02-6901-7098

빅데이터취업반 - 자바 파이썬을 활용한 머신러닝 개발자

빅데이터전문가 자바 파이썬을 활용한 머신러닝 개발자

평일반 : 2022년 06월 14일

전화 : 02-6901-7098

100%국비지원 | 월 40만원 훈련수당 지급

교육내용
교육과정 파이썬 브라이틱스 기반 빅데이터 분석 개발자과정 기업채용예정과정 2021년 디지털 핵심 실무 인재 양성사업 [노동부주관 K-Digital Training 선정과정] K-디지털트레이닝 선정과정 ( 기존 국비지원 참여자도 신청가능 ) [고용노동부 훈련기관 인증평가 우수훈련기관] 서류접수기간 ( 선착순 조기마감예정 ) 빅데이터 분석 직종은 대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하기 위해 목적에 따라 분석기술을 기반으로 정형/비정형 대용량 데이터를 탐색, 분석하고 시각화를 수행하는 업무에 종사한다. 분석된 정보를 토대로 의사결정의 목적이 있는 대다수의 기업들은 전문가 인력과 신규인력의 공급을 필요로 하고 있다. 이에 따라 본 교육과정에서는 산업현장에서 요구하는 생산성 높은 최적화 된 분석도구(R, Python 등)를 기반으로 대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하는 것을 목적으로 삼는다. 분석기술과 방법론을 기반으로 데이터 분석을 위해 수집·저장된 데이터를 분석용 데이터로 정재, 변환, 적재, 검증하여 대용량 데이터를 구축·탐색·분석하고, 시각화를 수행할 수 있는 능력을 함양할 수 있도록 한다. 현장 업무에 대한 이해를 높이고, 이를 바탕으로 빅데이터에 숨겨진 패턴과 알려지지 않은 정보간의 관계를 찾아내기 위해 사용되는 통계기법, 머신러닝, 텍스트마이닝 등의 분석방법들을 효과적으로 적용하기 위한 능력을 함양할 수 있다. 최종적으로 다양한 산업(비즈니스)별 알고리즘 기법 학습을 토대로 포트폴리오를 완성하여 차세대 스마트 빅데이터 분석가로써 기술력을 갖춘 전문인력 양성을 목표로 한다. 진출분야 - 데이터분석가 / 데이터엔지니어 / 빅데이터분석가 / AI모델연구개발 / AI서비스개발자등 1회차~3회차 총75명의 훈련생을 선발 계획입니다. 과정 특성상 조기마감이 예상되며 빅데이터 분야에 관심이 있는 구직자분들의 많은 문의 부탁드립니다. 교육대상 및 전망 * 교육대상 - 대학 졸업예정자 및 수료 후 참여기업으로 취업이 가능한 자 - 빅데이터 관련 업체 취업 및 이직 희망자 - 관련 교육 사전이수 등 지원 프로그램에 대한 참여의지가 높은 자 - 빅데이터, 프로그래밍 관련 자격증을 취득하려고 하는자 - 교육 수료 후 참여기업으로 취업에 결격사항이 없는 자 - 부적합자 철저히 선별 ( 선착순 선발 ) * 선발방법 - 입학상담을 통한 서류접수(서류전형 합격자는 교육훈련 참여가능) - 개강전 채용기업 인사담당자가 참여한 1차면접 진행(개별합격통보) - 교육수료후 수행평가 점수에 의한 최종입사 결정 서류접수 / 1차면접(채용기업인사담당자참여) / 개별합격통보 K-Digital Training 지원자 숙지 및 요청사항 총 960시간 ‘반년’동안 진행되는 훈련과정으로 시간을 아낌없이 투자 하셔야 하며, 교육과정에 성실하게 참여 해주셔야 합니다.실제로 취업이 되셨다는 마음가짐으로 ‘출결도 근태관리처럼!’ 임해주세요.취업 성공 후 ‘솔데스크인의 밤’(솔데스크 수료생 모임)과 같은 교육센터와의 커뮤니케이션을 통해 후배들도 이끌어 주시고 신기술 교육 참여도 적극적으로 하고, 신입직원 채용, 조언, 기술공유 등을 할 수 있기를 바랍니다. KDigital Training 고용노동부는 한국형 뉴딜(사람투자)의 핵심과제인 KDigital Training에 참여하는 총 43개 혁신교육훈련기관 등을 통해서 3,600여명의 청년에게 디지털 일자리로의 취업을 위한 교육기회를 제공하고 향후 5년간 18만명까지 이를 확대해 나갈 계획입니다. 