언어지능 특화과정 언어지능과정은 기계가 인간의 언어를 이해하고 분석할 수 있도록 딥러닝 알고리즘을 이용하여 자연어처리 모델을 생성하고 실제 환경에 활용하는데 목적이 있습니다. 시각지능과 14개의 공통과목과 Seq2Seq/Attention, Transformer, GPT/BERT 등 언어지능만의 특화과목으로 7개 과목으로 구성하였습니다.

• 언어지능 특화과목
  • 자연어처리 개요: 기본 개념과 자연어 전처리 과정을 학습
  • 단어 임베딩, 시퀀스 모델링: 차원 축소, word2vec, RNN, LSTM 이해 및 실습
  • 텍스트 분류: 감정분석, 스팸메일 탐지, 주제 분류 등 텍스트 분류 실습
  • Seq2Seq/Attention: Seq2Seq/Attention, 토큰화 이해 및 실습
  • Transformer: 셀프어텐션 등 트랜스포머 이해 및 실습
  • GPT/BERT: GPT/BERT 차이점, 사전학습모델 다운스트림 실습
  • 언어모델 파인튜닝: 프리트레인 모델 활용 및 파인튜닝 실습
• 교육 후 진로
  • 챗봇, 기계번역, 음성인식 등 자연어 처리 분야 엔지니어
  • 자연어 처리 분야의 데이터사이언티스
  • Classfication(분류)를 활용한 분야의 데이터 분석 및 서비스 기획자
  • 리뷰, 챗 등 커뮤니티 서비스 및 플랫폼 기획자, 개발자

시각지능 특화과정 시각지능은 이미지/영상 분석, 텍스트 인식 기술 모델 등을 습득하여 AI가 객체탐지, 객체인식을 넘어 상황적 맥락 이해하는데 목표가 있습니다. 언어지능과 같이 모델링 과정 14개의 공통과목과 OpenCV, 이미지분류모델 등 시각지능 분야의 특화 8개 실무 중심 과목으로 구성하였습니다.

• 시각지능 특화과목
  • OpenCV 기초: OpenCV 이미지 필터를 이용한 이미지 변형 및 특성 추출 구현
  • OpenCV 영상처리: OpenCV를 활용한 안면인식 및 객체인식 구현
  • CNN: CNN의 주요 알고리즘(필터, 합성곱, 풀링레이어 등) 이해와 구현
  • 이미지분류모델: 분류 - VGG, ResNet 모델 학습 및 실데이터 적용
  • 객체탐지모델: R-CNN, YOLO 모델 학습 및 실데이터 적용
  • 객체분류모델: 분류 - Mask r-CNN 모델 학습 및 실데이터 적용
  • 이미지생성모델: AE, VAE, GAN 모델 학습 및 문제해결능력 함양
  • 시각지능 활용: 딥러닝 기술을 활용한 자율주행, 의료영상 기술 적용
• 교육 후 진로
  • 자율주행, 메디컬, 의료, 에너지, 보안시스템 등 비전 시스템이 필요한 분야의 개발자
  • 이미지 및 영상 처리 분야의 데이터사이언티스
  • 컴퓨터 비전 분야 프로그래밍, 영상처리 SW 개발자
  • 이미지, 사람, 객체탐지, 객체인식 후 관리, 추적 서비스 및 플랫폼 기획자, 개발자

사물지능 특화과정 IoT 기술을 활용하여 기기 모니터링 및 지능/자동 제어기술 습득을 목표로 공통과목 및 파이썬 심화, 머신러닝, 딥러닝, 사물인터넷, 사물지능I, 사물지능II, 취·창업역량강화 등 19개 세부 과목으로 구성하였습니다.

