02-6901-7098

자바취업반 인공지능 딥러닝 빅데이터 과정

인공지능 딥러닝 기법을 활용한 빅데이터 분석양성과정

평일반 : 2022년 12월 20일

전화 : 02-6901-7098

100%국비지원 | 월 최대 80만원 훈련수당 지급

교육내용
교육과정 빅데이터 활용 인공지능 기반 개인화 서비스 구축 개발자 과정 5기 2021년 디지털 핵심 실무 인재 양성사업 [노동부주관 K-Digital Training 선정과정] K뉴딜 디지털트레이닝 선정과정 ( 기존 국비지원 참여자도 신청가능 ) [고용노동부 훈련기관 인증평가 우수훈련기관] 서류접수기간 ( 선착순 조기마감예정 ) 고용노동부훈련기관 인증평가 우수훈련기관 서울산업진흥원(SBA) 클라우드 기술인재양성 프로그램 우수기관 맞춤형 기술인재 양성 사업 클라우드 분야 80% 이상의 높은 취업률로 2019년 우수기관 선정된 솔데스크에서 ‘기업 맞춤형 국기’훈련생 모집합니다. 인공지능(A.I)기반 추천시스템은 거의 모든 분야에 적용이 가능할 정도로 강력한 컨텐츠이며 기존의 통계기반 모델에 딥러닝 기반 모델을 추가하여 더욱 정확도 높은 개인화 서비스를 구현할 수 있으며, 이를 학생들이 직접 구현하고 실무에 투입 되었을때, 기업이 현실적인 AI 도입 효과를 볼 수 있는 서비스를 구축하는 능력을 갖출 수 있습니다. 자연어 처리 기반의 챗봇은 감정분석등의 한국어 처리 수업을 병행하여 영어에 비하여 상대적으로 처리하기 어려운 한글 처리에 대한 경험을 바탕으로 챗봇을 포함하여 광범위한 언어를 기반으로 한 AI 응용 서비스를 구축할 수 있는 실력을 갖출 수 있습니다. 총 960시간으로 구성된 취업을 위한 기업 맞춤과정입니다. 과정 특성상 조기마감이 예상되며 인공지능(A.I)분야에 관심이 있는 구직자분들의 많은 문의 부탁드립니다. 교육대상 선발기준 * 교육대상 - 대학 졸업예정자 및 수료 후 참여기업으로 취업이 가능한 자 - 인공지능 AI 관련 업체 취업 및 이직 희망자 - 관련 교육 사전이수 등 지원 프로그램에 대한 참여의지가 높은 자 - 인공지능, 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 자바 빅데이터 활용 인공지능 기반 개인화 서비스 구축 개발자 ( 강사인터뷰 ) 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. 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. 진출분야 - 자바프로그래머 / 데이터분석가 / 데이터엔지니어 / 빅데이터분석가 / AI모델연구개발 / AI서비스개발자등 K-디지털트레이닝 채용협약기업 훈련목표 * 참여기업 요구 및 수요조사 반영 결과 현재 참여 기업들은 매출액 향상과 고객 유치를 위하여 사활을 걸고 있습니다. 추천 시스템은 고객과의 거래가 있는 거의 모든 업종에서 필요한 기술로 넷플릭스, 아마존처럼 기업의 흥망을 결정하는 중요한 요인이기도하며 추천을 바탕으로 하는 개인화 서비스는 선택이 아닌 기업의 필수적인 기능입니다.전화를 통한 고객 서비스는 비용문제로 퇴근 후 제공이 어려운 기업이 많으며 이를 채팅 기반으로 1차 상담을 하고 원활히 진행되지 않은 경우 업무시간에 실무자가 연락하여 좀 더 고객 친화적인 서비스를 요구하는 기업이 많아 교육과정에 반영하였습니다.기업들은 시스템 구축 시 개발 자원이 단순 문법을 넘어서 최적화를 구현 할 수 있는 알고리즘을 취득한 개발자를 원하고 있습니다. 따라서 본 교육과정에 이를 적극 반영하였으며 데스크탑을 통한 서비스 뿐 만 아니라 어디서나 접속이 가능한 모바일 서비스 구현을 요청하여 교육과정에 포함하였습니다. 교육목적 - 딥러닝 기반의 개인화 서비스 구축을 위한 추천 시스템, 챗봇 개발자 양성을 목표로 합니다. - 기본 언어로 파이썬 개발 능력을 함양하고, 데이터 수집을 위하여 크롤링 능력 함양, - 데이터 저장소 구축을 위하여 오라클 사용 능력을 함양합니다. - 내부 원리 이해를 위하여 파이썬 기반의 알고리즘을 해결 할 수 있는 능력을 함양하고 - 딥러닝 학습에 사용할 데이터 준비를 위하여 데이터 전처리와 통계기반 데이터 분석 능력을 함양. - Tensorflow 시간에는 다양한 회귀, 분류, Vision등 여러 상황의 모델을 제작해보고 챗봇과 추천 시스템에 연동이 가능하도록 모델 제작 능력을 함양 - 부족한 딥러닝모델 테스트 장비등의 한계를 해결하기 위해 GPU,Docker,GoogleColab등을 활용 할수 있는 능력을 함양 - 또한 Client와의 자유로운 연동을 위하여 Python Django, Android app, Spring Boot를 개발 할 수 있는 능력을 함양 - 이렇게 숙련된 기술을 바탕으로 딥러닝 기반 추천 시스템과 딥러닝 기반 챗봇시스템 구축 개발자양성을 목표로 합니다. 교육과정 로드맵 자바 빅데이터 활용 인공지능 개발자과정 4기 ( 현 수강생 인터뷰 ) 참여기업 컨소시엄 자바 AI 인공지능 취업반 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 - 웹서비스 환경의 도서 추천 제작, 모바일 서비스 환경의 도서 추천 제작, 챗봇 엔진용 CNN, LSTM 딥러닝 모델 제작 - DBMS 연동 챗봇 학습툴 제작, Socket 기반 챗봇 Server 제작, 챗봇 Console Client 제작 - 다중 Client를위한 챗봇 API 제작, 웹서비스 기반 챗봇 Client 제작, 모바일 서비스 기반 챗봇 Client 제작 자바 AI 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 교육을 진행. 자바AI 인공지능 취업반 프로젝트 운영방안 교육일정구성 ( 총 960시간중 290시간 프로젝트구성 ) K디지털트레이닝 프로젝트 발표회영상 솔데스크강의장
교육대상	- 대학 졸업예정자 및 수료 후 참여기업으로 취업이 가능한 자 - 인공지능 AI 관련 업체 취업 및 이직 희망자 - 관련 교육 사전이수 등 지원 프로그램에 대한 참여의지가 높은 자 - 인공지능, 프로그래밍 관련 자격증을 취득하려고 하는자 - 교육 수료 후 참여기업으로 취업에 결격사항이 없는 자 - 부적합자 철저히 선별 ( 선착순 선발 ) 우대사항 - AI인공지능, 빅데이터분석, 자바프로그래머, 클라우드엔지니어등, IT직무경험자 - 관련학과 전공자 ( 컴퓨터공학과. 정보통신과 등등 ) - IT관련 자격증 소지자 (정보처리기사/산업기사, AWS자격증 등) 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	· 6개월
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

