• 산업 프로젝트 기반 인공지능 빅데이터 분석가 과정
  • 교육기간 : 2023-06-20 ~ 2023-12-07 2023-07-18 ~ 2024-01-08
  • 개강일자 : (6개월/960시간 교육)
  • 과정수준 : 핵심

 

연수과정 : 산업 프로젝트 기반 인공지능 빅데이터 분석가 과정
연수수준 : Level 5
연수기간 : (6개월/960시간 교육)-일정은 변경가능(연휴 및 공휴일제외)
연수시간 : (~) 09:30 ~ 18:30 (18시간 점심시간 1시간)
연수인원 : 25
연수비용 : 9,140,160
지원자격 : 미취업자, 졸업예정자 , 6개월 동안 충실히 교육이 가능한자
연수비용 : 전액국비 지원(연수비+교재비+입사지원서 컨설팅+취업지원)
연수수당 : 6개월간 수당(교통비+식대) 지급
내일배움카드 : 30만원수당지급
취업성공패키지 대상자 : 40(1유형에 한하여 취업 시 성공수당 80만원 추가 지급)
모집마감 : 고용노동부 대상자 선정에 일반과정은 3, 장기과정은 4~5주 정도의 기간이 필요합니다.
따라서, 연수과정 신청은 개강일 기준으로 2주 전까지 가능합니다.
정원 선착순 마감
연수장소 : 신촌/이대/종로/영등포/당산/구로디지털단지/가산/신림/서울대입구/강남/부천/부평/성남/분당/용인
우대사항 : IT/SW 관련학과 졸업(예정), 정보처리(산업)기사 취득자, IT/SW전문교육 3개월 이상 수료한 자
훈련목표
빅데이터 분석에 대한 전반적인 프로세스와 플랫폼의 종류, 활용도를 파악한 후, 빅데이터 분석 과정에서 사용되어지는 언어인 파이썬과 R을 사용법을 익히고, 머신러닝, 딥러닝의 알고리즘을 적극 수용하여 빅데이터의 수집, 저장, 처리, 분석, 시각화를 할 수 있는 오픈소스 소프트웨어의 활용법을 익혀 빅데이터 분석가로써의 초석을 다질 수 있다.

K-Digital Training

2021년 디지털 핵심 실무인재 양성(K-Digital Training)사업은 한국형 뉴딜이 효과적으로 시행되기 위해 이를 뒷받침할 우수 인재, 구직 청년과 실직·경력단절 등 일자리 어려움에 처한 국민에게 디지털 전환을 위한 수준 높은 직업훈련을 제공해 디지털 분야의 핵심 실무인재로 양성하기 위해 올해 처음 개설된 과정이다.

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.

이 남다른 네 가지 이유>

하나. 멋쟁이사자처럼, 프로그래머스, 서울대, 네이버커넥트 등 청년들이 워너비(가고 싶어)하는 43개 혁신교육훈련기관·우수대학 등 참여

두울. 네이버, 마이리얼트립, 솔트룩스 등 청년들의 워너비(취업하고 싶은) 디지털 선도기업이 직접 훈련과정 설계 지원

. 개인 맞춤교육으로 비전공자도 워너비(되고 싶은) 디지털 현장 실무인력으로 성장 가능

. 청년들의 워너비(듣고 싶은) 우수과정의 비용은 정부가 부담

KDigital Training에 참여하고자 하는 청년은 직업훈련포털 (www.hrd.go.kr) 또는 지방노동관서를 통해 국민내일배움카드 발급신청을 해야 합니다.

고용노동부 이재갑 장관은 코로나19 장기화로 인해 노동시장 진입에 어려움을 겪고 있는 청년들에게 디지털 일자리로 진출할 수 있는 기회를 소개하고 응원의 메시지를 보내기 위해 오늘 라이브 설명회를 마련하게 되었다면서 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 K-Digital Trainng을 추진하게 되었다고 밝혔다.