고용노동부는 KDigital Training이 기존 교육훈련사업과 다른 이유를 청년들의 4가지 워너비로 설명하였습니다. 첫째, 청년들이 워너비(가고 싶어)하는 43개 혁신교육훈련기관·우수대학 등 참여 둘째, 네이버, 솔트룩스, 마이리얼트립 등 청년들의 워너비(취업하고 싶은) 디지털 선도기업이 직접 훈련과정의 설계를 지원하여 취업의 연계성이 높다 셋째, 온라인 교육훈련 플랫폼을 기반으로 하는 개인 맞춤교육으로 코로나19 시대에 비전공자도 워너비(되고 싶은) 디지털 현장 실무인재로 성장할 수 있다 마지막으로 청년들이 워너비(듣고 싶은)하는 인기 있고 우수한 교육훈련과정의 비용을 정부가 부담 고용노동부 이재갑 장관은 “최근 기업들은 디지털 분야 인력 부족을 호소하고 있는 반면 청년들은 충분한 교육·훈련기회 부족으로 디지털 분야 취업에 어려움을 겪고 있어 이러한 미스매치 문제를 해결하는 차원에서 KDigital Trainng을 추진하게 되었다”고 밝혔습니다. 훈련강점 파이썬 & 브라이틱스 기반 빅데이터 분석 개발자 과정 Architecture ＊ 사용자가 접하는 인터페이스는 React native 기반의 Android app 개발, HTML, jQuery, Ajax,JSON 기반의 Desktop 화면 개발이 구현됩니다. 웹 서비스층은 Python의 장고와 Spring Boot, Rest API 기반의 구성으로 개발이 되며, 데이터 분석층은 KoNLPY(코엔엘파이)를 이용한 자연어 처리와 파이썬 기반의 추론통계기반 데이터 분석을 진행합니다. ＊ 서버층의 OS는 우분투를 사용하며, DBMS는 Oracle을 사용합니다. 최종적으로 개발된 트랜드 분석 시스템은 Docker 이미지로 변환되어 AWS 클라우드 EC2 서비스에 배포 되도록 구현됩니다. 교육목적 - 빅데이터 품질목표를 달성할 수 있도록 빅데이터 품질관리시스템 설계 및 구성, 품질관리 모듈을 개발할 수 있다. - 빅데이터에 숨겨진 패턴과 알려지지 않은 정보간의 관계를 찾아내기 위해 사용되는 통계기법, 머신러닝, 텍스트마이닝 등의 분석방법들을 효과적으로 적용하기 위 한 분석시스템을 개발할 수 있다. - 저장된 데이터를 처리목적에 따라 크기, 종류, 저장 구조를 고려하여 처리 및 가공하기 위한 분산처리, 실시간처리, 이벤트처리 모듈을 개발할 수 있다. - 활용목적에 적합한 데이터를 수집하기 위하여 빅데이터 수집시스템 구성, 내·외부 데이터 수집모듈 개발, 데이터 변환모듈 개발 및 수집 데이터 검증모듈을 개발할 수 있다. - 빅데이터 수집, 저장, 처리, 분석 및 품질관리를 할 수 있도록 빅데이터 플랫폼 구축에 필요한 하드웨어와 소프트웨어의 구조를 설계할 수 있다. 빅데이터 브라이틱스 로드맵 학습목표 참여기업 요구 및 수요조사 반영 결과 주요이수 ＊ 참여기업이 공통적으로 요구하는 사항은 신입 개발자의 빅데이터 분석 기술을 다룰 수 있는 능력필요 ＊ 빅데이터 분석 및 코드리스 기반의 머신러닝이 가능한 브라이틱스를 이용한 모델 제작 분석 필요역량 ＊ 파이썬을 이용한 알고리즘 실습, 머신러닝 기초 수학 파이썬 실습경험을 가진 인재가 필요＊ 다양한 데이터를 이용해 분석 실습이 원활히 되도록 하였으며 머신러닝을 통해 자동화된 분석 기법을 함양 할 수 있도록함 K-디지털트레이닝 채용협약기업 빅데이터취업반 프로젝트 구성 - 데이터베이스 모델링, ERD 제작 ,웹 주문 시스템 제작, 웹을 통한 판매 데이터 수집 - 판매 데이터 전처리, 협업 필터링 추천 시스템 제작, 특성 변수 파악, One-hot Representation변환 - Tensorflow 추천 model 제작, Tensorflow, DBMS 실시간 학습 연동, 하이브리드 추천 시스템 제작 - 분석용 도구 R과 파이썬을 활용하여 다양한 모델 구현을 위한 기본 분석 기법부터 고급 응용 기법까지 단계별 학습 - 빅데이터 저장시스템 개발에서는 Hadoop을 이용한 저장 및 입출력 시스템을 개발 - R프로그래밍과 파이썬을 이용한 분석시스템을 개발하며, 빅데이터 품질관리 시스템 개발에선 빅데이터품질관리 시스템 설계 및 구성, 품질관리모듈을 개발 빅데이터 취업반 프로젝트 운영방안 교육일정구성 ( 총 960시간중 290시간 프로젝트 구성 ) 1. 