02-6901-7098

KDIGITALTRAINING 인공지능 AI 딥러닝 머신러닝 과정

K디지털트레이닝 딥러닝기반 추천시스템 챗봇개발자

평일반 : 2022년 06월 07일 | 주말반 : 2022년 06월 07일

전화 : 02-6901-7098

교육내용
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. 교육과정 인공지능AI 딥러닝 기반 챗봇개발자과정 기업채용예정과정 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. 1회차~3회차 총75명의 훈련생을 선발 계획입니다. 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 현재 실무에서 활용도가 높은 과정 목록 구성Python을 이용한 알고리즘 실습, 머신러닝 기초 수학 Python 실습 과정을 포함하여 최적화와 원리에 기반한 응용력을 학습인공지능(A.I)협력기업: 웅진,한국정보공학, 네모커머스, 디딤365, 솔루게이트등 취업 지원 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 - 데이터분석가 / 데이터엔지니어 / 빅데이터분석가 / AI모델연구개발 / AI서비스개발자등 학습목표 * 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. 채용협약 참여 리스트 인공지능 AI 프로젝트 구성 및 발표회 - 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 인공지능 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 인공지능(A·I) 교육을 진행. 인공지능 딥러닝 취업반 프로젝트 운영방안 교육일정구성 ( 총 960시간중 220시간 프로젝트구성 ) K디지털트레이닝 1.2기수 프로젝트 발표회영상
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
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- 취업성공패키지. 내일배움카드 발급자 ㆍ 비전공자 초보자도 지원 가능 30명 선착순접수 지원문의 02) 6901-7098 ㆍ K뉴딜 디지털트레이닝 선정과정 ( 기존 국비지원 참여자도 신청가능 ) · 수강료 전액 무료 + 매월 훈련수당 지급 (최대 800,000원 ) · 교육비 전액무료 (AWS 공인교육 비용 지원) · 6개월 간 식대 및 교통비 지원 (최대 30만원) -단위기간 출석률 80% 충족 시 · AWS 실습환경 제공 · 이력서 및 자기소개서 첨삭 지원 · 협약기업 면접 기회 제공