연수분야

4차 산업 혁명(fourth industrial revolution, 4IR)은 정보통신기술(ICT)의 융합으로 이루어낸 혁명 시대를 말하며, 2016120일 스위스 다보스에서 열린 세계경제포럼에서 처음 언급된 개념입니다. 학자에 따라 제시하는 키워드는 조금씩 다르지만, 대체로 기계 학습과 인공지능의 발달이 주요 수단으로 꼽히고 있으며, 18세기 초기 산업 혁명 이후 네 번째로 중요한 산업 시대입니다. 이 혁명의 핵심은 인공지능, 로봇공학, 사물 인터넷, 무인 운송 수단(무인 항공기, 무인 자동차), 3차원 인쇄, 나노 기술과 같은 6대 분야에서 새로운 기술 혁신이며, 4차 산업혁명의 핵심은 역시 인공지능입니다

인간의 지능에 가장 밀접한 것으로는 학습이 있습니다. 학습은 새로운 지식을 습득하는 수단이라고 할 수 있죠. 이 학습을 기계가 할 수 있게 만들면서 패턴을 찾고 가장 효율적인 결과를 낼 수 있게 하는 것을 기계학습 또는 머신러닝이라고 합니다.

인간의 지능에 가장 밀접한 것으로는 학습이 있습니다. 학습은 새로운 지식을 습득하는 수단이라고 할 수 있죠. 이 학습을 기계가 할 수 있게 만들면서 패턴을 찾고 가장 효율적인 결과를 낼 수 있게 하는 것을 기계학습 또는 머신러닝이라고 합니다.

머신러닝의 기본적인 순서로는 데이터를 먼저 만들고 정리하는 과정을 통해서 추상화된 모형을 바탕으
로 훈련과 테스트를 반복해서 얻은 일반화된 알고리즘을 도출하는 순서로 진행됩니다
딥러닝은 사물 및 데이터를 모아서 분류하는데 사용하는 기술인데 이 기술을 적용하게 되면 모든 판단 기준을 정해주지 않아도 기계 스스로가 인지하고 추리하여 판단 할 수 있게 됩니다. 이용 가능 범위로는 음성 / 이미지 인식과 사진 분석 등등 아주 광범위하게 활용할 수 있습니다. 이러한 딥러닝의 특징을 구글 / 페이스북 / 마이크로소프트 / 바이두 등의 기업들이 데이터를 분석하는 등의 서비스에 적극 활용하고 있습니다.
딥러닝은 사물 및 데이터를 모아서 분류하는데 사용하는 기술인데 이 기술을 적용하게 되면 모든 판단 기준을 정해주지 않아도 기계 스스로가 인지하고 추리하여 판단 할 수 있게 됩니다. 이용 가능 범위로는 음성 / 이미지 인식과 사진 분석 등등 아주 광범위하게 활용할 수 있습니다. 이러한 딥러닝의 특징을 구글 / 페이스북 / 마이크로소프트 / 바이두 등의 기업들이 데이터를 분석하는 등의 서비스에 적극 활용하고 있습니다.
머신러닝의 기본적인 순서로는 데이터를 먼저 만들고 정리하는 과정을 통해서 추상화된 모형을 바탕으로 훈련과 테스트를 반복해서 얻은 일반화된 알고리즘을 도출하는 순서로 진행 됩니다
연수목적
이 교육은 미래의 일자리를 대비하는 교육이자 새로운 기술의 변화에 빠르게 적응할수있는 능력을 키워주는 교육입니다. 컴퓨터 전공자가 아니더라도 빅데이터와 인공지능에 관심이 있는 사람이면 누구나 미래에 다가올 알고리즘 사회에 적응할수 있는 기술력을 키우는 교육을 받아야 합니다. 지금 우리가 감탄하고 놀라는 기술들도 처음엔 호기심 많은 누군가의 필요와 동기에 의해 만들어졌습니다. 저희는 이 교육을 통해 바로 그 동기부여를 교육생들에게 심어주려 합니다. 변화의 와중에 마주할 문제들을 상상하고 하나하나 풀어가겠다는 강한 동기부여를 이 교육을 통해 같이 이루어나가도록 하겠습니다.
1) 응용SW 산업현장에서 필요로 하는 기술,지식, 소양을 갖추기 위해 NCS능력단위를 기반으로 이론, 실습, 프로젝 트 교육을 실시하여, 관련분야에서 직무를 성공적으로 수행할수 있는 인재양성이 가능한 훈련입니다.
2) 웹서비스에서 빅데이터는 이제는 당연한 기술이 되었습니다. 빅데이터는 분산처리나 데이터의 수집도 필요하지만, 가장 중요한 것은 빅데이터를 가치가 있는 정보로 분석하는 것입니다.
그리고 이제는 정보분석을 넘어, 분석된 정보를 통해 웹애플리케이션 스스로가 학습하는 인공지능 머신러닝이 가장 중요한 기술이 되었습니다.
딥러닝은 이메일 필터링 서비스부터, 쇼핑몰이나 영화 연관 추천 시스템, 문자 / 음성 인식, 이미지를 분석하여 얼굴을 알아낸 후 나이를 추측하고, 자연어나 연관 검색어를 처리하는 등 다양한 심층분석을 할 수 있습니다. 본 훈련은 이러한 웹애플리케이션을 개발할 수 있는 R과 파이선을 활용하여 빅데이터 / 딥러닝 개발자 양성에 중점을 둔 과정입니다.