종강일 기준 2주 전 팀원들과 프로젝트 준비 및 시연. 2. 참여 기업에서는 비 대면(온라인)으로 손 쉽게 본 행사에 참여하여, 학생들의 프로젝트를 참관. 3. 미리 공유된 이력서 및 PPT를 통해 인재를 파악, 추 후 자유롭게 면접을 제의. 4. K-Digital Training에서 다져진 프로세스를 통해 빅데이터 교육을 진행. 빅데이터 취업반 프로젝트 운영방안 교육일정구성 ( 총 960시간중 290시간 프로젝트구성 ) K디지털트레이닝 1.2기수 프로젝트 발표회영상 솔데스크강의장
교육대상	- 대학 졸업예정자 및 수료 후 참여기업으로 취업이 가능한 자 - 빅데이터 분석 개발 관련 업체 취업 및 이직 희망자 - 관련 교육 사전이수 등 지원 프로그램에 대한 참여의지가 높은 자 - 빅데이터, 프로그래밍 관련 자격증을 취득하려고 하는자 - 교육 수료 후 참여기업으로 취업에 결격사항이 없는 자 - 부적합자 철저히 선별 ( 선착순 선발 ) 우대사항 - 빅데이터분석가, 자바프로그래머, 클라우드엔지니어등, IT직무경험자 - 관련학과 전공자 ( 컴퓨터공학과. 정보통신과 등등 ) - IT관련 자격증 소지자 (정보처리산업기사, 리눅스마스터등) 노동부주관 K-Digital Training 선정과정 선발방법 : 서류접수 / 1차면접(인사담당자참여) / 개별합격통보 - 부적합자 철저히 선별 ( 선착순 선발접수 ) 채용협약기업 : (주)메가존클라우드/ 신한DS/ (주)웅진 / GS네오텍 / 농심데이타시스템 / 영우디지털 / (주)에이클라우드 / 솔트웨어 / (주)지에스아이티엠 / 오픈베이스 / (주)리눅스데이터시스템 / 이테크시스템 / (주)에이아이넷 / 디딤365 외 다수 채용참여기업 : (주)위세아이텍, 네이버시스템(주), 메타넷대우정보(주), 아이티센, 엑셈, (주)컴트루테크놀러지, (주)소베텍, (주)이젬코, 주식회사 인재아이엔씨
교육기간	· 5개월
수강생혜택	※ 국비지원 자격 ※ 아래조건중 1가지이상 충족시 신청가능 30명선착순접수 ㆍ 구직자 ( 미취업자 및 실업자 ) ㆍ 직업안정기관(워크넷등)에 구직등록한 15세 이상 구직자 ㆍ 다음해 2월말까지 졸업예정인 고등학교 3학년 재학생으로서 상급학교 비진학 예정인 학생 ㆍ 다음해 2월말까지 졸업예정인 대학(전문대학 포함) 최종학년 재학생으로서 상급학교 비진학 예정인 학생 ㆍ 야간대학교, 사이버대, 방통대 재학생 및 휴학생 ( 재학중에도 수강신청가능 ) ㆍ 고용노동부- 국민내일배움카드. 국민취업지원제도 발급자 ㆍ 비전공자 초보자도 지원 가능 30명 선착순접수 지원문의 02) 6901-7098 ㆍ K디지털트레이닝 선정과정 ( 기존 국비지원 참여자도 신청가능 ) ※ 언택트 수업( 대면.비대면 선택가능 ) 현장강의 실시간 동시 진행 ※ ㆍ수강료 전액 무료 + 매월 훈련수당 지급 (최대 800,000원 ) ㆍ언택트수업 진행 비대면. 대면 선택가능 ㆍ온라인 인터넷 동영상 강의 무료지원 ㆍ교육비 전액무료 ( 빅데이터관련 교재지원 ) ㆍ6개월 간 식대 및 교통비 지원 (최대 30만원) -단위기간 출석률 80% 충족 시 ㆍNCS 기반의 체계적 교육 · 훈련으로 경력개발 유리 ㆍ수료생은 취업보도실의 체계적인 관리시스템을 통해 취업지원 ㆍ취업지원실을 별도로 운영하여 응용 SW 분야의 직무를 결정할 수 있도록 1:1밀착상담 ㆍ훈련생과 상담자 간에 라포(친밀감 및 공감대) 형성, 이력서 특강 및 취업동향 세미나를 진행합니다. ㆍ수료 이후에는 트렌드에 맞는 이력서 첨삭, 일회성이 아닌 지속적 지원, 모의면접 진행 ㆍ취업지원은 본 교육기관으로 구인의뢰 내용과 취업포털사이트를 서칭 후 채용 알선을 진행하고 있습니다.