교육커리큘럼

세부내용

구분	교과목명	세부내용
데이터 수집	Python	- Python 소개 - Anaconda install - 가상환경 생성, - Jupyter Notebook 커널 연동 - 컴파일 - 파이썬 프로그램의 구조 - 데이터 형(data type) - 연산자(Operator) - Library Reference - 시퀀스(배열) - 자료형(str, list, tuple, Dictionary) - Set 집합 타입 - 제어문(if), sys.argv list 사용, if문 실습 - 반복문(While, for) 실습 함수 다루기, 함수의 인자, 지역 변수와 전역 변수, 리턴값 - 모듈과 패키지의 사용, import의 사용 - Class 선언, 클래스 멤버, 메소드, 인스턴스 멤버, 메소드의 실습 - Class의 import, 생성자, 소멸자, 상속 - 부모클래스의 생성자호출 - 생성자/메소드 오버로딩, 다중 상속 - 예외처리(Exception) - try ~ except ~ else ~ finally - 재귀 호출 함수 - Lamda 함수 이용 , random 난수 발생 - IO(입출력), File 클래스 다루기, 파일 이동, 디렉토리 조작, 파일 목록, 파일 복사 - Network(네트워크), Socket, Echo Server - Encode, Decode - Pycharm 환경에서의 Python 개발 Conda 가상 환경에서의 PyCharm 데이터 분석 환경 설정 - MariaDB install - MariaDB, Python 연동, CRUD 구현
데이터 수집	Crawling	- BeautifulSoup install - Selenium install - Chromedriver.exe 설정 - robots.txt - 문자열 Crawling - Web에서의 데이터 수집 Web 접속 scraping(crawling) 한글 처리, 기본 트리 운행 SSL 처리, 태그 id로 찾기, class가 같은 태그들 검색 find(), find_all(), select() 함수 활용 - 포털에 접속하여 환율 수집하기, 서울의 날씨/온도 수집, Selector의 사용 - 많이 본 뉴스의 제목을 수집하기 댓글 정보의 크롤링 Selenium, chromedriver.exe을 연동한 데이터 수집 XPath 사용 멜론 노래 순위 정보 크롤링 - 대한민국 구석구석 컨텐츠 크롤링 페이징 처리 이미지의 크롤링 증권 거래소 파일 정보의 크롤링 다양한 웹페이지에 접속하여 크롤링 실습
데이터 저장 시스템	Oracle	Oracle XE 18C 개발자 버전 설치, 계정의 생성 및 권한 부여 SQL Developer install, 접속 Oracle 기본 데이터 타입 DDL(Data Definition Language) 일련번호 자동 생성(Sequence) Oracle 기본 SQL 사용 DML(Data Manipulation Language) INSERT, SELECT, UPDATE, DELETE ORDER BY, LIKE 리조트 관리 시스템 논리적 모델링 리조트 관리 시스템 물리적 모델링 리조트 관리 시스템 SQL 제작 제약 조건의 추가/삭제 Join SQL 제작 3개 이상의 테이블 join Single-Row Function(단일행 함수) GROUP BY, HAVING, Group Functions(그룹화 함수) SubQuery(필터링) Transaction, Sequence, Index VIEW(SELECT) 가상 테이블 사용 데이터 사전(Data Dictionary), 제약 조건의 조회, 추가, 삭제 PL/SQL의 이해, PL/SQL의 종류, PL/SQL의 구조 Stored Procedure Create & Execution IN/OUT 매개변수 Stored Function, Trigger Rank SQL, ROW_NUMBER(), RANK() 함수의 활용
알고리즘	Python을 이용한 알고리즘 실습	- 수열 관련 알고리즘 실습 - 재귀 호출 관련 알고리즘 실습 - 탐색 관련 알고리즘 실습 - 정렬 관련 알고리즘 실습 - Queue, Stack 관련 알고리즘 딕셔너리, 그래프 관련 알고리즘 응용 알고리즘 실습
알고리즘	머신러닝 기초 수학 Python 실습	- 수열과 집합 - 확률 - 대량의 데이터에서 추정하는 방법 - 벡터와 행렬 실습 - 함수와 미분 미분으로 그래프의 접선 계산 편미분 실습 - 회귀분석 로지스틱 회귀
통계기반 데이터 분석	통계기반 데이터 분석 및 머신러닝	- Numpy vector 연산 Matplotlib 기반 시각화 실습 - Pandas 기반 기술 통계 분석 연속형 데이터, 합계, 평균, 편차, 분산 표준편차 표본 평균, 표본 분산 표본 표준 편차의 산출, 표준화 - 척도별 기술 통계량, 대표값 산출 - 산포도 - 변동계수 - 빈도분석 분석 절차와 기본 통계 지식 가설(hypothesis) 설정 유의수준 결정 측정 도구의 설계 척도의 분류 - 조사의 방법 - 모집단과 표본 - 통계적 추정 - 기각역(Critical region) - 채택역(Acceptance region) - 양측검정과 단측검정 - 가설 검정 오류 - 검정 통계량 - 정규 분포, 모수와 비모수 검정 - 표준정규분포 - 표준화 변수 Z - Z값과 확률 구간 - 신뢰구간 - 표본오차, 왜도(Skewness)와 첨도 모평균의 가설검정(σ(모 표준편차)를 아는 경우) 두 모평균의 가설검정(σ(모 표준편차)를 아는 경우 평균차이 검정(T 검정) 교차분석과 카이제곱검정 상관 분석 회귀 분석(지도학습) 성적 예측 자동차의 제동거리 예측 모델 - 정수기 AS 시간 예측 모델 - 분류 분석(지도학습) - Iris의 분류 사과의 특성별 분류 군집 분석(비지도학습) 사과의 특성별 분류 타깃 마케팅을 위한 소비자 군집 분석하기 연관 분석 상품 진열 연관 분석 텍스트 빈도 분석 워드 클라우드 한글 뉴스 기사의 키워드 분석하기 텍스트 마이닝 영화 리뷰 데이터로 감성 예측하기 코로나 뉴스 텍스트의 감성 분석하기 지리 정보 분석 행정구역별 의료기관 현황 분석하기
