[강의 개요]
- 고객사: 지역ICT(경북)
- 주제: 모빌리티 AI 산업 프로젝트 과정
- 강의기간: 2025.11.OO ~ 2025.12.00
- 강의시간: 18:30 ~ 22:30
- 강의시수: 160H
- 학습목표
- 모빌리티 산업에서 사용되는 AI기술에 대하여 이해하고 이를 실제 개발 및 적용하는 프로젝트를 통해 실제 활용가능한 역량을 확보
- 핵심역량
- 모듈1: AI 기초 및 개요 / 모듈3: 데이터 엔지니어링 및 관리 / 모듈5: 모델 개발 / 모듈6: 모델 배포 및 운영 / 모듈9 : 프로젝트
- SW융합요소
- 프로그래밍 언어: Python
- 데이터 처리: Pandas, NumPy, 데이터 전처리(결측치·이상치 처리, 스케일링)
- 시각화 도구: Matplotlib, Seaborn
- 머신러닝: KNN, SVM, Decision Tree, 앙상블, 회귀·분류·클러스터링 모델
- 딥러닝 프레임워크: TensorFlow, Keras, CNN
- 강화학습: 가치기반·정책기반 알고리즘
- 컴퓨터 비전: OpenCV, 객체 탐지(Object Detection)
- 프로젝트 응용: 모빌리티 데이터 분석 및 AI 모델 개발
[강의 내용]
1. AI 활용을 위한 파이썬(20H)
2. 파이썬을 활용한 데이터 처리 기초(16H)
- 모빌리티데이터 처리를 위한 데이터 처리 기법 및 시각화
- Python 데이터 처리 라이브러리
- 데이터 시각화 응용
3. 데이터 핸들링 및 데이터 분석 방법론(20H)
- 모빌리티 산업의 데이터를 활용한 탐색적 데이터 분석(EDA) 및 데이터 전처리 방법
- 데이터 탐색적 분석(EDA): 기술 통계, 분포, 상관 관계 이해
- 데이터 시각화의 중요성 및 기법: matplotlib, seaborn 라이브러리 사용법
- 데이터 클리닝 및 전처리 방법: 중복 데이터 처리, 데이터 타입 변환
- 결측치의 유형과 결측치가 분석에 미치는 영향
- 결측치 처리 방법: 제거, 대체 (평균, 중앙값, 최빈값 등)
- 이상치 처리 방법: 삭제, 대체, 변환
- 데이터 스케일링(정규화, 표준화)
- 실습: EDA 및 시각화를 통한 산업 데이터 인사이트 도출
4. 머신러닝을 통한 모빌리티 산업 AI 적용(20H)
- 모빌리티 산업에 주로 사용되는 머신러닝 알고리즘 이해 및 실전 적용
- 인공지능 개요
- 머신러닝 개요
- 지도학습 vs. 비지도 학습, KNN, SVM, Decision Tree, 앙상블 기법(2H)
- 회귀(Regression) 모델(4H)
- 분류(Classification) 모델(4H)
- 클러스터링(Clustering) 모델(4H)
- 실습: 머신러닝 프로젝트(4H)
5. 딥러닝을 통한 모빌리티 산업 인공지능 고도화(20H)
- 딥러닝 모델에 대한 이해 및 딥러닝 모델을 모빌리티 산업에 적용하는 방법 이해
- 딥러닝 개요
- TensorFlow 및 PyTorch 소개
- 기본 신경망 모델링
- 최적화, 손실함수, 경사하강법
- 모델 학습, 평가, 저장
- 딥러닝을 활용한 데이터 분류
- 실습: 딥러닝 프로젝트(4H)
6. AI 성능 고도화를 위한 강화학습(16H)
- 강화학습 알고리즘에 대해 이해하고 이를 모빌리티 산업에 적용하는 방법 이해
- 강화학습 개요
- 가치기반 강화 알고리즘(8H)
- 정책기반 강화 알고리즘(8H)
7. 미래 모빌리티 자율주행을 위한 컴퓨터 비전(16H)
- 컴퓨터비전을 통한 모빌리티 주변 환경 인식 방법 학습
- 컴퓨터 비전 소개 및 OpenCV(2H)
- 이미지 처리 기초(2H)
- 이미지 분류를 위한 딥러닝 모델 CNN(4H)
- CNN 기반의 이미지 분석 및 분류 모델(4H)
- 실습: 컴퓨터 비전 프로젝트(4H)
8. 미래 모빌리티 객체 탐지(12H)
- 객체 탐지를 이용하여 모빌리티 주변의 사람, 나무, 동물등의 객체를 탐지하는 방법 학습
- 객체 탐지 기본 원리(4H)
- 딥러닝을 통한 객체 탐지 모델(4H)
- 객체 탐지 실습 및 응용(4H)
9. 실전 프로젝트(20H)
- 모빌리티 산업 데이터를 이용한 실전 프로젝트 진행
- 실전 모빌리티산업 프로젝트(16H)
- 발표 및 평가(4H)