교육커리큘럼

커리큘럼

과목명

모듈

세부과정

빅데이터

빅데이터 수집 시스템 개발

• Web Scraping 기초

• BeautifulSoup 설치, 기본 트리 운행, 정규 표현식 이용

• 한겨레 신문 뉴스, Naver 뉴스, 동아 일보 뉴스 검색 crawling

• Web Scraping library Beautiful Soup 실습

• 시카고 샌드위치 맛집 분석

• 네이버 영화 평점 기준 영화의 평점 변화 확인하기

빅데이터 저장 시스템 개발

• Python CSV 파일 입출력

• MongoDB 특징, 구조, MongoDB 설치, 서버 실행 및 종료

• Database 생성 및 삭제, Collection 생성 및 삭제

• Documents 생성 및 삭제, 대용량 파일의 import

• MongoDB client Compass 설치 및 이용

• PyMongo 설치하기, Pycharm에서의 MongoDB와 Python 연동

• Jupyter Notebook에서의 MongoDB와 Python 연동

• Hadoop 설정 및 활용

• R, Hadoop 연동 실습

빅데이터 처리 시스템 개발,

텍스트 데이터 분석,

빅데이터 분석 결과 시각화

• R project 설치, RStudio 설치 및 설정, R 프로젝트 생성

• R 데이터 구조, 데이터의 종류, 벡터(Vector)