• 모바일 앱 특화과목
  • 사물인터넷 기초: 스케치 프로그래밍, 아날로그/디지털 입출력, 모터제어, 디스플레이, 키패드, 시리얼 통신
  • 센서/통신: 센서 (온습도, 적외선, 초음파, 근접센서, 라이다 등), 통신 (RFID/NFC, 블루투스, Wifi)
  • 라즈베리파이/ESP32: 환경구축, 아날로그 입출력, 디지털입출력, Flask, DB 연동, 카메라, AWS연동, 얼굴인식
  • 컴퓨터 비전: 영상 처리개요/입출력, 이미지 프로세싱, ROI, 영상변환, 탬플링 매칭, 특징 검출, 객체 탐지/인식, 제스처 인식, OCR
  • Jetson 활용: 환경구축, GPIO 제어/센서 연동, PWM 제어, 카메라 연동, 이미지 분류/학습 실습
  • 센서데이터 처리: 시리얼 통신/무선 통신 활용, 센서 데이터 수집/처리/분석/저장/관리
  • 자율주행/지능제어: 라이다 센서 데이터 처리, 자율주행 제어, 스마트팜, 스마트홈, 스마트팩토리 기술
• 교육 후 진로
  • 데이터수집, 분석 및 인공지능 직무 데이터 분석기술과 기존 서비스에 인공지능 기술 융합을 통한 다양한 인공지능 서비스 개발직무, SI(프로그램, SW, WEB 유지보수 및 관리자), Front-End 개발자, Back-End 개발자, 인공지능 기반 WEB/APP 개발자 등

공통 과목/프로그램 AI 모델링 TRACK에서는 인공지능 기반 웹 서비스를 구축하는 기술과 데이터를 저장하는 기술과 함께 인공지능의 핵심인 딥러닝/머신러닝은 AI 모델링 TRACK 내 모든 과정에서 공통적으로 배우는 과목 입니다.

• 공통과목
  • 데이터 분석/시각화: Pytnon(문법, 클래스, 함수, 모듈, 파일, Numpy, Pandas, Matplotlib, 지도시각화)
  • HTML/CSS/웹 크롤링: HTML, CSS, 웹 크롤링, DB 연동
  • 웹 크롤링 자동화/DB 구축: Node.js/파이썬 활용 웹 크롤링 자동화/DB 구축
  • 머신러닝: 기초이론, 지도학습(회귀/분류) 모델, 모델 평가
  • ML 파이프라인: 비지도 학습 모델 (차원축소, 군집, LDA)
  • 전이학습: 다양한 러닝 테크닉 구현 및 실데이터 적용
  • 딥러닝 개요: 선형회귀/로지스틱 회기/손실함수/경사하강법, 알고리즘 이해 및 구현 딥러닝 프레임워크, 동작방식 및 개발 능력 향상
  • 딥러닝(CNN, GAN, YoloV5): CNN 개념, padding, sliding, 정규화, pooling, 이미지 분류/인식, 증식, 객체 탐지
  • 딥러닝(RNN, LSTM, BERT): RNN 개념 및 활용, 시계열 분석, BERT 개념 및 활용
• 공통 프로그램
• Kaggle 경진대회: 머신러닝을 이용한 데이터 분석 실습
• 핵심/실전역량 프로젝트 (총 2회)
• 기업 수요 중심 프로젝트 수행
• [핵심]공통기술기반 활용 프로젝트 수행
  • [실전]기업 전문 멘토 매칭
• Coding Festival: JS를 이용한 알고리즘을 게임으로 학습
• 취·창업 역량강화: 자기소개서, 이력서, 포트폴리오, 모의면접

JS 특화과정 인공지능 기법을 학습하고 JS를 활용한 웹 기반 인공지능 서비스 구현을 목표로 공통과목 및 프론트앤드, 백앤드, 파이썬 심화, 머신러닝, 딥러닝, JavaScript 웹프레임워크, 취·창업역량강화 등 17개 실무 중심 과목으로 구성하였습니다.

• JS 특화과목
  • JQuery: 제이쿼리 선택자/문서 객체 등 이해/실습
  • React.js: 컴포넌트 기반 React.js를 활용 프론트엔드 구성
  • Hooks 기반 React: Hooks 활용 함수형 컴포넌트 상태 변경 개발
  • 전역 State 관리: 서비스 종류별 전역 State 관리 방법
  • Node.js, Express.js: Node.js를 활용한 백엔드 구성 방법
  • DB, REST API: 백엔드와 데이터베이스 연동방법
  • 신경망 기초: 딥러닝 초기 모델의 이해
• 교육 후 진로
  • 데이터수집, 분석 및 인공지능 직무 데이터 분석기술과 기존 서비스에 인공지능 기술 융합을 통한 다양한 인공지능 서비스 개발직무, SI(프로그램, SW, WEB 유지보수 및 관리자), Front-End 개발자, Back-End 개발자, 인공지능 기반 WEB 개발자 등

Spring 특화과정 인공지능 기법을 학습하고 Spring을 활용한 웹 기반 인공지능 서비스 구현을 목표로 공통과목 및 기본과정, 프론트앤드, 백앤드, 파이썬 심화, 머신러닝, 딥러닝, Java, JSP/Servlet, Spring 웹프레임워크, 취·창업역량강화 등 16개 과목으로 구성하였습니다.