딥러닝	딥러닝 데이터 전처리	- 정형 데이터의 전처리 결측치의 처리 불균형 데이터 세트에 대한 언더 샘플링 모델 완성 및 영향력 높은 변수 확인 분석 데이터를 읽기 위한 코드 작성 k-Means법을 이용한 그룹 분할 - 이미지 데이터의 전처리 - OpenCV 이미지 변환 처리 - 이진화 이미지로 변환 이진화 이미지의 픽셀값 확인 - 시계열 데이터의 전처리 데이터 집약 및 시간 축 작성 기계학습의 알고리즘 형태로 특징량 변형 훈련 데이터의 부분시계열 작성 부분시계열의 파형 거리(유사도) 측정 - 자연어 데이터의 전처리 한글 형태소 분석 환경의 설정 Konlpy 설치 - Okt를 통한 형태소 분석
딥러닝	Tenslorflow 기반 딥러닝	- 인공 신경망(ANN: Artificial Neural Network) - 퍼셉트론(perceptron) - 다층 퍼셉트론(Multi Layer Perceptron) - Tensorflow 2.0 install - Keras - Sequential 함수 - loss 옵션(손실 함수, 오차 함수) - fit 함수 - 모델 평가 및 저장, 기초 코드 - 오차 역전파(Back Propagation) - 활성화 함수(activation) - optimizer 옵션(경사 하강법, 최적화) 회귀 모델 제작 수치 예측 모델의 구현(relu, adam, mse 활용), validation_split 적용, 학습율 - 회귀 모델 제작 - 2개의 수치입력과 2개의 scala 출력 처리 - 파라미터(가중치, y절편) 초기화 - model save 사용 - Weights, Biases 확인 [미니프로젝트] 와인의 종류 예측하기 train_test_split 모델 업데이트 및 저장 혼돈 행렬(Confusion matrix) ROC 곡선 [미니프로젝트] 폐암 수술 환자의 생존율 예측 L1/L2 규제 Dropout 사용 과대 적합(과적합, Overfit) 이항 분류의 사용 [미니프로젝트] 초음파 광물 종류 예측, LabelEncoder, k겹 교차 검증 [미니프로젝트] 아이리스(붓꽃) 품종 예측, 원-핫 인코딩(one-hot-encoding) GPU 기반, CUDA 10.0, cuDNN 7.6.0, Conda를 이용한 Python 3.6 가상환경, Tensorflow 2.0.0 설치 컨볼루션(합성곱) 신경망(CNN: Convolution Neural Network), PIL, 이미지 처리 Python script 기초 코드 CNN + OpenCV를 이용한 이미지를 통한 수치 예측 모델의 개발 PILLOW 설치 CNN 기반 회귀 모델 제작 메모리상에서 이미지 만들어 바이러스 갯수 예측 Python을 이용한 메모리상에 이미지 생성 미국 국립 표준 기술원(NIST)의 MNIST 이용 CNN, GPU를 이용한 영상입력 이진 분류 예측 모델의 개발, 짝수/홀수 예측 CNN를 이용한 영상입력 다중 클래스 분류 예측 모델의 개발, 0 ~ 9 숫자 예측 CNN을 이용한 도형의 인식 CNN 상에서의 이미지 부풀리기 ImageDataGenerator CNN, 이미지 인식을 통한 영화배우 정보 조회하기 학습 데이터 전처리 OpenCV haarcascades 설치 얼굴 이미지 crop 이미지 인식을 통한 영화배우 정보 조회하기 RNN 순환 신경망 순환 신경망을 이용한 영화 리뷰 정서 분석 IMDB 영화 리뷰 데이터셋 사용 시계열 분석 분석 모델 제작 LSTM을 사용한 주식 변동성 전망
개인화 서비스	추천시스템	기본적인 추천 시스템 인기제품 방식의 추천 협업 필터링 추천 시스템 유사도지표 기본 CF 알고리즘 Matrix Factorization(MF) 기반 추천 SGD를 사용한 MF 기본 알고리즘 MF의 최적 파라미터 찾기 Surprise 패키지 사용 딥러닝을 사용한 추천 시스템 구현 Keras로 MF 구현하기 딥러닝 모델에 변수 추가
챗봇	딥러닝 기반 챗봇	단어 임베딩 텍스트 유사도 문장 분류를 위한 CNN 모델 개체명 인식을 위한 양방향 LSTM 모델 챗봇 학습 툴 만들기 단어 사전 구축 및 시퀀스 생성 챗봇 엔진 서버 개발 챗봇 테스트 클라이언트 프로그램 챗봇 API 만들기
Cloud	Docker 및 Cloud 개발 환경 구성	- Ubuntu 18.04 LTS download - Ubuntu install - SWAP/Root/Home 파티션 분할 기본 명령어 사용자 생성, 계정 관리 디렉토리 및 파일 관리 기타 명령어 권한(permission)의 변경 ls -l, ls -al로 권한 목록의 출력 vi 에디터 기본 명령어, vi editor 실습 미들웨어 기초 지식 인프라 구성 관리 기초 지식 Docker의 기능 Docker의 작동 구조 Docker for Windows 설치 Docker 이미지 조작 Docker 컨테이너 생성/시작/정지 Docker 컨테이너 네트워크 가동 중인 Docker 컨테이너 조작 Dockerfile을 사용한 코드에 의한 서버 구축 Docker 이미지 공개 Docker Tensorflow 개발 환경 구축 도커 파일 작성 도커 이미지 빌드 도커 허브에 업로드 도커 컨테이너에 Host resource 접근 Jupyter Notebook에서 tensorflow 임포트 실행 Goolge Cloud 환경 이용 - Google Cloud 서비스 Colab 이용 - ipynb 파일과 Google Drive 연동 AWS Cloud 서비스 회원가입 AWS EC2 인스턴스 생성 윈도우10에 Putty 설정, SSH 접속 MariaDB 10.3 설정 JAVA open jdk 8, Tomcat 9 설치 Spring Bot war 생성 및 배포 FTP(File Transfer Protocol) 설정 EC2 서버 재시작, 접속 테스트 AWS EC2 Python 설정 Tensorflow 설정 Tensorflow model upload Django, model 연동 접속 테스트
