ½ÍÀº ºÐ¾ß ¹ßÇ¥Çϱâ¿Í °»çÀÇ ÄÚ¸àÆ® |
°¢ÀÚ ¹ßÇ¥ |
AI¸¦ Àû¿ëÇÒ ¶§ ¹®Á¦Á¡À» ÆľÇÇÏ°í, ¾î¶»°Ô ÇØ°á ÇØ¾ß ÇÏ´ÂÁö
ÆÄ¾Ç |
10:00~11:50 |
¸Ó½Å·¯´× 8´Ü°è ¼³¸í°ú
scikit-learn
¿¬°ü°ü°è ¼³¸í. linear
regression, decision tree, random forest ¼³¸í |
º¸½ºÅÏÁý°ª linear regression, decicison tree, random forest·Î ¿¹ÃøÇϱâ. Â÷ÀÌÁ¡ ºÐ¼®Çϱâ |
¸Ó½Å·¯´×ÀÇ ´Ü°èº° ¾÷¹«
ºÐÀå, ÆÀº°¿ªÇÒ, ÆÀ°£ÀÇ Çù¾÷ ³»¿ë, ÆÀº° Áß¿ä KPI ¼³°è |
11:50~1:00 |
Á¡½É |
1:00~1:50 |
logistic
regression ¼³¸í. ŸÀÌŸ´Ð
»ýÁ¸ÀÚ ¿¹ÃøÇϱâ
kaggel
¼³¸í |
logistic
regression ½Ç½À |
AI
ÀÇ Àû¿ë °á°ú¿¡ ´ëÇÑ ¼³¸íÇÒ ¼ö ÀÖ´Â ´É·Â°ú ¾Ë°í¸®ÁòÀÇ Á¤È®µµ. AI¸¦ ½ÇÁ¦ ¾÷¹«¿¡ Àû¿ëÇßÀ» ¶§ÀÇ À̽´µé ÀÌÇØÇϱâ. |
2:00~2:50
3:00~3:50 |
ºñÁöµµÇнÀ ¼³¸í, K-means, KNN, PCA ¼³¸í |
iris
data¸¦ K-mean, KNN, PCA ·Î
ºÐ¼®Çϱâ |
ÁöµµÇнÀ°ú ºñÁöµµ ÇнÀÀÇ
Â÷ÀÌÁ¡À» ÀÌÇØÇϱâ.
±â¾÷ÀÇ ¼ºñ½º°³¹ß¿¡ ¹ÌÄ¡´Â
¿µÇâ |
4:00~4:50
5:00~5:50 |
Grid
search,¸ðµ¨¼±Á¤ÀÇ ÃÖÀûÈ, Æò°¡ÁöÇ¥, ROC Ä¿ºê¼³¸í |
ŸÀÌŸ´Ð ÃÖÀû ¸ðµ¨Ã£±â
kaggel¿¡ ºÐ¼® °á°ú ¿Ã¸®±â |
kaggle°ú °°Àº »ç³» AI ÄÁÅ×½ºÆ® ÀåÀ» ¸¸µé±â |
Homework |
AI¸¦ Àû¿ëÇÏ°í ½ÍÀº ºÐ¾ß¸¦ ¸Ó½Å·¯´×À¸·Î Àû¿ëÇؼ ¼Ö·ç¼ÇÀ» ¸¸µé±â
(¼ºñ½º³»¿ë, ³»ºÎµ¥ÀÌÅÍ ¸¸µé±â, ¿ÜºÎµ¥ÀÌÅͱ¸Çϱâ, Àû¿ëÇÒ ¾Ë°í¸®Áò, Àû¿ëÇÒ ¶§ ¿¹»óµÇ´Â ¹®Á¦Á¡, ¸Ó½Å·¯´× 8´Ü°èÀû¿ëÇϱâ, ÆÀº°¾÷¹« ºÐÀåÇϱâ,
KPI Á¤Çϱâ) |
[3ÀÏÂ÷] 6¿ù 27ÀÏ(Åä¿äÀÏ)
ÀÏÂ÷ |
½Ã°£ |
±³À°³»¿ë |
½Ç½À |
±â¾÷°æ¿µ ½Ã»çÁ¡ ¼³¸í |
3ÀÏÂ÷
6/27 |
9:00~9:50 |
°¢ ±â¾÷¿¡¼ ¸Ó½Å·¯´×À»
Àû¿ëÇÑ ºÐ¾ß ¹ßÇ¥Çϱ⠰»çÀÇ ÄÚ¸àÆ® |
°¢ÀÚ ¹ßÇ¥ |
¸Ó½Å·¯´×À» Àû¿ëÇÒ ¶§
¹®Á¦Á¡À» ÆľÇÇÏ°í, ¾î¶»°Ô ÇØ°á ÇØ¾ß ÇÏ´ÂÁö ÆÄ¾Ç |
10:00~11:50 |
µö·¯´×ÀÇ ÀÌ·Ð
µö·¯´×ÀÇ 8´Ü°è
GoogleÀÇ AI ¼Ö·ç¼Ç ±¸Á¶¿Í tensorflow, tf.data
µö·¯´× 8´Ü°è¿Í tensorflow ¸ÅÇÎ |
iris
¹®Á¦¸¦ tensorflow·Î Ç®±â
|
¸Ó½Å·¯´×°ú µö·¯´×ÀÇ Â÷À̸¦
¸íÈ®ÇÏ°Ô ÀÌÇØ
µÎ°¡ÁöÀÇ Àå´ÜÁ¡.
