국비 과정 ‘나도 들을 수 있을까?’
고민하지말고 문의하세요!

-

-

Machine Learning & Deep Learning

AI취업과정

수강기간

6개월

수업일

평일반 주 5일/ 주말반 주 2일(토,일)

핵심포인트!

AI 구현의 핵심 기술인 머신러닝&딥러닝
A부터 Z까지. 

파이썬을 활용하여 데이터를 수집하고 처리 및 분석하는 방법을 배우고, 최신 AI 알고리즘을 통한 자연어처리와 이미지처리 기법에 대해 공부하는 수업입니다.

CURRICULUM교육과정

교육과정의 개월수를 선택하여 세부과정을 볼 수 있습니다.

머신러닝&딥러닝을 위한 파이썬 기초

  • 1주차

    ● 파이썬 소개 및 환경설정 - 파이썬 개발환경 설치 ● 변수와 자료형 - 변수의 이해, 자료형과 기본연산, 자료형 변환 ● 화면 입출력과 리스트 - 화면 입출력, 화씨온도 변화기(연습문제) - 리스트의 이해, 리스트의 메모리 관리 방식 ● 조건문 - 조건문, 어떤종류의 학생인지 맞추기(연습문제) ˝ ● 반복문 - 반복문에 대한 이해 및 해당 기능을 이용한 알고리즘 - 구구단 계산기 ● 조건문과 반복문 실습 - 숫자찾기게임, 연속적인 구구단, 평균 구하기 - 코드의 오류를 처리하는 방법에 대해 학습

  • 2주차

    ● 함수 - 함수 기초 : 기본 사용법 - 함수 심화 : 다양한 응용 ● 함수 인수 - 여러가지 파라메터의 성격 ● 가독성 좋은 코드 작성방법 - 가독성의 개념과 버그 없이 프로그래밍 하는 방법 ● 문자열 - 단어 카운팅, 문자열 서식 지정

  • 3주차

    ● 자료구조 - 자료구조의 이해, 스택과 큐 - 튜플과 세트, 딕셔너리 ● collection 모듈 - 텍스트 마이닝 프로그래밍 ● 람다함수 - 맵리듀스 ● 선형대수학 - 행렬 및 전치, 미분과 다차원 방정식에 대한 이해

  • 4주차

    ● 객체지향 프로그램 - 클래스 ● 객체지향 기법으로 프로그램하기 - 노트북 프로그램 만들기 ● 모듈의 이해 - 파이썬 모듈을 이용해서 다른 파이썬에서 활용하기 ● 패키지 만들기 - 패키지에 대한 이해 및 사용 ● 파일 처리 - 파이썬 파일 입출력 다루기

기초 통계 및 데이터 수집

  • 1주차

    ● 넘파이 - 넘파이 연산 및 활용 ● 판다스 - CSV 데이터 다루기, 데이터 프레임및 그룹연산 ● 데이터수집 - BeautifulSoup 이용 - Selenium 이용 ● 데이터 시각화 - matplotlib, seaboarn 을 이용한 시각화

  • 2주차

    ● 공공기관 데이터 수집 및 시각화 - CSV 이용 - API 이용 ● 머신러닝을 위한 기초통계 - 1차원 데이터 특징 - 2차원 데이터 특징 ● 추측통계, 이산형 확률 변수 - 가설검증, 다변량 분석

  • 3주차

    ● 다변수 함수 - 다변수함수의 미분 ● 다변수 벡터함수 ● 블록함수 - 블록 최적화 ● 경사하강법 ● 선형회귀분석

  • 4주차

    ● 연속형 확률 변수 - 독립 동일분포 ● 통계정 추정 - 통계적 가설검증 ● T-검증과 회귀분석 - 상관관계분석(단순,다중) ● 상관계수, 히트맵

자연어 처리 및 텍스트 데이터 분석

  • 1주차

    ● 텍스트빈도분석 - 워드 클라우드(영문), 워드 클라우드(한글) ● 지리정보 분석 - 크롤링으로 데이터 수집 및 지도 생성 - 지오 데이터 (Gdeocode-Xr), 지도정보 시각화 ● 머신러닝 분류 - 머신러닝 군집 ● 머신러닝 로지스틱회귀

  • 2주차

    ● 텍스트 마이닝 - 감성분석 ● 토픽분석 ● 추천시스템 - 협업필터링 ● 컨텐츠 기반 추천시스템 ● 지식기반 추천 시스템

  • 3주차

    ● 머신러닝 서포트 벡터 ● 머신러닝 앙상블 ● 랜덤포레스트, xgboost ● 차원축소 PCA ● 비지도 학습

  • 4주차

    ● 프로젝트 주제 선정 ● 프로젝트를 위한 데이터 탐색 EDA ● 머신 러닝 모델 선정 및 데이터 분석 ● 모델 학습 및 검증 ● 포트폴리오 제작