세부내용

과목명	모듈	세부과정
응용SW엔지니어링	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
	화면 설계	• HTML 파일의 제작 실습(H, BR, IMG, A, UL, OL, LI) • 스크립틀릿(Scriptlet) 실습 • JSP 코드상에서의 태그의 사용, HTML 기반 JSP 결과 출력 • 표현식(Expression), P, DIV, SPAN, DL, DT, DD, pre, xmp 태그 • 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, TEXT, TEXTAREA, PASSWORD, CSS • placeholder, autofocus, <SELECT> ~ <OPTION>, RADIO 태그 • CHECKBOX 태그 • CSS(Cascading Style Sheet)의 사용, SPAN, DIV 기본 사용법, A 태그
	정보시스템 이행	• Ubuntu download 및 VMware Player 15.5.1 설정 • Ubuntu 18.04.4 LTS VMWare 설정 • TAR 명령어, JAVA, Tomcat 설치 • MariaDB 10.3.21 다운로드 및 설정 • 업로드할 프로젝트 설정 • 웹 서비스의 운영상의 분류, • Linux 기반 웹 호스팅 서비스의 신청, DBMS의 설정 • FTP(File Transfer Protocol) 설정 • DBMS접속 및 테이블 생성, MariaDB Client HeidiSQL 설정 • FTP(File Transfer Protocol) 설정 • SSH 접속, 톰캣 서버 재시작 • 조건 그래프, 3차원 산점도 그래프 제작 실습 • ggplot2 package를 이용한 시각화
	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
	애플리케이션 테스트 수행(JUNIT)	• 요구사항을 기반으로 테스트 계획을 수립 • JAVA 테스트, 메소드 실행 추적을 위한 Eclipse 사용 • JSP, Beans(DAO, Process) 테스트 • Spring 4.3.20 + DataSource 테스트, spring-jdbc 모듈 추가 JUNIT 테스트 • Spring + MyBATIS + Oracle 테스트 • @RunWith, @ContextConfiguration, @Before, @Test, @After 테스트 실습
	프로그래밍 언어활용(JAVA/Python)	• 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 • 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
	요구사항 확인/ 애플리케이션 요구사항 분석	• 요구사항의 파악, 요구 사항 정의(Defining Requirement) • Usecase Diagram 작성 실습 • Usecase 제작에 따른 컨텐츠 구성도 등록
	통합 구현	• Github 회원 가입 설정, 저장소(Repository) 생성 및 삭제 • EGit 설정, 팀장이 Github에 공유할 프로젝트 생성 • test 프로젝트 최초로 등록하기(프로젝트 최초 공유) • 팀장이 Github에 공유할 새로운 프로젝트 생성, 팀 프로젝트 등록하기 • 팀원이 Github에서 프로젝트 소스를 최초로 Eclipse(STS)P로 가져오기 • 개발 소스 통합
	인터페이스 설계/인터페이스 구현	• Interface 구현과 추상화 • Interface 기반 빈의 생성 및 할당 • Spring Controller Interface 구현 • Spring Process, DAO Interface 구현 • MyBATIS Interface 구현
	애플리케이션 설계	• 요구사항을 참고하여 비기능 요구사항 분석 • Application, DBMS, Framework등 시스템 간 연계 설계 • JSON, HTML등 시스템간 송수신 데이터 형식 설계 • Rest를 이용한 타시스템간 연동 설계
빅데이터 분석	머신러닝 기반 데이터 분석	• 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 • 경사 하강법(gradient decent) • 다중 선형 회귀(Multiple Linear Regression) 모델 • 로지스틱 회귀(Logistic Regression) 모델의 구현, • 하이퍼파라미터 최적화 • 기울기 소실 문제와 활성화 함수, 손실 함수 • 수치 예측 모델의 개발 • 분류(Classification) 모델 개발 • 통계 및 기하기반 머신러닝 알고리즘