진출분야

머신러닝 알고리즘에 대한 연구는 수 년간 진행되어 왔지만, 2016년에 들어서 주요 IT 트렌드 중 하나로 급성장했다. 머신러닝 알고리즘은 강력한 프로세서, 빅데이터 수집 아키텍처, 그리고 오픈소스 소프트웨어의 실행이 가능해지면서 모든 종류의 데이터에 적용이 가능해졌다.

2017년 머신러닝은 모든 산업분야에서 혁신을 선도하는 기반 기술로써 그 중요성이 더욱 확대될 것으로 전망된다. 특히, 네트워크 분야에서 머신러닝 기법은 이전에는 해결할 수 없다고 여겨졌던 문제들에 적용될 것이다. 2016년에 나타났던 기술 인재의 부족 현상은 2017년 뛰어난 머신러닝 과학자와 엔지니어에 대한 수요가 증가하게 되면서 더욱 심화될 것으로 보인다. 또한, 머신러닝은 SDNNFV와 결합돼 차량 네트워킹, IoT, 모바일 엣지 컴퓨팅(MEC), 클라우드, 보안을 위한 차세대 플랫폼을 구축하려는 업체들에게 핵심 경쟁력이 될 것으로 전망된다


과정 커리큘럼

구분

교과목
교육내용
이론
기초
빅데이터와 비즈니스
빅데이터의 기본적인 개념을 알 수 있고, 프로젝트 진행시 필요한 구성 요소들을 도출할 수 있어 빅데이터 분석 기획시 프로젝트 계획을 수립할 수 능력이 필요함.
기계학습과 딥러닝
빅데이터 분석을 위해서는 통계학적 지식이 필요하다는 요구가 있었고, 딥러닝과 신경망에 대한 기본적인 지식을 가지고 개발에 참여를 해야 하는 능력이 필요하다는 요구사항을 반영함
실습
기초
리눅스 구축 및 프로그래밍
빅데이터 분석을 위한 시스템 구현에 필요한 OS로 리눅스의 기본적인 설치와 프로그래밍 기술과 능력이 필요하다는 요구사항을 반영함
자바와 스프링 부트
기본적으로 웹 개발 능력을 갖추고 있어야 한다는 요구사항을 반영함
관계형 DB 구축 및 성능 관리
빅데이터 저장 기술에 대한 역량을 갖추고 있어야 하는 요구를 반영할 것으로 관계형 데이터베이스 정규화와 튜닝 등을 하여 성능 관리 능력을 함양시킴.
파이썬 기본 및 응용
빅데이터 분석에 사용되는 파이썬에 대한 기본적인 문법을 익히고, 빅데이터 분석에 필요한 API 활용법, 모듈 활용법 등의 역량을 갖추어 한다는 요구 사항을 반영시킴
파이썬 웹 프로그래밍
파이썬의 API를 활용한 웹 서버 개발 능력을 갖추고 있어야 한다는 요구 사항을 반영함
NoSQL
관계형 DB 뿐 아니라 비정형화된 자료에 대한 처리 능력을 갖추고 있어야 한다는 요구 사항을 반영함
하둡 시스템 활용 및 빅데이터 처리
빅데이터 분석을 위한 시스템 구축을 해야 하는데, 분산 처리를 할 수 있도록 하둡의 설치 및 구성, 사용법에 대한 처리 능력을 갖추고 있어야 한다는 요구 사항을 반영함
실습
심화
R과 빅데이터 처리
오픈 소스로 빅데이터 분석 도구로 활용되는 통계학적 R 분석과 데이터 처리 프로세스를 활용할 수 있는 능력을 갖추고 있어야 한다는 요구 사항을 반영함
빅데이터와 파이썬 API 활용
딥러닝 알고리즘 등 파이썬 API를 통하여 넘파이, 판다스 등의 분석 능력을 함양하고 이를 토대로 자연어 처리, 데이터 처리 등의 파이썬 라이브러리의 사용 능력을 갖추고 있어야 한다는 요구 사항을 반영함.
프로젝트
미니 프로젝트 1
공공정보 및 웹 정보를 활용한 빅데이터 분석 실무 능력을 갖추고 있어야 한다는 요구 사항을 미니 프로젝트에서 개별적을 실시함.
미니 프로젝트 2
R과 파이썬을 활용한 실제 빅데이터 분석 실무 능력을 갖추고 있어야 한다는 요구 사항을 미니 프로젝트에서 팀별로 실시함
산업체 연계 프로젝트
기업에서 직접 내 주는 프로젝트 주제를 가지고 프로젝트 방법론에 입각하여 프로젝트를 수행 할 수 있어야 한다는 능력에 대한 요구 사항 반영함
현업 프로젝트 튜터링
코로나 19로 인하여 잦은 대면 멘토링을 지양해야 한다는 기업의 요구 사항을 반영하여 미니 프로젝트를 실시할 때 개별 현업 프로젝트 튜터링을 실시함.
현업 프로젝트 멘토링
기업에서 내어주는 프로젝트를 직접 현업에서 뛰고 있는 실무자들이 멘토링을 해 주는 과정으로 현업 프로젝트에 대한 멘토링으로 기업과 연수생의 만족도를 높임
기타
취업특강, 실전실무특강,
프로젝트발표회
취업에 필요한 역량을 갖추었으면, 그 역량을 보여줄 수 있는 자기소개서 작성 및 면접에 대한 대비를 해 주었으면 좋겠고, 특히 협업에 대한 부분으로 gitHUB 등 실무에 대한 요구사항들이 있어 반영하였음.