• Spring 특화과목
  • 웹 크롤링: 파이썬을 활용한 웹 크롤링 자동화
  • Java 응용: 객체지향, 상속, 생성자, 다형성, 제네릭, Collection, interface
  • DB, JDBC: JDBC 기초, MVC 패턴, SQL
  • JSP, Servlet: Servlet, JSP, Cookie, Session, Scope, 서버페이지 실습
  • Spring 프레임워크: 웹 App이해, MVC 패턴, 구조, 기본기능, 웹페이지 구축
  • C/S 프로그래밍: Thread, 예외 처리, I/O, 네트워크, C/S 통신
  • 딥러닝 개요: 신경망 이론 (퍼셉트론, 활성화함수, 오차역전파, 경사하강법, 손실함수)
• 교육 후 진로
  • 데이터수집, 분석 및 인공지능 직무 데이터 분석기술과 기존 서비스에 인공지능 기술 융합을 통한 다양한 인공지능 서비스 개발직무, SI(프로그램, SW, WEB 유지보수 및 관리자), Front-End 개발자, Back-End 개발자, 인공지능 기반 WEB 개발자 등

모바일 앱 특화과정 인공지능 기법을 학습하고 모바일 앱 기반 인공지능서비스 구현을 목표로 공통과목 및 프론트앤드, 백앤드, 파이썬 심화, 머신러닝, 딥러닝, Java, Android, Spring 웹프레임워크, 취·창업역량강화 등 16개 과목으로 구성하였습니다.

• 모바일 앱 특화과목
  • 웹 크롤링: 파이썬을 활용한 웹 크롤링 자동화
  • React.js: 컴포넌트 기반 React.js를 활용 프론트엔드 구성
  • 딥러닝 개요: 신경망 이론（퍼셉트론, 활성화함수, 오차역전파, 경사하강법, 손실함수)
  • Node.js, Express.js: Node.js를 활용한 백엔드 구성 방법
  • Kotlin 기초/응용: 환경 구축, 기본 문법, 레이아웃, 이벤트, 다이얼로그, 프래그먼토, 리사이클뷰, 앱 제작, JETPACK, Volley, Retrofit, Glide, 인터넷 연결, 저장소
  • Flutter: 환경설정, Dart, 위젯, 패키지, API
• 교육 후 진로
  • 데이터수집, 분석 및 인공지능 직무 데이터 분석기술과 기존 서비스에 인공지능 기술 융합을 통한 다양한 인공지능 서비스 개발직무, SI(프로그램, SW, WEB 유지보수 및 관리자), Front-End 개발자, Back-End 개발자, 인공지능 기반 WEB/APP 개발자 등

공통 과목/프로그램 인공지능 기반 웹 서비스를 구축하는 기술 중 눈에 보이는 부분을 구현하는 기술인 HTML/CSS/JS와 인공지능의 핵심인 데이터기반 기술과 딥러닝/머신러닝은 3개 TRACK 및 7개 과정에서 공통적으로 배우는 과목 입니다.

• 공통과목
  • 데이터 분석/시각화: Pytnon(문법, 클래스, 함수, 모듈, 파일, Numpy, Pandas, Matplotlib, 지도시각화)
  • HTML/CSS/JS: HTML 태그, CSS 속성, JS 문법, DOM, jQuery, Ajax
  • 컴퓨터 비전: 영상 입출력, 이미지 프로세싱, ROI, 영상변환, 탬플링 매칭, 특징 검출, 객체 탐지/인식, 얼굴 및 신체 감지/인식, 제스처 인식, OCR
  • 머신러닝: 기초이론, 지도학습(회귀/분류) 모델, 모델 평가
  • 딥러닝(CNN, GAN, YoloV5): CNN 개념, padding, sliding, 정규화, pooling, 이미지 분류/인식, 증식, 객체 탐지
  • 딥러닝(RNN, LSTM, BERT): RNN 개념 및 활용, 시계열 분석, BERT 개념 및 활용
• 공통 프로그램
  • Kaggle 경진대회: 머신러닝을 이용한 데이터 분석 실습
  • 핵심/실전역량 프로젝트 (총 2회)
    • 기업 수요 중심 프로젝트 수행
    • [핵심]공통기술기반 활용 프로젝트 수행
    • [실전]기업 전문 멘토 매칭
  • Coding Festival: JS를 이용한 알고리즘을 게임으로 학습
  • 취·창업 역량강화: 자기소개서, 이력서, 포트폴리오, 모의면접