DB엔지니어링	데이터베이스 요구사항 분석	• 실제 업무에 사용되는 문서에서 데이터베이스 요구사항 도출하기 • 사용자 인터뷰를 통해 수집된 요구사항을 업무 주제별로 분리 • 데이터 관리의 정확성을 위해 요구사항을 적절한 크기 또는 범위의 내용으로 분해 또는 통합
DB엔지니어링	SQL응용	• 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
빅데이터 플랫폼 구축	빅데이터 플랫폼 요구사항 분석	• 빅데이터 플랫폼의 기능 및 비기능 요구사항에 대한 자료 수집 계획 수립 • 요구사항의 중요도 및 비즈니스 측면의 영향성을 분석하여 요구사항별 우선순위 지정 • 빅데이터 플랫폼 구축의 기능 및 비기능 요구사항과 제약사항을 정리하고 명세서 작성
빅데이터 플랫폼 구축	빅데이터 플랫폼 아키텍처 설계	• 빅데이터 플랫폼 요구사항 명세서에 따라 빅데이터 플랫폼 구축에 필요한 하드웨어 및 소프트웨어 기능 자료를 검토하고 하드웨어와 소프트웨어 규격서를 작성 • 인프라구조 설계를 위하여 하드웨어와 소프트웨어 통합연동에서 고려해야 하는 사항을 검토 • 빅데이터 플랫폼 요구사항에 따른 규격서를 바탕으로 하드웨어 구조, 소프트웨어 구조를 설계
텐서플로 활용한 머신러닝	텐서플로 활용한 머신러닝	• Tensorflow 2 설치 • Jupyter Notebook 커널 연동, 개발 환경 구성 • 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 • DQN을 이용한 강화 학습 • 강화 학습에 기반한 게임 인공 지능 구현 • Django Web Application library의 생성 및 설정 • Django application 세부 환경 설정 • DJango와 딥러닝 모델의 연동을 통한 지능형 웹 개발 • 다양한 분야의 주제에 대한 예측 모델 제작
Web 크롤링	Web 크롤링	• Regular Expression(정규 표현식) 기본 문법 실습 • 문자열 Crawling, Scraping, Web에서의 데이터 수집 • BeautifulSoup, Selenium, chromedriver.exe 설정, robots.txt • Web 접속 크롤링, 한글 처리, 기본 트리 운행, SSL 처리 • 태그 id로 찾기, class가 같은 태그들 검색 • find(), find_all(), select(), findAll() 함수 실습 • 비정형 텍스트의 수집 • 이미지의 수집 • 파일 형태의 데이터 수집 • 데이터 시각화 library Matplotlib(맷플롯립) • 대용량 데이터 연산 package(library) Numpy • 데이터셋 생성 및 분석 package(library) Pandas
머신러닝 기초 알고리즘	머신러닝 기초 알고리즘	-시그마(Sigma), 파이(Pi) 구현 -벡터와 행렬 -행렬의 연산, 전치 행렬 -기하벡터, 지수와 대수 -최소 제곱법 구현 실습 -1차함수 그래프 구현 -2차함수 그래프 구현 -회귀 실습, 다항식 회귀 실습 -확률 경사 하강법 구현 -내적분석 -퍼셉트론 구현 -로지스틱 회귀 실습 -시그모이드 함수 구현 -최급하강법 -우도 함수 -미분, 편미분 -합성 함수, 합성 함수의 미분 -모델 평가 -교차 검증 -평균 제곱 오차 구현 -분류 문제 검증 구현 -회귀의 정칙화 모듈 구현 -분류의 정칙화 모듈 구현 -과잉적 합과 오적합 판별
프로젝트	프로젝트	• 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 • 요구사항의 파악, 요구 사항 정의(Defining Requirement) • Usecase Diagram 작성 실습 • 팀 통합 프로젝트 및 개인별 개발 프로젝트의 생성 • Github 연동하기 • 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 • 데이터 분석 및 시각화 제작 • 텐서플로 케라스 연동 각종 예측 시스템 개발 • 수집 및 분석된 데이터 Spring, Django 프레임워크로 웹 서비스 구축 • 기능/비기능 테스트 • 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)