실습

기초
리눅스 구축 및 프로그래밍
빅데이터 분석을 위한 시스템 구현에 필요한 OS로 리눅스의 기본적인 설치와 프로그래밍 기술과 능력이 필요하다는 요구사항을 반영함
자바와 스프링 부트
기본적으로 웹 개발 능력을 갖추고 있어야 한다는 요구사항을 반영함
관계형 DB 구축 및 성능 관리
빅데이터 저장 기술에 대한 역량을 갖추고 있어야 하는 요구를 반영할 것으로 관계형 데이터베이스 정규화와 튜닝 등을 하여 성능 관리 능력을 함양시킴.
파이썬 기본 및 응용
빅데이터 분석에 사용되는 파이썬에 대한 기본적인 문법을 익히고, 빅데이터 분석에 필요한 API 활용법, 모듈 활용법 등의 역량을 갖추어 한다는 요구 사항을 반영시킴
파이썬 웹 프로그래밍
파이썬의 API를 활용한 웹 서버 개발 능력을 갖추고 있어야 한다는 요구 사항을 반영함
NoSQL
관계형 DB 뿐 아니라 비정형화된 자료에 대한 처리 능력을 갖추고 있어야 한다는 요구 사항을 반영함
하둡 시스템 활용 및 빅데이터 처리
빅데이터 분석을 위한 시스템 구축을 해야 하는데, 분산 처리를 할 수 있도록 하둡의 설치 및 구성, 사용법에 대한 처리 능력을 갖추고 있어야 한다는 요구 사항을 반영함
실습
심화
R과 빅데이터 처리
오픈 소스로 빅데이터 분석 도구로 활용되는 통계학적 R 분석과 데이터 처리 프로세스를 활용할 수 있는 능력을 갖추고 있어야 한다는 요구 사항을 반영함
빅데이터와 파이썬 API 활용
딥러닝 알고리즘 등 파이썬 API를 통하여 넘파이, 판다스 등의 분석 능력을 함양하고 이를 토대로 자연어 처리, 데이터 처리 등의 파이썬 라이브러리의 사용 능력을 갖추고 있어야 한다는 요구 사항을 반영함.
프로젝트
미니 프로젝트 1
공공정보 및 웹 정보를 활용한 빅데이터 분석 실무 능력을 갖추고 있어야 한다는 요구 사항을 미니 프로젝트에서 개별적을 실시함.
미니 프로젝트 2
R과 파이썬을 활용한 실제 빅데이터 분석 실무 능력을 갖추고 있어야 한다는 요구 사항을 미니 프로젝트에서 팀별로 실시함
산업체 연계 프로젝트
기업에서 직접 내 주는 프로젝트 주제를 가지고 프로젝트 방법론에 입각하여 프로젝트를 수행 할 수 있어야 한다는 능력에 대한 요구 사항 반영함
현업 프로젝트 튜터링
코로나 19로 인하여 잦은 대면 멘토링을 지양해야 한다는 기업의 요구 사항을 반영하여 미니 프로젝트를 실시할 때 개별 현업 프로젝트 튜터링을 실시함.
현업 프로젝트 멘토링
기업에서 내어주는 프로젝트를 직접 현업에서 뛰고 있는 실무자들이 멘토링을 해 주는 과정으로 현업 프로젝트에 대한 멘토링으로 기업과 연수생의 만족도를 높임
기타
취업특강, 실전실무특강,