Client 서비스 화면 구현	JAVA	- JAVA 설치, Eclipse 설치, 환경 변수 설정 - OOP 언어의 이해, Data Type, 상수 - 분기문(if, switch 문), 반복문(while, for, do~while) - Class 구조(클래스 이름 지정 방법), 객체 생성 - Attribute(멤버 변수), 멤버 메소드 - 부모 클래스의 상속 - 추상 메소드, Interface, 접근 제한자 - Autoboxing, 객체 형변환 - File 입출력, 파일 복사, CSV 파일 처리 - Static method, Wrapper class - Scanner class, Scanner 종합 실습 - 접근 한정자(Access Modifier, 제한자) - ServerSocket, Socket 데이터 송수신 - 동기화 처리를 위한 Thread - Thread 기반 Socket 프로그래밍 - JCF(Java Collection Framework) - Generics MariaDB 연동 - JDBC 응용 Console Application 개발
	Spring Boot	Spring Boot 개발환경 STS 설정 VO(DTO) class 구현하기 DAO class 구현하기 Oracle DBMS Connection 구현하기 MVC: Model, View, Controller 구조 DI(Dependency Injection)의 구현 DI의 개념과 활용 에노테이션의 활용 Oracle 연동 MyBATIS Maven 설정 기초 문법 갤러리 SQL, MyBatis XML 제작 JSP Form 제작, jQuery 사용 갤러리 JSP, CRUD 구현 Form 값 검증 검색 구현 페이징 구현 파일 업로드, 다운로드 트랜잭션 매니저 사용 시큐리티 적용 시큐리티 데이터베이스 사용하기 외부 라이브러리 사용하기 war 배포
	Python Django	Django 개발 환경 구성 MariaDB + Django 연동 설정 Django Javascript 실습, JS 파일 include Django jQuery, CSS 파일 사용 실습 공지사항 제작 함수 기반 View Bootstrap 사용 메뉴바(GNB: Global Navigation Bar) 기반 Django 프로젝트 생성, Model 생성 views.py, urls.py, CSS static 설정, base.html 제작 CRUD 구현 파일 업로드/다운로드 구현 페이징 구현 공지사항 Ajax 기반 변경 Django + jQuery + Ajax + JSON 구현 D3js 시각화 적용
	Android mobile	안드로이드 스튜디오 설치 레이아웃 구성 버튼 이벤트 처리 다른 화면으로 이동 브라우저 만들기 카메라 센서의 사용 사운드 재생 경고창 만들기 앱의 인트로 화면 만들기 애니메이션 효과주기 Google Map API의 사용 현재위치 출력 마켓 등록 및 단말기 테스트
프로 젝트	딥러닝 기반 추천 시스템	딥러닝 기반 추천 시스템 제작 설계 개발 요소 파악하기 개발 요소 등록 역할 결정 데이터 수집 데이터 전처리 데이터의 상관 관계 분석 다중 공선성 해결 이상치 데이터의 발견 및 변경 결측치의 확인 및 제거 Github 프로젝트 생성 및 공유, 협업 설정 요구사항의 파악 및 정의 Usecase Diagram 제작 Amateras ERD 파일생성 DBMS 모델링(논리적/물리적) Tensorflow 학습 데이터 관련 SQL 생성 Tensorflow model 제작 Tensorflow model 성능 개선 Django, Tensorflow model 연동 서비스 제작 Spring Boot 상에서의 Django Rest 서비스 접근 제작 Tensorflow model AWS EC2 서비스에 업로드 Web 서비스 AWS EC2 서비스에 배포 Android mobile App에서의 Tensorflow 모델 사용 제작 프로젝트 문서화 작업 및 발표
프로 젝트	딥러닝 기반 챗봇시스템	딥러닝 기반 챗봇 시스템 설계 개발 요소 파악하기 개발 요소 등록 역할 결정 데이터 수집 데이터 전처리 데이터의 상관 관계 분석 다중 공선성 해결 이상치 데이터의 발견 및 변경 결측치의 확인 및 제거 Github 프로젝트 생성 및 공유, 협업 설정 요구사항의 파악 및 정의 Usecase Diagram 제작 Amateras ERD 파일생성 DBMS 모델링(논리적/물리적) Tensorflow 학습 데이터 관련 SQL 생성 Tensorflow model 제작 Tensorflow model 성능 개선 Django, Tensorflow model 연동 서비스 제작 Spring Boot 상에서의 Django Rest 서비스 접근 제작 Tensorflow model AWS EC2 서비스에 업로드 Web 서비스 AWS EC2 서비스에 배포 Android mobile App에서의 Tensorflow 모델 사용 제작 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