캠프 상세 페이지를 불러오는 중입니다.
캠프 상세 페이지를 불러오는 중입니다.
모집 마감
LG헬로비전
변경 가능성이 있으므로, 정확한 정보는 홈페이지에서 확인해주세요.
💡 이번 일정을 놓치셨다면?
K-디지털 트레이닝 과정을 참여한 적이 없고, 내일 배움 카드 잔액이 1원 이상 남아 있다면 참여 가능합니다. 지원 자격 및 수강 신청에 대한 문의는 고용센터(대표번호 1350)로 문의해 주세요 :) * 2026년 1월 과정부터 자기부담금이 발생될 수 있습니다. (최대 60만원)
-필수 사전지식은 수강생에게 수업전 LG헬로비전 아카데미에서 가이드 안내
| 생성형 AI 전략 및 고급 프롬프트 엔지니어링 | - LLM 아키텍처 및 생성형 AI 생태계 이해 - Prompt Engineering (Zero-shot, Few-shot, CoT, ReAct)- Domain - specific 프롬프트 설계 및 최적화 - Python 기반 프롬프트 자동화 (OpenAI API, HuggingFace Hub) - 멀티모달 프롬프트 기초 (텍스트+이미지 입력) → 바이브코딩: 프롬프트 실습 즉시 공유 & 개선 피드백 | 120시간 |
| AI 서비스 연동형 웹 프로그래밍 | - React 기반 프론트엔드 - Python (FastAPI/Flask) 백엔드 API 서버 구축 - AI API 연계 및 배포- 이미지 업로드/처리 기능 포함 AI 웹 서비스 개발 → 바이브코딩: API 호출 에러 디버깅, 실시간 코드 공유 | 120시간 |
| Casestudy ① | 비즈니스 사례 중심의 분석 기회 | 8시간 |
| AI 웹 서비스구축 프로젝트 (바이브코딩) | - Jupyter Notebook / Google Colab 활용법 (실습 환경 공유) - Git & GitHub 기본 (코드 버전 관리, 협업 브랜치 전략) - Notion AI를 통한 학습/아이디어 정리 - 실시간 코드 리뷰 방식 소개 (Pull Request, 코드 비교) | 80시간 |
| 데이터 과학 (머신러닝·딥러닝 심화 모델링) DATA 콘텐츠플렛폼, 제조 , 유통 , 금융 | - 통계기반 분석 - Pandas, NumPy, Matplotlib/Seaborn 데이터 분석 - Scikit-learn 기반 ML 모델링 - 딥러닝 : PyTorch/TensorFlow 기반 ANN, CNN, RNN- Vision AI: ResNet, EfficientNet, YOLO, Faster R-CNN - 멀티모달 모델링: CLIP, BLIP ==> 바이브코등관련 내용들은 모두 제거 | 160시간 |
| 머신러닝·딥러닝 프로젝트 | 산업 별 머신러닝,딥러닝 프로젝트 <LG헬로비전 프로젝트 예시> ** 제조(Manufacturing) 1) 불량품 탐지: 생산 라인에서 카메라로 찍은 이미지 분석 → CNN 기반 결함 분류<이상감지> 2) 품질 관리 자동화: 딥러닝 기반 이상치 탐지로 공정 품질 보증 ** 에너지(Energy) 3) 전력 수요 예측: 스마트 미터 데이터를 기반으로 전력 소비 패턴 예측 (LSTM, Transformer) ** 금융(Finance) 4) 이상 거래 탐지(Fraud Detection): 신용카드 사용 패턴 분석 → 이상치 탐지 알고리즘, GNN 기반 사기 탐지 ** 농업 5) 작물 병충해 탐지: 드론·이미지로 작물 상태 분석 → CNN 기반 이미지 분류 2,추천시스템 1) 개인화된 콘텐츠 추천: 시청/청취 이력, 재생 시간, 클릭 로그를 기반으로 맞춤형 콘텐츠 추천 2) 기계 고장 진단 후, 가장 효과적인 유지보수 절차 추천 3) 고객의 소비 패턴과 신용 점수를 기반으로 대출, 예금, 보험 상품 맞춤 추천 4) 고객 행동 분석 및 추천 - 온라인 뱅킹 접속 로그, 상품 조회 기록 분석해 개인화된 금융 상품 추천 5) 유통/IT 서비스 : 사용자 행동 로그 기반 추천 시스템 - 클릭 로그, 검색 로그, 구매 로그 활용 6) 제조 : 예지 보수(Predictive Maintenance) - 장비 로그 데이터를 바탕으로 고장 발생 시점을 예측해 사전 유지보수 추천 | 80시간 |
| Casestudy ② | 현업 AI 모델 개발 방법 | 8시간 |
| 지식 확장형 RAG 및 지능형 에이전트 설계 | - RAG 아키텍처 및 지식 확장형 서비스 설계 - VectorDB 기반 검색·인덱싱 기법 - 지능형 에이전트(Agent) 설계 - 멀티모달 RAG: 이미지+텍스트 질의응답 - LangChain/LlamaIndex 기반Agent - Document QA + 이미지 기반 지식 확장 | 120시간 |
| Casestudy ③ | - 양자컴퓨팅 , 에이전틱AI , 피지컬 AI 사례학습 | 8시간 |
| 통합 캡스톤 프로젝트 및 산업 응용 (Vision·멀티모달 AI 프로젝트) | - 프로젝트 기획: Vision 문제 정의 (예: OCR 검색, 이미지 QA 챗봇, 추천시스템) - Python 데이터 파이프라인 구축- Vision AI + LLM + RAG/Agent 통합 애플리케이션 개발 - 성능 검증 및 사용자 테스트 - 최종 Demo Day 발표 및 피드백 | 320시간 |