개요
본 교육 프로그램은 인공지능의 기초 개념부터 데이터 분석, 머신러닝·딥러닝 실습, 생성형 AI 활용, 그리고 지역사회 문제 해결 프로젝트 수행까지 AI 기술의 전 과정을 종합적으로 학습하고 실제에 적용하는 실무 중심의 융합 교육 과정입니다.
인공지능과 개발 환경을 이해하고, Kaggle과 공공데이터를 활용한 데이터 수집, 웹 스크래핑을 통해 실제 데이터를 확보하고 정제·시각화하는 기초 데이터 분석 역량을 갖추게 됩니다.
머신러닝과 딥러닝 모델을 학습하며, 회귀·분류·군집화 분석, 이미지 분류, 전이학습, 오토인코더 기반 이상치 탐지 등 다양한 모델을 구축하고 튜닝하는 실습을 통해 AI 모델 설계, 평가, 개선 역량을 기릅니다.
생성형 AI와 LLM(Large Language Model)을 학습하며, Hugging Face API, Ollama 등을 활용해 로컬 환경에서의 LLM 활용법과 Streamlit 기반 AI 분석 서비스 개발까지 실습합니다.
기후, 환경, 재난, 의료 등 지역사회 현안 데이터를 활용하여 문제를 정의하고 AI 기술로 해결 방안을 제안하는 프로젝트 중심 교육으로 진행됩니다.
수강생은 팀을 구성해 데이터 수집, 분석, 모델링, 예측, 시각화까지 전 과정을 수행하며, AI 기술을 실제 사회 문제 해결에 적용해보는 경험을 쌓게 됩니다.
이 강의는 AI 입문자부터 프로젝트 기반 실습을 통해 실제 사회적 가치 창출에 관심 있는 학습자에게 적합하며, 기술 학습과 공공 문제 해결이라는 두 가지 목표를 통합적으로 달성하도록 설계되었습니다.
강의 대상
비전공자
강의 시간
1일 8시간, 총 15일 120시간
강의 계획서
| 일차 | 주제 | 내용 |
|---|---|---|
| 1일차 | AI 개요 | – 인공지능의 개요 – 개발환경 구축 |
| 2일차 | 데이터 분석 및 시각화 | – 캐글, 공공 데이터 수집 – 정적/동적 웹 페이지 스크래핑 |
| 3일차 | 데이터 분석 및 시각화 | – 데이터 전처리 – 그래프 및 지도 시각화 |
| 4일차 | 머신러닝 | – 머신러닝 개요 – 회귀, 분류, 군집화 |
| 5일차 | 딥러닝 | – 딥러닝 개요 – 딥러닝 모델 구축, 학습, 평가 – 하이퍼파라미터 튜닝 및 모델 최적화 |
| 6일차 | 딥러닝 | – CNN과 이미지 분류 – 데이터 증강 및 전이학습 |
| 7일차 | 딥러닝 | – 카메라를 활용한 실시간 객체 탐지 – 오토 인코더 |
| 8일차 | 생성형 AI | – 생성형 AI와 LLM 개요 – LLM을 활용한 데이터 분석 – Streamlit과 PandasAI |
| 9일차 | 생성형 AI | – Hugging Face LLM API 활용 – Ollama를 활용한 Local LLM 구축 및 활용 |
| 10일차 | 지역사회 현안 해결 실습 | – 기후, 환경 데이터 분석 및 예측 실습 – 재난 데이터 분석 및 예측 실습 – 지역 의료 데이터 분석 및 예측 실습 |
| 11일차 | 지역사회 현안 해결 프로젝트 | – 지역사회 현안 해결 프로젝트 진행 |
| 12일차 | 지역사회 현안 해결 프로젝트 | – 지역사회 현안 해결 프로젝트 진행 |
| 13일차 | 지역사회 현안 해결 프로젝트 | – 지역사회 현안 해결 프로젝트 진행 |
| 14일차 | 지역사회 현안 해결 프로젝트 | – 지역사회 현안 해결 프로젝트 진행 |
| 15일차 | 지역사회 현안 해결 프로젝트 | – 지역사회 현안 해결 프로젝트 진행 |