프로젝트발표회
취업에 필요한 역량을 갖추었으면, 그 역량을 보여줄 수 있는 자기소개서 작성 및 면접에 대한 대비를 해 주었으면 좋겠고, 특히 협업에 대한 부분으로 gitHUB 등 실무에 대한 요구사항들이 있어 반영하였음.

세부 커리큘럼

자바 기초

- OOP 언어의 이해, 자바 개발 환경 설치 식별자, Data Type, 상수

- 분기문(if, switch ), 반복문(while, for, do~while)

- Class 구조(클래스 이름 지정 방법), 객체 생성

- Attribute(멤버 변수), 멤버 메소드, 상속

- Interface, 접근 제한자, Autoboxing

- 동기화 처리를 위한 Thread, Socket 네트워킹

- DBMS MySQL 서버 설치 및 설정, 데이터베이스 생성

- MySQL JAVA 연동, SQL, Connection

JSP/

웹표준(HTML5, CSS3

,Javas c r i p t)

웹 프로그래밍

- 웹 표준의 이해와 개발 기준

- HTML5 기본 태그 기능 이해 및 실습

- CSS3 기본 스타일 기능 이해 및 실습

- JavaScript 문법 이해 및 실습, 이벤트 처리, Form 데이터 접근 처리

- Eclipse WTP 설치, Servlet 생명 주기, 실행 원리

- JSP 기본 문법, 스크립틀릿, 메소드 선언

- JSP 내부 객체, request, response, Form 처리

- 게사판 관련 제작

- JDBC 연동 처리, DTO, DAO Beans의 선언

- 자료 등록, 자료 목록, Paging, 자료 보기

- 자료 수정, 자료 삭제, 답변, 인쇄, 검색 구현

- 관리자 관련 개발

- Beans, 회원 추가, 중복 아이디 검사, 우편번호 검색, 중복 이메일

- 목록 보기, 정보 보기, 수정, 삭제, 패스워드 변경

- Session 로그인, Cookie의 활용, 로그

Spring 4 Framework,

MyBATIS 3 Framework

- JSP Model 2(MVC:Model, View, Controller)의 아키텍쳐, 한글 변환

- JSP forward action tag, JSP Servlet class 변환 분석

- Spring 4.0의 설치, DI(Dependency Injection)의 구현

- @Controller, @Component, @Autowired, @Resource 에노테이션

- @RequestMapping, @Qualifier 에노테이션 에노테이션

- AOP(Aspect Oriented Programming)