• 연산자, 제어문, 벡터 생성 함수,

• 데이터 유형과 구조, 벡터(Vector), 연산자 실습, Factor 실습

• 행열(Matrix), 배열(Array), 리스트(List)

• 데이터 프레임(DataFrame)

• 외부 데이터 읽기(CSV, TXT, Excel, XML), 키보드 입력

• Web에서 HTML 파일 가져오기

• 외부로 데이터 출력, 외부 파일로 저장하기(TXT, Excel)

• RData 다루기

• 함수(사용자 정의 함수, 주요 내장함수)

• 데이터 조작 - plyr, reshape, reshape2 패키지

• dplyr 패키지 활용, dplyr 패키지, filter(), select()

• arrange() 실습, mutate(), summarise(), group_by() 실습

• dplyr 활용 데이터 전처리 left_join(), bind_rows() 실습

• 데이터 정제, 빠진데이터(NA), 이상한 데이터 제거하기(Outlier)

• 범주형(정수형) 전처리, 연속형(실수형) 데이터 전처리

• 전처리 및 탐색적 분석을 위한 시각화, 파생 변수

• 데이터프레임 결합, 표본의 추출

• 다양한 주제를 대상으로한 개발 실습

• 시각화 도구의 분류, barplot, legend, title, dotchart 실습

• pie, boxplot, hist, lines, dnorm, rnorm 실습

• 중첩 자료 시각화(숫자형 컬럼 2개 이상 사용), 산점도

• abline, scatterplot3d, 3차원 챠트, 3차원 산점도 시각화

• 히스토그램, 밀도 그래프, 막대 그래프, 점 그래프 제작 실습

• 산점도 그래프, 데이터 범주화 제작 실습

• 조건 그래프, 3차원 산점도 그래프 제작 실습

• ggplot2 package를 이용한 시각화

빅데이터 분석 시스템 개발

• 분석 절차와 기본 통계 지식

• 가설(hypothesis) 설정, 유의수준 결정, 측정 도구의 설계

• 척도의 분류, 데이터의 수집, 데이터 코딩

• 통계 분석 수행 원리 분석

• 통계학의 구분, 조사의 방법, 모집단과 표본, 통계적 추정

• 기각역(Critical region)과 채택역(Acceptance region) 파악

• 양측검정과 단측검정, 가설 검정 오류, 검정 통계량 파악

• 정규 분포, 모수와 비모수 검정 분석

• 표준정규분포, 표준화 변수 Z, Z값과 확률 구간, 신뢰구간 파악

• 표본오차, 왜도(Skewness)와 첨도 분석

• 기술 통계(Descriptive Statistics) 분석, 척도별 기술 통계량

• 대표값 산출, 산포도, 변동계수, 빈도분석

• 교차분석과 카이제곱 검정

• 일원 카이제곱 검정(적합도 검정, 선호도 분석)

• 이원카이제곱검정(독립성 검정, 동질성 검정)

• 추정과 검정, 모수와 표본의 구분, 점추정과 신뢰구간 추정의 구분

• 모평균의 구간 추정

• 단일 집단 비율 검정, 단일집단 평균검정(단일표본 T검정)

• 두 집단 비율 검정, 두집단 평균검정((독립표본 T검정)

• 세 집단 비율 검정

• 분산 분석(F 검정, ANOVA: Analysis Of Variance)

• 요인 분석(Factor Analysis)

• 상관관계 분석(Correlation Analysis)

