모빌리티 AI 산업 프로젝트 과정(80H)

• 1. 모빌리티 AI의 이해
• 2. 파이썬 기초
  • 2.1 파이썬 개요
  • 2.2 파이썬 라이브러리
• 3. 자율주행 기술과 영상 처리의 이해
  • 3.1 자율주행 기술의 원리 및 요소
  • 3.2 영상 처리 및 컴퓨터 비전 기초
• 4. 자율주행 시스템 구축
  • 4.1 자율주행 키트 조립 및 환경 설정
  • 4.2 딥러닝 기반 자율주행 인지
  • 4.3 자율주행 판단 및 제어 시스템 구축

● 강의 개요

• 강의주제: 모빌리티 AI 산업 프로젝트 과정
• 강의기간: 2025.11.17 ~ 2025.12.12
• 강의시간: 18:30 ~ 22:30
• 강의시수: 80H
• 교재경로: https://skylectures.github.io/lectlog/2025-11-17-IPA_Mobility_AI_Project

• 학습목표
  • 모빌리티 산업에서 사용되는 AI기술에 대하여 이해하고 이를 실제 개발 및 적용하는 프로젝트를 통해 실제 활용가능한 역량을 확보
• SW융합요소
  • 프로그래밍 언어: Python
  • 데이터 처리: Pandas, NumPy, 데이터 전처리
  • 시각화 도구: Matplotlib / OpenCV
  • 딥러닝 프레임워크 및 모델: TensorFlow / PyTorch, CNN
  • 컴퓨터 비전: OpenCV, 객체 탐지(Object Detection) 등
  • 기기 제어: Raspberry Pi
  • 프로젝트 응용: 모빌리티 데이터 분석 및 AI 모델 개발

● 강의 내용

1. 모빌리티 AI의 이해

• 모빌리티 AI 개요
• AI 개요
• 딥러닝 개요

2. 파이썬 기초

2.1 파이썬 개요

• 파이썬 소개
• 개발 환경 설정
• 파이썬 기본 문법

2.2 파이썬 라이브러리

• 파이썬 표준 라이브러리
• NumPy를 활용한 데이터 연산
• Pandas 데이터 처리, 데이터 프레임 구조 이해
• Matplotlib을 이용한 데이터 시각화 기초

3. 자율주행 기술과 영상 처리의 이해

3.1 자율주행 기술의 원리 및 요소

• 자율주행 레벨(Level)의 이해
• 인지-판단-제어 프로세스 소개
• 자율주행 센서의 종류와 역할

3.2 영상 처리 및 컴퓨터 비전 기초

• 디지털 이미지의 구조
• OpenCV 기초
• 영상 전처리 및 필터링
• 엣지 검출 및 기하학적 변환
• 특징점 검출 및 추적 기초
• CNN 모델의 구조와 동작 원리

4. 자율주행 시스템 구축

4.1 자율주행 키트 조립 및 환경 설정

• 자율주행 키트 조립
• 라즈베리파이 OS 설치 및 개발 환경 설정
• 라즈베리파이 개요
• 라즈베리파이 제어 기초
• 자동차 무선조종 기능 구현
• 카메라를 활용한 자율주행 자동차 구현(OpenCV)

4.2 딥러닝 기반 자율주행 인지

• 딥러닝 기반 객체 탐지
• 딥러닝 기반 차선 인식
• YOLO 모델의 이해
• 도로 표지판 및 신호등 인식
• 자율주행 인지 모델 구현

4.3 자율주행 판단 및 제어 시스템 구축

• 인지 결과 기반 판단 전략
• 자율주행 제어의 기초 및 PID 제어
• 라즈베리파이 기반 자율주행자동차 구현