인공신경망의 원리와 keras

  • 1주차

    ● 케라스를 이용한 인공신경망 개요 ● 케라스를 이용한 인공신경망 구현 ● 심층신경망 훈련 및 문제점 해결 ● 텐스플로를 사용한 모델 ● 텐서플로 및 저수준 api를 이용한 파이썬 모델

  • 2주차

    ● 합성곱 신경망 개요 ● 합성곱 신경망을 이용한 비전시스템 CNN ● RNN과 CNN을 이용한 시퀀스 처리 ● waveNet 구현 ● RNN과 어노테이션을 사용한 자연어 처리 I

  • 3주차

    ● RNN과 어노테이션을 사용한 자연어 처리 II ● 인공지능 설계와 구현 ● 인공지능을 이용한 붓꽃인식 ● 인공지능을 이용한 과일등급 분류하기 ● 인공지능을 이용한 딸기수학과정 설계및 구현

  • 4주차

    ● 딥러닝 VS 기계학습, 특징 추출 ● 인공지능 성능 측정(혼동행렬, 교차검증) ● svm 원리 및 하이퍼 매개변수 ● 퍼셉트론과 인공신경망 심화 ● 딥러닝과 텐서플로

파이토치 딥러닝 구현 및 최신 트랜드

  • 1주차

    ● Keras를 활용한 딥러닝 ● 이진분류기 및 Detecting 구현 ● Mnist 계열의 이미지 분류 구현 ● 다중분류, 다중레이블,다중출력 에 대한 이해 ● 지니불순도 엔트로피 , 옵티마이저의 종류와 기능

  • 2주차

    ● Pytorch에 대한 기본 문법 ● Pytorch를 이용한 퍼셉트론 구현 ● Pytorch를 이용한 다중 퍼셉트론 구현 ● Pytorch를 이용한 시계열 데이터 이상탐지 ● Pytorch를 이용한 신경망 구성 및 훈련

  • 3주차

    ● 인공지능 최신 트랜드에 대한 이해 및 조사방법 ● BERT, koBERT, GPT를 이용한 인공지능 구현 ● LSTM을 이용한 분석 시스템 구현 ● 이미지 분석 시스템 구현 ● 이미지 검출 및 보정 시스템 구현

  • 4주차

    ● 인공지능에서 그래프 신경망에 대한 이해 ● Graph Nural Network 구현 ● Graph convolution Network 구현 ● 그래프 신경망의 오류 의 종류와 해결방법 ● 그래프 신경망에서의 역전파

다양한 모델을 활용한 강화학습

  • 1주차

    ● 심층 강화학습 그리드 월드 와 큐러닝에 대한 이해 및 구현 ● 몬테카를로 예측 알고리즘의 이해와 적용 ● 시간차예측기법을 적용한 강화학습 - 살사코드 실행 ● 큐러닝 및 모델 개발 - 심층 강화학습 그리드월드와 근사함수에 대한 이해 및 구현 ● 근사함수를 통한 가치함수의 매개벼내수 변환 기법 - 심층 강화학습을위한 인공신경망 설계

  • 2주차

    ● 텐서플로2.0과 테라스 적용한 모델 개발 - 딥 살사 이론 및 폴리스 그레이디언트 개발 ● 심층강화학습 카트폴(DQN, 엑터, 크리틱) 에 대한 이해 - 카트풀 정의 및 구현 ● 액터 크리틱 에대한 이해 및 모델 적용 ● Continuous A2C 구현 ● Asynchronous Advantage Actor-Critic 구현

  • 3주차

    ● 심층 강화학습 브레이크아웃 DQN에 대한 이해 ● 아타리 브레이크 아웃 구현, 아타리를 적용한 게임모델 ● 텐서보드 사용 및 적용 ● 브레이크 아웃 A3C ● critic_loss, actor_loss 차이 및 오류 함수 특징

  • 4주차

    ● 프로젝트 주제 선정 ● 프로젝트를 위한 데이터 탐색 EDA ● 텐서플로 또는 pytorch를 이용한 모델 설계 및 구현 ● 딥러닝 모델 학습 및 검증 ● 포트폴리오 제작

실시간 수강후기

더보기

간편상담/수강료 문의

학과선택 희망하시는 학과를 선택해 주세요.
  • 100% 국비
    지원 과정
    K-Digital
    과정
기본단과과정 다른학과 희망 시 위 학과선택에서 클릭해 주세요.
희망교육과정

