개요
본 교육 프로그램은 딥러닝 이론부터 임베디드 시스템 설정, Jetson Nano 기반 AI 제어, 제조 데이터셋 기반 프로젝트, 젯봇 자율주행까지를 아우르는 AI 융합형 실습 집중 과정입니다.
딥러닝의 전반적인 개요와 함께 DNN, CNN, RNN, GAN, 전이학습 등 주요 네트워크 구조를 학습하고, 오픈 데이터를 활용한 이미지 분류 및 객체 탐지 모델 실습을 통해 실제 데이터를 기반으로 모델을 구축합니다.
Jetson Nano 기반의 임베디드 시스템 설정과 카메라, 모터, 센서 등 I/O 장치 제어 기술을 실습하며, 하드웨어 제어를 위한 프로그래밍 역량을 강화합니다
Jetson Inference 및 전이학습 기술을 활용하여 젯봇 기반 임베디드 AI 실습을 진행합니다.
KAMP 제조 데이터셋을 활용한 산업용 AI 프로젝트를 수행하며, 실제 산업 데이터를 분석하고 모델을 적용하는 프로젝트 중심의 훈련을 진행합니다.
젯봇을 활용하여 자동 회피, 물체 추적, 자율 주행 등 자율주행 기능을 직접 구현하는 프로젝트를 수행하며, 딥러닝과 하드웨어, 실시간 제어 기술을 통합적으로 적용해 봅니다.
이 과정은 AI 알고리즘 설계부터 임베디드 디바이스 제어 및 자율 시스템 개발까지 전 과정을 아우르며, 수강생이 융합형 AI 실무 역량을 갖출 수 있도록 설계된 고도화된 실습 과정입니다.
강의 대상
전공자
강의 시간
1일 8시간, 총 13일 104시간
강의 계획서
| 일차 | 주제 | 내용 |
|---|---|---|
| 1일차 | AI 이론/실습 | – 딥러닝 개론 – 딥러닝 네트워크(DNN, CNN, RNN, GAN, 전이학습 등) |
| 2일차 | – 오픈 데이터를 활용한 딥러닝 실습(이미지 분류, 객체 탐지 등) | |
| 3일차 | – 오픈 데이터를 활용한 딥러닝 실습(이미지 분류, 객체 탐지 등) | |
| 4일차 | – 임베디드 시스템(젯슨나노) 설정 및 개발환경 구축 | |
| 5일차 | – 임베디드 시스템 I/O 제어 실습(카메라, 모터, 컨트롤러 등) | |
| 6일차 | – 임베디드 시스템 I/O 제어 실습(카메라, 모터, 컨트롤러 등) | |
| 7일차 | – 젯봇을 활용한 임베디드 AI 실습(Jetson Inference) | |
| 8일차 | 텀 프로젝트 | – 젯봇을 활용한 임베디드 AI 실습(Jetson Transfer Learning) |
| 9일차 | – KAMP 제조 데이터셋을 활용한 AI 프로젝트 | |
| 10일차 | – KAMP 제조 데이터셋을 활용한 AI 프로젝트 | |
| 11일차 | – 젯봇을 활용한 자율주행 프로젝트(자동 회피, 물체 추적, 자율 주행 등) | |
| 12일차 | – 젯봇을 활용한 자율주행 프로젝트(자동 회피, 물체 추적, 자율 주행 등) | |
| 13일차 | – 젯봇을 활용한 자율주행 프로젝트(자동 회피, 물체 추적, 자율 주행 등) |