빅데이터 플랫폼 테스트

• 요구사항을 기반으로 빅데이터 플랫폼 테스트 계획을 수립

• 상세 설계된 빅데이터 플랫폼 세부 시스템의 단위기능에 대하여 기

능 테스트 시나리오를 작성

• 요구사항 명세와 아키텍처 설계서를 기반으로 빅데이터 플랫폼의

• 비기능 요소를 식별하고 평가기준을 수립

• 작성된 빅데이터 플랫폼 테스트 시나리오를 기반으로 동적 테스트

를 수행하고 결함여부와 개선의견을 포함하는 테스트 결과서 작성

응용 SW/파이썬/머신러닝

응용SW 기초기술 활용(JAVA)

• Software 개론, 자바 언어의 이해, JDK1.8.0 설정

• Eclipse JAVA Application 개발 환경 설정

• 컴파일, 자바 프로그램의 구조

• 데이터 형(data type), 연산자(Operator)

• 제어문의 실습

• OOP 특성, Class, Method, 생성자, Package, 예외처리

• Call By Reference, 메소드로 객체의 전달

• 추상 메소드, 추상 클래스(Abstract Class), 인터페이스(Interface)

• File IO 프로그램 개발

• Network 프로그램의 개발

• JDBC 프로그램의 개발

데이터 입출력 구현(Oracle)

• Oracle XE 11g 개발자 버전 설치, 최소 설치 사양

• SQL Developer 설치

• Sql developer sql 파일 생성, RDBMS 테이블 결합 JOIN ERD 제작

• self join ERD 제작

• DDL(Data Definition Language) 명령어 실습

• Single-Row Function(단일행 함수) 실습

• GROUP BY, HAVING, Group Functions(그룹화 함수), SubQuery

• Transaction, Sequence, Index 관리

• VIEW 제작

• 데이터 사전(Data Dictionary), 제약 조건의 조회, 추가, 삭제

• PL/SQL의 이해, PL/SQL의 종류, PL/SQL의 구조, Script

• Stored Procedure Create & Execution - IN/OUT 매개변수

• Stored Procedure INSERT, SELECT, UPDATE, DELETE의 이용

• Stored Function, Trigger

화면 구현(Javascript, jQuery, Bootstrap)

• Data Type, Variable, Operator(연산자), 제어문

• function(함수), 시스템 지원 전역 함수의 사용, 가변인수

• 객체 지향 프로그래밍

• Event의 처리(INPUT, BUTTON, SUBMIT)

• Ajax(Asynchronous JavaScript and XML), XMLHttpRequest 객체

• JSON(JavaScript Object Notation) 출력의 Ajax 처리

• Javascript framework jQuery 설치

• selector를 이용한 DOM Element(태그)의 검색

• jQuery Ajax 요청의 처리, GET, POST 방식과 한글 처리

• Bootstrap 활용

서버 프로그램 구현(JSP, Spring, Spring Boot 2)

• TOMCAT 8 Install

• JSP 스크립트 기본 문법, JSP 스크립틀릿 코드의 생성 및 실행

• Page 지시자(Directive), class import, request 내부 객체 실습

• response 내부 객체, out 내부 객체, application 내부 객체의 사용

• GET, POST Form Data 전송 방식

• CSS(Cascading Style Sheet)의 사용

• JSP 기반 공지사항의 제작 및 응용

• JSP 기반 회원 관련 제작

• JSP 기반 로그인/로그아웃, Cookie, Session의 활용

• STS(Spring Tool Suite) 설치(권장)