¾ðÁ¦ ¸Ó½Å·¯´×°ú µö·¯´×À»
½á¾ß ÇÒÁö ÆǴܱâÁØ Á¦½Ã |
11:50~1:00 |
Á¡½É |
1:00~1:50 |
FC(Fully
Connected) layer. activation function
loss
function, optimizer, call back functions |
mnist
½Ç½À |
ÇнÀ(training)°ú inferenceÀ̶ó´Â °ÍÀÇ Â÷ÀÌ. |
2:00~2:50
3:00~3:50 |
CNN(Convolution
Neural Network)
Transfer
learning(ÀüÀÌÇнÀ), Image
Augementation, Imagegenerator |
CNNÀ» Àû¿ëÇؼ Mnist ½Ç½À
horse-human
½Ç½À
transfer
learning½Ç½À |
FC¿Í CNNÀÇ ºñ±³
transfer
learning°³³ä ÀÌÇØ. ¿ì¸®
ȸ»ç¿¡ Àû¿ë¹æ¾È Ž±¸. |
4:00~4:50
5:00~5:50 |
À̹ÌÁö ÀνÄÀÇ ¹ßÀü. RCNN, Yolo1~4, SSD, MobileNet, face ID, µ¿¿µ»ó Àνİú ÃßÀû. ½ÇÁ¦ ±¸Çö½Ã ¹®Á¦Á¡. ÀÚÀ²ÁÖÇàÀÚµ¿Â÷ °³¹ßÇöȯ ¹× À̽´µé |
°ÀÇ ¹× µ¥¸ð |
computer
vision ºÐ¾ß¿¡ ¼ÓÇÑ ¿¬±¸³»¿ëÀ» Åä´ë·Î »õ·Î¿î ¼ºñ½º Àû¿ë |
Homework |
AI¸¦ Àû¿ëÇÏ°í ½ÍÀº ºÐ¾ß¸¦ µö·¯´×(computer vision)À¸·Î
Àû¿ëÇؼ ¼Ö·ç¼ÇÀ» ¸¸µé±â |
[4ÀÏÂ÷] 7¿ù 4ÀÏ(Åä¿äÀÏ)
ÀÏÂ÷ |
½Ã°£ |
±³À°³»¿ë |
½Ç½À |
±â¾÷°æ¿µ ½Ã»çÁ¡ ¼³¸í |
4ÀÏÂ÷
7/4 |
9:00~9:50 |
°¢ ±â¾÷¿¡¼ µö·¯´×(computer vision)À» Àû¿ëÇÑ ºÐ¾ß ¹ßÇ¥Çϱ⠰»çÀÇ ÄÚ¸àÆ® |
°¢ÀÚ ¹ßÇ¥ |
computer
visionÀ» Àû¿ëÇÒ ¶§ ¹®Á¦Á¡À» ÆľÇÇÏ°í,
¾î¶»°Ô ÇØ°áÇØ¾ß ÇÏ´ÂÁö ÆÄ¾Ç |
10:00~11:50 |
NLP(ÀÚ¿¬¾î ó¸®)
tokenizer
word
embedding
RNN,
LSTM |
sarcasm ½Ç½À |
NLP¿¡ ´ëÇÑ ±âº»ÀûÀÎ ÀÌÇØ. |
11:50~1:00 |
Á¡½É |
1:00~1:50 |
Çѱ۵¥ÀÌÅÍ Ã³¸® ¹× ¿¹Ãø
word2vec
sentence2vec
|
ÈüÇÕ°¡»ç ÀÛ»çÇϱâ,
word
vector graph±×¸®±â |
ÇѱÛÀÚ¿¬¾îó¸® À̽´ ÀÌÇØ |
2:00~2:50
3:00~3:50 |
ÀÚ¿¬¾î ó¸®ÀÇ ÃֽŠÀÌ·Ð
NLP,
NLU, NLG - ¿ä¾à, ¹ø¿ª, Q&A, ÁÖÁ¦ºÐ·ù µî
attention,
transformer, BERT, GPT2
AI
¾Æ³ª¿î¼, |
°ÀÇ, µ¥¸ð |
ÀÚ¿¬¾î󸮸¦ È°¿ëÇÑ ºñÁö´Ï½º
±âȹ Æ÷ÀÎÆ® |
4:00~4:50
5:00~5:50 |
½Ã°è¿ µ¥ÀÌÅÍ Ã³¸®
žçÈæÁ¡ µ¥ÀÌÅÍ, »ï¼ºÀüÀÚ µ¥ÀÌÅÍ ¼³¸í |
žç ÈæÁ¡µ¥ÀÌÅÍ ¿¹Ãø, »ï¼ºÀüÀÚ ÁÖ°¡ ¿¹ÃøÇϱâ |
½Ã°è¿µ¥ÀÌÅÍ Ã³¸®¸¦ È°¿ëÇÑ
ºñÁö´Ï½º ±âȹ Æ÷ÀÎÆ® |
Homework |
|
|
|
|
|
|
|
|
|
|