서브 경로
총10차시 5주 과정
박찬민외 2명 선생님
수강대상
직무영역
연구개발
생산/제조
일반/영업/마케팅
교육대상
신입
과장/선임
부장/수석
교재안내
※교재는 환급제외 대상입니다.[강의요약집] 4차 산업혁명 [머신러닝]
0
0 원
수강신청
STEP1 과정유형 선택
| 일반 수강료 | 예상 수강료 (기업/단체) |
|---|---|
| 45,980 원 |
대기업교육비 : 45,980원
예상지원금액 : 18,392원
예상수강료 : 27,588원
본인이 수강지원금 환급 대상자인지의 여부는
소속 노동사무소 (고용지원센터)에 문의하여 반드시 확인하시기 바랍니다. |
|
중견기업교육비 : 45,980원
예상지원금액 : 36,784원
예상수강료 : 9,196원
본인이 수강지원금 환급 대상자인지의 여부는
소속 노동사무소 (고용지원센터)에 문의하여 반드시 확인하시기 바랍니다. |
|
|
우선지원대상기업교육비 : 45,980원
예상지원금액 : 41,382원
예상수강료 : 4,598원
본인이 수강지원금 환급 대상자인지의 여부는
소속 노동사무소 (고용지원센터)에 문의하여 반드시 확인하시기 바랍니다. |
STEP2 개강일 선택
| 과정 분류 | 제목 | 모집마감일 | 교육기간 | 상태 | 강의신청 |
|---|---|---|---|---|---|
| 신규과정으로, 현재 작업 중입니다. (약 일주일 소요 예정) |
|||||
※교육기간은 해당 회사 인사담당자의 승인 여부에 따라 달라질 수 있습니다.
컨텐츠 탭
훈련목표
- 인공지능에 대한 개론 이해를 통해 현업에서 머신러닝 관련 직무를 수행하는데 필요한 직무향상 가능
- 머신러닝 알고리즘 개발을 위한 Workflow 이해를 통해 머신러닝 직무 수행에 필요한 능력향상 가능
훈련대상
- IoT, AI, 로보틱스, 제조업 관련 기업의 업무를 진행하고 있는 사원~부장, 수석급
- IoT, AI, 로보틱스, 제조업 관련 기업에서 영업을 진행하고 있는 사원~부장, 수석급
- IoT 시장, AI 시장, 로보틱스 시장 등 전반에 걸친 정보가 필요한 기업의 사원 ~ 부장, 수석급
교수진소개
내용전문가
김창호 선생님
학력
미국 Top 20 MBA 출신
경력
전) 국내 대기업 11년 근무
현) 엘캠퍼스 교강사
현) 엘캠퍼스 교강사
내용전문가
박해미 선생님
학력
- 경북대 컴퓨터 시스템 공학과( 학사졸업 )
경력
총 경력 : 6 년 9개월
- 엔타입 ( 1 년 8 개월 )
- 렛유인 ( 5 년 )
- 엔타입 ( 1 년 8 개월 )
- 렛유인 ( 5 년 )
수료기준
| 수료 항목 | 수료 기준 | 평가 방법 |
|---|---|---|
| 시험 | * 환급(사업주훈련) 과정 100점 만점 기준 60점 이상 * 비환급(일반) 과정 - 시험 있는 과정 : 시험 응시(점수 무관) - 시험 없는 과정 : 시험 없음(진도율로 수료) ※ 기업의 요청이 있을 경우, '수료기준'은 다를 수 있습니다. |
- 최종평가 선다형 문제 20문항 출제 총 100점만점, 배점 각 5점.(총 100%반영) |
| 진도율 | * 환급(사업주훈련) 과정 진도율 100% 기준, 80% 이상 시 수료 가능 * 비환급(일반) 과정 진도율 100% 기준, 100% 이상 시 수료 가능 |
차시별 총 학습시간의 50% 이상 학습한 차시만 해당 과정의 총 진도율에 반영됩니다. |
훈련내용
| 차시 | 차시명 | 학습 목표 | 강의 시간 |
|---|---|---|---|
| 1차시 | 알파고와 인공지능 | - 알파고 열풍의 근원인 강한 AI 에 대해 알아 본다. - 인공지능과 인류의 경쟁의 역사를 알아 본다. - 인공지능을 활용하는 최근 사례를 살펴 본다. |
30분 |
| 2차시 | 인공지능 | - 인공지능이란 무엇인지 사전적/기술적 정의를 자세히 이해한다. - 앨런 튜링, 전문가 시스템, 인공신경망 그리고 딥러닝까지 이어져 온 인공지능 기술의 발달 역사를 살펴 본다. |
32분 |
| 3차시 | 인공지능과 딥러닝 | - 딥러닝은 사람의 뇌 구조를 모방한 형태라고 한다. 도대체 왜 사람의 뇌를 모방하게 되었는지 그 이유를 살펴보고 이해한다. - 딥러닝이 나타나게 된 여러 요인들 (GPU, Big Data)를 이해하고 딥러닝 관련 사례를 통해 활용 분야를 알아 본다. |
32분 |
| 4차시 | 머신러닝 개요 | - 인공지능과 머신러닝의 차이를 이해한다. - 머신러닝의 정의 및 응용분야를 이해하고 Supervised, unsupervised, reinforcement learning 에 대해 안다. |
30분 |
| 5차시 | 머신러닝 Workflow | - 머신러닝에는 다양한 기법이 있다. Regression, Classification, Clustering 의 차이를 이해한다. - 데이터의 수집 부터 모델 생성까지, 머신러닝 관련 알고리즘 개발의 순서를 이해한다. |
31분 |
| 6차시 | 값예측하기 | - 회기식이 정확히 무엇인지 그리고 어떠한 경우에 사용하는지 이해한다. - 회기식이 필요한 경우 만들 수 있는 방법을 습득한다. |
31분 |
| 7차시 | 경사하강법 | - 여러 인자를 이용하여 값을 예측하는 다항회귀 방정식을 이해한다. - Regression 및 Classification를 풀기 위한 필수 방식인 경사하강법에 대해 알아보자. |
31분 |
| 8차시 | 분류 (Classification) | - 머신러닝에서 분류 문제란 무엇인지 이해한다. 또한 분류 문제를 풀기 위해 어떤 종류의 데이터를 이용해야 하는지 안다. - Decision Tree 및 Logistic Regression 과 같이 분류 문제를 해결하기 위한 기법을 이해한다. |
31분 |
| 9차시 | 분류 (Classification) II | - 개발한 분류 기법의 성능을 평가하는 기법을 이애한다. Precision/Recall의 기법을 안다. - 분류문제 해결을 위해 가장 많이 사용되는 Support Vector Machine을 알아본다. |
31분 |
| 10차시 | 군집화 (Clustering) | - Unsupervised Learning 의 대표적 기법인 군집화의 개념을 이해한다. - K-means, 계층적 군집화, Mean shift 기법 등 다양한 군집화 기법을 이해한다. |
30분 |
유의사항