- MyBATIS 3, Maven 설정, 기초 문법

- AOP 기반 Transaction의 구현 실습

- AOP 기반 인증의 구현 실습

- Oracle 기본 설정

- Oracle DBMS 정규화에의한 회원 모델링

- 회원 Application 제작 실습

- 사용자 및 관리자의 세션 관리 구현

- Oracle DBMS 정규화에의한 자료실 모델링

- 자료실 Application 제작 실습, 파일 업로드, 다운로드의 구현

데이터베이스

입출력

- 빅데이터 분석(Web, OpenAPI, 공공데이터포탈)

- 빅데이터의 수집 방법(일괄,점증적,오픈데이터베이스)

- 빅데이터 저장 방법(파일,DBMS)

- 데이터베이스 환경구축

- 데이터베이스 설정, 계정의 생성, 권한 부여

- 테이블 스페이스 할당, 계정 잠금과 해제

- Data Source Explorer 접속 Client 설정, JDBC 드라이버 설정

- S e l e c t, I N S E R T, DELETE, U P D A T E, WHERE 조건, 정렬, GROUP BY

- 단일행 함수, 그룹화 함수, 통계 데이터 산출 실습

- 데이터베이스 설계, 정규화와 JOIN

R /파이썬 프로그래밍

- 프로그래밍 환경구축

- 데이터셋 - 조건문 / 반복문 / 함수

- 데이터 익덱싱

- 데이터 입출력

- 패키지 활용 / 오픈 소스 적용

빅데이터 수집/저장

- 빅데이터 수집방안 계획

- 프로그래밍언어를 활용한 데이터 수집 - 웹크롤링 오픈정보 수집

- 누적된 파일정보 탐색 - 파일 및 DBMS 를활용한 수집데이터저장

빅데이터 머신러닝의 이해

Machine Learning 통계와 확률

- 상관분석 및 회귀분석, 선형 회귀

- 로지스틱 회귀 - 그래프 시각화

Machine Learning 분류 및 군집

- 연관분석, 의사결정 트리

- 클러스터링 - 다양한 분류모형

빅데이터

애플리케이션 개발

- 빅데이터 분석용 데이터 구축

- 빅데이터 플렛폼 기획 및 구성

인공신경망(Neural Networks) 기초

- 설치 및 환경설정

- 인공신경망(Neural Networks)의 개념

딥네크웍 아키텍쳐와 생성

- layer 설정 및 분석

- 모델링과 시간규모 설정

- 알고리즘의 구현

빅데이터 웹 시각화

- 분석데이터 시각화

- 차트 및 이미지를 활용 한 시각화

Open Source Framework /Bigdata 연동 프로젝트

0. 프로젝트팀 구성 및 주제선정

- Open Source BigData Framework 팀 프로젝트 주제 결정

- 개발 방법론, 업무 분석, 개발 일정 - 데이터베이스 설계, 객체 설계 툴 설치

- 역활 분담 방법, 요구 사항 정의(Defining Requirement), Usecase Diagram )

1.빅데이터예측모델링

-정형데이터수집저장

-비정형데이터수집저장

-데이터정재변환

-데이터전처리작업진행

2.알고리즘활용&모델학습

-데이터별학습진행속도예측결과분석

3.프로젝트구현

-설계된UI구현

-데이터저장 / 처리프로그램구현

4.결과모델시각화구현

-차트//워드클라우드등을활용한시각화

-이미지/파일저장소설정

5.프로젝트테스트

-단위테스트,결과정리,디버깅

-오류페이지설정

6.서비스개발환경구축

-서비스대상의환경분석

7.서비스환경분석테스트

-브라우저별실행결과테스트

-브라우저의버전별실행결과테스트

-통합테스트디버깅

8.프로젝트관리

-webserver/webapplicationserver배포파일생성

-배포파일배치실행화면확인

9.프로젝트완료발표회




홈페이지 바로가기 - www.gukbi.org / www.choongang.net

전액무료교육 02-3673-3323 교육장 이대캠퍼스,영등포구청역캠퍼스,당산캠퍼스,
구로디지털단지캠퍼스,서울대입구캠퍼스 신림캠퍼스,강남캠퍼스