• Data Management(SQL Development) 설정

• servlet원리, servlet을 이용한 폼 데이터의 처리, Servlet 실습

• Spring기반 MVC의 원리, STS Spring MVC의 개발 구조 분석

• Maven 의존성 추가, Local 저장소의 설정, settings.xml

• EL(표현 언어, Expression Language)의 사용

• JSTL(JSP Standard TAG Library)의 사용

• DI(Dependency Injection)의 구현

• MyBATIS 설치 및 사용

• Spring 기반 공지사항의 제작 및 응용

• Spring 기반 자료실의 제작 및 응용

• Spring 기반 회원(관리자) 관련 기능의 제작 및 응용

• Spring boot 2 기반 공지사항의 제작 및 응용

• Spring boot 2 기반 자료실의 제작 및 응용

• Spring boot 2 기반 회원(관리자) 관련 기능의 제작 및 응용

• Filter, Interceptor의 활용

• AOP(Aspect Oriented Programming)의 구현

• Transaction 구현

• AOP + MyBATIS + Oracle기반 선언적 Trancation

파이썬

• 파이썬 설치와 환경 설정,Anaconda (Python 3) 설치

• Conda를 이용한 Python 3 기반 가상환경 생성

• 내장 데이터 타입, 숫자, 시퀀스, 매핑, set 타입

• 연산자, 제어문의 실습, 함수의 제작 실습

• 모듈과 패키지, datetime 모듈, 상속, import

• 객체지향 프로그래밍, 클래스 제작

• Class 선언, 클래스 멤버, 메소드, 인스턴스 멤버, 메소드의 실습, 생성자, 소멸자, 모듈 분리

• try ~ except를 사용한 예외 처리

• 파일 입출력 처리

• 네트워크 프로그래밍, 네트워크 Server/Client의 제작

• MySQL DBMS 사용하기

• DBMS 응용 Application 제작

• BeautifulSoup 설정

• 웹 크롤러를 활용한 데이터의 수집

• 수집된 데이터의 저장

• 파이썬 라이브러리를 활용한 데이터 분석

• 데이터 시각화 library Matplotlib(맷플롯립)

• 대용량 데이터 연산 package(library) Numpy

• 데이터셋 생성 및 분석 package(library) Pandas

• 데이터 분석 및 스토리 텔링 프로젝트 실습

머신러닝 기반 데이터 분석

(R programming

Tensorflow 2)

• 개발 환경 설정, Anaconda install

• CPU 기반 Conda를 이용한 Python 3 기반 가상환경 생성

• Tensorflow 2 설치

• Jupyter Notebook 커널 연동, 개발 환경 구성

• 머신러닝 개론

• 선형 회귀(Linear Regression), 성적 예측 모델 구현

• 평균 제곱근 오차(RMSE: Root Mean Square Error)

• 정규 분포 난수의 생성, 균등 분포 난수의 생성

• Tensorflow에서의 경사 하강법(gradient decent)

• 다중 선형 회귀(Multiple Linear Regression) 모델

• 로지스틱 회귀(Logistic Regression) 모델의 구현,

• 퍼셉트론(perceptron), 오차 역전파(Back Propagation)

• 기울기 소실 문제와 활성화 함수, 손실 함수

• 수치 예측 모델의 개발

• 이항 분류(Binary Classification) 모델 개발

• 와인의 종류 예측하기(이항 분류(binary classification)), 모델 업데이트 및 저장

• 다중 분류(Multi Classification) 모델 개발

• 아이리스(붓꽃) 품종 예측, 원-핫 인코딩(one-hot-encoding)

• GPU 기반, CUDA, cuDNN, Conda를 이용한 Python 3 가상환경 설정

• 컨볼루션 신경망 레이어 CNN 모델 개발

• 미국 국립 표준 기술원(NIST)의 MNIST 이용 모델 제작

• CIFAR-10, OpenCV를 이용한 이미지 인식 모델 개발

• VGG 학습모델 재사용

• 순환 신경망 레이어 RNN 모델 개발

• 다양한 분야의 예측 모델 주제 선정

• Django Web Application library의 생성 및 설정

• Django application 세부 환경 설정

• DJango와 딥러닝 모델의 연동을 통한 지능형 웹 개발

프로젝트/

빅데이터 플랫폼 요구사항 분석/

빅데이터 플랫폼 아키텍처 설계

/빅데이터 품질관리시스템 개발/통합 구현

• 프로젝트 주제, 주제 결정, 프로젝트 주요 기술 결정

• 프로젝트 주제 개인 역활의 결정, 개발 요소 파악하기

• 개발 요소 등록

• Amateras UML 객체 분석 설계 툴 설치

• 데이터베이스 설계 ERD 툴 설치

• 빅데이터 플랫폼 요구사항 분석

• 요구사항의 파악, 요구 사항 정의(Defining Requirement)

