연락처 정보

코스 개요

파이썬에서의 인공지능 개요

  • 인공지능의 핵심 개념 및 범위 이해하기
  • AI 개발에 사용되는 파이썬 라이브러리 살펴보기
  • AI 프로젝트 구조와 작업 흐름 설명

인공지능을 위한 데이터 준비

  • 데이터 정제, 변환 및 특징 추출 기법
  • 누락된 값이 있거나 불균형한 데이터 처리 방법
  • 특성 스케일링과 인코딩 기술

지도학습 기법

  • 회귀 및 분류 알고리즘 설명
  • 랜덤 포레스트, 그래디언트 부스팅과 같은 앙상블 방법론
  • 하이퍼파라미터 튜닝 및 교차 검증 기법

비지도학습 기법

  • K-평균, DBSCAN, 계층적 클러스터링 등의 군집화 방법론
  • PCA와 t-SNE를 활용한 차원 축소 기술
  • 비지도학습의 실제 적용 사례들

신경망 및 딥러닝 개요

  • TensorFlow와 Keras 소개 및 활용법
  • 피드포워드 신경망 구축 및 훈련 방법
  • 신경망 성능 최적화 기법 살펴보기

강화학습 소개

  • 에이전트, 환경, 보상 체계의 핵심 개념 설명
  • 기본적인 강화학습 알고리즘 구현 방법
  • 강화학습 활용 분야와 사례들 소개

인공지능 모델의 배포 전략

  • 훈련된 모델 저장 및 불러오기 방법
  • API를 통한 애플리케이션과 모델의 통합 절차
  • 운영 환경에서의 AI 시스템 모니터링 및 유지보수 방안

요약 및 향후 학습 방향

요건

  • 파이썬 프로그래밍 기초에 대한 탄탄한 이해
  • NumPy 및 pandas와 같은 데이터 분석 라이브러리 사용 경험
  • 머신러닝 개념과 알고리즘에 대한 기본적인 지식

대상자

  • 인공지능 개발 역량을 확장하고자 하는 소프트웨어 개발자
  • 복잡한 데이터셋에 인공지능 기법을 적용하려는 데이터 분석가
  • AI 기반 애플리케이션을 개발하는 연구·개발 전문가들
 35 시간

참가자 수


참가자별 가격

회원 평가 (2)

예정된 코스

관련 카테고리