예약시간*

캠퍼스*

이름*

연락처*

- -

문의사항

1. 개인정보의 수집 목적
- 커리어게이트 사이트 내 서비스 제공 계약의 성립 및 유지 종료를 위한 본인 식별 및 실명확인, 가입의사 확인, 회원에 대한 고지 사항 전달 등
- 커리어게이트 사이트 내 서비스 제공을 위한 통합ID 제공, 고객센터 운영, 불량회원 부정이용 방지 및 비인가 사용방지, 이벤트 및 마케팅 기획관리, 서비스 개발을 위한 연구조사, 물품 등의 배송 등
- 커리어게이트 사이트 내 서비스 관련 각종 이벤트 및 행사 관련 정보안내를 위한 전화, SMS, 이메일, DM 발송 등의 마케팅 활동 등
- 당사 및 제휴사 상품서비스에 대한 제반 마케팅(대행포함) 활동 관련 전화, SMS, 이메일, DM 발송을 통한 마케팅, 판촉행사 및 이벤트, 사은행사 안내 등

2. 수집하는 개인정보 항목
[필수입력사항 ]
- 성명, 아이디, 비밀번호, 이메일주소, 주소, 우편물수령지, 전화번호(휴대폰번호 포함),이메일주소, 생일 등
(i-PIN을 통한 신규가입의 경우 주민등록번호가 아닌 본인 확인 기관이 제공한 정보를 수집합니다.)
[선택입력항목]
- 이메일/SMS/전화/DM 수신동의 ,결혼 여부, 결혼기념일, 기타 기념일, 선호 브랜드 등 개인별 서비스 제공을 위해 필요한 항목 및 추가 입력 사항
[서비스 이용 또는 사업처리 과정에서 생성 수집되는 각종 거래 및 개인 성향 정보]
- 서비스이용기록, 접속로그, 쿠키, 접속IP정보, 결제기록, 이용정지기록 등 단, 이용자의 기본적 인권 침해의 우려가 있는 민감한 개인정보(인종 및 민족, 사상 및 신조, 출신지 및 본적지, 정치적 성향 및 범죄기록, 건강상태 및 성생활 등)는 수집하지 않습니다.

3. 개인정보의 보유/이용기간 및 폐기
당사(패밀리 사이트 내)는 수집된 회원의 개인정보는 수집 목적 또는 제공 받은 목적이 달성되면 지체없이 파기함을 원칙으로 합니다. 다만, 다음 각 호의 경우 일정기간 동안 예외적으로 수집한 회원정보의 전부 또는 일부를 보관할 수 있습니다.
- 고객요구사항 처리 및 A/S의 목적 : 수집한 회원정보를 회원탈퇴 후 30일간 보유
- 당사가 지정한 쿠폰 서비스의 임의적인 악용을 방지 하기 위한 목적 : 수집한 회원정보 중 회원의 기념일 쿠폰 사용여부에 관한 정보를 회원 탈퇴 후 1년 간 보유
- 회원 자격 상실의 경우 : 커리어게이트 사이트 내 부정 이용 및 타 회원의 추가적인 피해 방지를 위해 수집한 회원정보를 회원 자격 상실일로부터 2년간 보유
- 기타 당사 및 제휴사가 필요에 의해 별도로 동의를 득한 경우 : 별도 동의를 받은 범위 (회원정보 및 보유 기간) 내에서 보유

상기 조항에도 불구하고 상법 및 '전자상거래 등에서 소비자보호에 관한 법률'등 관련 법령의 규정에 의하여 다음과 같이 일정기간 보유해야 할 필요가 있을 경우에는 관련 법령이 정한 기간 또는 다음 각 호의 기간 동안 회원정보를 보유할 수 있습니다.
- 계약 또는 청약철회 등에 관한 기록 : 5년
- 대금결제 및 재화등의 공급에 관한 기록 : 5년
- 소비자의 불만 또는 분쟁처리에 관한 기록 : 3년

개인정보를 파기할 때에는 아래와 같이 재생할 수 없는 방법을 사용하여 이를 삭제합니다.
- 종이에 출력된 개인정보 : 분쇄기로 분쇄하거나 소각
- 전자적 파일 형태로 저장된 개인정보 : 기록을 재생할 수 없는 기술적 방법을 사용하여 삭제
전국지점안내

Mega IT Academy Location

메가스터디 교육그룹, 메가스터디IT아카데미는 책임지는 교육을 원칙으로 하고 있습니다. 좋은 시설과 교육으로 수강생 여러분의 발걸음에 올바른 나침반이 되어 드리겠습니다.

강남캠퍼스 위치안내

주소 서울특별시 강남구 강남대로94길 13, 삼경빌딩 1층~5층
대표전화 02-588-9991
지하철이용시 [2호선] 강남역 11번출구,12번출구 2분거리

신촌캠퍼스 위치안내

주소 서울특별시 마포구 노고산동 40-1, 적암빌딩 3층,4층
대표전화 02-702-1999
지하철이용시 [2호선/경의선]신촌역 5번출구 2분거리

입시센터 위치안내

주소 서울 강남구 테헤란로1길 16 3층,4층 (역삼동, 삼원빌딩)
대표전화 02-558-1250
지하철이용시 [2호선] 강남역 12번 출구 2분거리