AI 특화과정 클라우드(MLOps)과정은 다양한 분석 데이터를 효율적으로 관리하는 데 목적이 있습니다. 클라우드(MLOps)과정에서는 기본 개념부터 쿠버네티스를 활용하여 머신러닝 코드를 자동으로 배포하는 CI/CD 파이프라인을 구축할 수 있습니다. 개발자와 운영자 각 직군을 준비할 수 있도록 21개 과목으로 구성하였습니다.

• 클라우드 특화과목
  • 컴퓨터 구조: 효율적인 프로그램 작성을 위한 컴퓨터 아키텍처 이해와 동작 원리 학습
  • Python 심화: 파이썬 클래스 및 내부 구조 학습
  • 데이터사이언스: 수치 연산, 데이터 분석, 시각화 라이브러리 활용법 학습
  • 웹 크롤링: 데이터 수집 라이브러리 활용
  • 데이터베이스: 주요 개념, SQL 작성법, 데이터베이스 설계 및 모델링
  • 특성공학: 모델 성능 향상을위한 데이터 가공 사용 방법 학습
  • 머신러닝: 기초이론, 지도학습(회귀/분류) 모델, 모델 평가
  • ML 파이프라인: 머신러닝 모델 전 과정 지속 수행을 위한 파이프라인 기반 자동화
  • HTML/CSS/JS: 웹페이지 기본 이해 작성법 학습, Javascript 개념과 문법, 메소드 활용법
  • Node.js: Node.js 개념과 기능 이해, 모듈을 활용한 웹 서버 구현 방법 학습
  • 취·창업 역량교육: 자기소개서, 이력서, 포트폴리오, 모의면접, 취업특강 및 실습
  • 핵심/실전역량프로젝트 (총 2회)
    • 기업 수요 중심 프로젝트 수행
    • [핵심]공통기술기반 활용 프로젝트 수행
    • [실전]기업 전문 멘토 매칭
  • 딥러닝 개요: 딥러닝 개념과 알고리즘 이해 및 프레임워크 활용 구현 방법 학습
  • 시각지능 CNN, YoloV5: CNN, YoloV5 시각처리 모델 이해 및 구현 방법 학습
  • 언어지능 RNN, LSTM: RNN, LSTM 언어 처리 모델 이해 및 구현 방법 학습
  • 리눅스 Admin, 리눅스 네트워크: 리눅스 설치 및 vi, 쉘 사용법, 운영방법 학습, 네트워크 기초와 설정, FTP, 웹 서버, NFS, 보안 관련 학습
  • 도커, 쿠버네티스
    • 도커 구조 이해와 컨테이너 구축 및 학습
    • 컨테이너 애플리케이션의 배포, 확장 및 관리 방법 학습
  • MLOps 기본/활용
    • MLOps 구축을 위한 기본 환경 구성 방법 학습
    • SAGEMAKER 활용 MLOps 구축, 배포 관리 및 모니터링 기법 학습
• 교육 후 진로
  • AI 모델 서빙 인프라 구축 및 시스템 자동화, CI/CD 기반 빌드/테스트/배포 환경 운영, 서비스 및 인프라 로깅, 모니터링 시스템 구축 및 운영 MLOps 엔지니어
  • 도커 서비스 배포하여 개발/운영, ML 파이프라인 개선 등 MLOps 데이터 엔지니어
  • MLOps 프레임워크 개발자
  • AI 알고리즘 결과 데이터셋 API 또는 SDK로 개발 및 서비스, AI Product에 대한 성능 측정/개선 MLOps 개발자