• Usecase Diagram 작성 실습

• 팀 통합 프로젝트 및 개인별 개발 프로젝트의 생성

• 빅데이터 플랫폼 아키텍처 설계

• 빅데이터 품질관리시스템 개발

• DBMS 설계, DBMS 정규화(Normalization)

• AmaterasERD 파일 생성, 모델링(논리적/물리적) 실습

• 테이블 3개이상의 JOIN

• Import, TABLE 구조 생성, SQL 생성

• Local 저장소의 설정

• Maven 설정, Spring 환경 설정

• 화면 Layout, Action TAG를 이용한 Mneu 페이지의 제작

• JSP Template 설정

• 화면구현(User Interface Design, Prototype, Storyboard)

• Prototype 제작 실습

• VO(DTO), XML, DAO, Controller 기초 코드 작업

• 컨텐츠별 CRUD 구현

• Frontend 제작

• 파이썬을 통한 웹 데이터 수집 및 DBMS에 저장

• R Studio에서의 파일 데이터 분석 및 시각화 제작

• 텐서플로 케라스 연동 각종 예측 시스템 개발

• 수집 및 분석된 데이터 Spring 프레임워크로 웹 서비스 구축 및 테스트

• Github 소스 통합 구현

• 프로젝트 통합 및 변경 사항 수정

• 프로젝트 운영 테스트 및 수정

• 프로젝트 문서화 작업 및 발표

강사프로필

[최규리]

[교육경력사항]

(주) 한빛이엔아이 전임강사

JSP project cloud web 페이지 구축

사내 네트워크 방화벽 보안 운영

IDS/IPS 보안 장비 운영및 보안정책 수립

前 중부대학교 네트워크 학부, 소프트웨어(프로그래밍) 학부 강사

前 대영직업능력개발원 소프트웨어(프로그래밍) 학부

前 4세대 아카데미 직업학교 보안/소프트웨어

前 대우 직업능력개발원 소프트웨어(프로그래밍) 힉부

現 광운대학교 네트워크, 빅데이터 자바 계절학기 강사

現 솔데스크 소프트웨어(프로그래밍) 학부

[보유자격증]

컴퓨터 공학 학사

직업훈련교사정보처리 기사

리눅스 1급

네트워크 관리사 2급

정보기기운영

CCNA

[엄기흥]

[교육경력사항]

숭실 대학교 정보과학 대학원 공학 석사

(A Study on Message Transmission Performance Comparison between AR application and Middleware)

아이티윌정보처리학원 수석 강사

한신대학교 정보통신 학부 청년취업 아카데미 강의

성신여자 대학교 전산정보팀 CBD & FLEX 강의

울산 과학대학교 정보통신학부 자바 전문가 과정 강의삼성전자 정보통신연구소 신입사원(2005년)

Mobile Platform 강의

서울지하철공사 전산직원 C, C++, Oracle Database Modeling(Erwin 4.1) 강의

[보유자격증]

직업 능력 개발 훈련 교사 2급 (정보기술전략·계획 / 정보기술개발)
직업 능력 개발 훈련 교사 3급 (문화콘텐츠 / 영상 제작)
직업 능력 개발 훈련 교사 3급 (디자인)
직업 능력 개발 훈련 교사 3급 (정보기술운영·관리)
모바일앱 개발 전문가 공인 강사(MAP-CPI)
정보처리기사/사무자동화산업기사
네트워크 관리사 2급/리눅스 마스터 2급
전자시스템 제어사 2급/유비쿼터스 기술 관리사 2급
전자상거래 운용사/해킹 보안 전문가(HSE) 3급
RFID-GL/SCJP2(Sun)/SCJP5(Sun)