컨텐츠 내용
- 수강신청
- 과정정보
[HMG DS 프로젝트] 통합 패키지
학습목표
모빌리티 분야의 실제 데이터를 기반으로, 딥러닝 모델 설계부터 데이터 전처리, 예측 및 이상 탐지, 성능 개선, 결과 활용까지 전 과정을 실습하여,
다양한 AI 기법을 활용한 실전 문제 해결 역량을 함양한다.
※ 본 과정은 '통합 패키지' 입니다. 개별 과정 학습을 희망하시는 경우 별도 과정을 신청하여주시기 바랍니다.
다양한 AI 기법을 활용한 실전 문제 해결 역량을 함양한다.
※ 본 과정은 '통합 패키지' 입니다. 개별 과정 학습을 희망하시는 경우 별도 과정을 신청하여주시기 바랍니다.
교육대상
실제 모빌리티 데이터를 활용한 프로젝트를 경험하고 싶은 중급 학습자
※ 본 과정 수강을 위해서는 통계 및 데이터 분석에 대한 중급 수준의 사전 지식이 필요합니다.
※ 'HMG Data Analytics 프로젝트' → 'HMG Data Science 프로젝트' 연계 수강을 추천합니다.
※ 본 과정 수강을 위해서는 통계 및 데이터 분석에 대한 중급 수준의 사전 지식이 필요합니다.
※ 'HMG Data Analytics 프로젝트' → 'HMG Data Science 프로젝트' 연계 수강을 추천합니다.
과정소개
수료기준
| 평가기준 | 진도율 | 총점 |
|---|---|---|
| 배점 | 100% | 100점 |
| 수료기준 | 80% | 80점 |
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 80점 이상이어야 합니다.
| 차시 | 강의명 |
|---|---|
| 1. 딥러닝 실전 적용 : 데이터 전처리 기법 | |
| 1차시 | 실제 데이터 이해 및 실제 문제 정의 |
| 2차시 | 이미지 데이터 분류_데이터 이해 |
| 3차시 | 이미지 데이터 분류_데이터 전처리 |
| 4차시 | 이미지 데이터 분류_모델 학습 및 평가 |
| 5차시 | 이미지 데이터 객체 탐지_모델 설계 학습 및 평가 |
| 2. 딥러닝 이론 탐구 : 딥러닝을 활용한 최적인자도출기법 | |
| 6차시 | 딥러닝을 활용한 최적인자 도출기법이란 |
| 7차시 | 최적화 기초 (1) |
| 8차시 | 최적화 기초 (2) |
| 9차시 | Pytorch 기초 |
| 10차시 | Autograd를 통한 최적인자 도출 (1) |
| 11차시 | Autograd를 통한 최적인자 도출 (2) |
| 3. AI 실전 신경망 모델 프로젝트 : 차량 가속도 변화 패턴 예측하기 | |
| 12차시 | 신경망 기초 |
| 13차시 | DNN과 회귀 |
| 14차시 | RNN과 시계열 예측 |
| 15차시 | CNN과 이미지 분류 |
| 4. AI 실전 컴퓨터 비전 프로젝트 : 차량 후미등 상태 검출하기 | |
| 16차시 | 이미지 데이터 전처리와 증강 |
| 17차시 | CNN 기초 |
| 18차시 | CNN 변형 모델 |
| 19차시 | 이미지 특징 추출과 분석 |
| 20차시 | 객체 분석(Object Detection) |
| 21차시 | 이미지 분할(Image Segmentation) |
| 5. AI 실전 시계열 프로젝트 : 교통 체증 문제해결을 위한 교통량 예측하기 | |
| 22차시 | 시계열 데이터 기초 |
| 23차시 | 시계열 데이터 분석 방법 |
| 24차시 | 고전적 시계열 데이터 처리 |
| 25차시 | 머신러닝을 활용한 시계열 데이터 처리 |
| 26차시 | 딥러닝을 활용한 시계열 데이터 처리 |
