인공지능

/

딥러닝 · 머신러닝

CEO 및 리더를 위한 제조 혁신과 AI 빅데이터

반도체에 대한 제조 혁신 방안을 벤치마킹하고 반도체 데이터로 코딩 없이 머신러닝, 딥러닝을 돌려볼 수 있습니다.

(4.0) 수강평 1개

수강생 14명

인공지능(AI)머신러닝classification
Thumbnail

초급자를 위해 준비한
[딥러닝 · 머신러닝] 강의입니다.

이런 걸
배워요!

  • 반도체 빅데이터 인공지능 사례

  • NO CODING(Orange 3) 구현

강의요약📖

1)반도체와 디스플레이 제조 현장에서는 어떤 데이터들을 수집하여 혁신 활동을 추진할까?
2)CEO 및 리더로서 인공지능을 도입한 프로젝트가 제대로 추진되고 있는지 알 수 있는 방법은 없을까?
3)코딩을 하지 않고 머신러닝이나 딥러닝을 자유자재로 사용해 볼 수는 없을까?

수강대상👨‍💻

1)제조 관련 혁신 활동을 통한 인공지능을 도입하고자 하는 CEO 및 임원
2)제조 관련 인공 지능을 도입하고자 하는 조직의 리더
3)코딩 없이 인공지능 머신러닝 딥러닝을 구현하고자 하는 분


기대효과💁‍♂️

1)반도체, 디스플레이 빅데이터에 대한 제조 혁신 방안을 벤치마킹하고 각자 본인의 도메인에서 어떻게 도입 해 볼 것인가에 대한 아이디어를 도출할 수 있게 된다.
2)코딩 없이 자유 자재로 머신러닝, 딥러닝을 돌려볼수 있고 최적의 인공지능 알고리즘을 선택 할 수 있다.
3)각자의 도메인 데이타를 가지고 머신러닝, 딥러닝 알고리즘을 통한 인사이트를 도출 할 수있는 실력을 갖추게 되어 현장을 개선할 수 있다.

커리큘럼📕

1강. 반도체 디스플레이 제조혁신과 AI 빅테이터(혁신사례:생산, 수율, 품질)
2강. 반도체 디스플레이 제조혁신과 AI 빅테이터(혁신 사례:인프라, 환경안전, 에너지)
3강. 사전 준비 / 데이터 전처리 및 시각화
4강. 데이터 전처리 및 시각화 / 머신러닝(Classification: k-NN)
5강. 머신러닝(Classification: Logistic Regression, Tree, Random Forest, SVM)
6강. 머신러닝(Classification: Naïve Bayes, Neural Network)
7강. 머신러닝(Classification: Stacking, Adaboost / Regression: k-NN, Tree, Random Forest, Linear Regression, Linear Regression, Neural Network, Bias and Variance, 앙상블과 베깅, Boosting, XGBoost, Stacking)
8강. 머신러닝(Image Classification, Clustering: k-Means, Hierachical Clustering) /
딥러닝(DNN, CNN)

<CEO/임원/리더의 인공지능 교육이 중요한 10가지 이유>
1. CEO/임원이 먼저 실천하지 않으면 어떤 직원도 하지 않습니다.
2. 인공지능은 직원에게 맡겨 놓고 알아서 진행되는 일이 아닙니다.
3. CEO/임원이 인공지능에 대해 추상적으로만 이해하면 올바른 의사결정을 할 수 없습니다.
4. 인공지능 전문가들은 몸값이 비싸서 함부로 채용할 수 없습니다. 심지어 채용을 한다고 해도 인터뷰 때 무엇을 어떻게 물어야 하는지, 그리고 답변이 맞는지 틀린지도 파악하기 힘듭니다.
5. 직원을 교육하는 것이 비용과 시간 절감 효과가 크겠지만 CEO/임원이 먼저 알아야 교육도 시킬 수있습니다.
6. 인공지능 도입 업무에 대한 아이디어는 업무 시스템을 가장 포괄적으로 알고 있는 CEO/임원이 내야 합니다.
7. CEO/임원이 직접 인공지능을 배우면 인공지능을 구현하는 것이 크게 어렵지 않다는 것을 알게 됩니다.
8. 프로젝트를 이끄는 CEO/임원이 인공지능을 모르면 프로젝트가 산으로 가기 쉽습니다. 알파고 수준의 인공지능을 생각하다가 기대보다 성능이 떨어지면 바로 원래 하던 방식으로 돌아가는 사태가 발생할 수 있습니다.
9. 인공지능이 실제로 어떤 것인지 배우고 나면 욕심과 기대치가 낮아지고 정확도를 개선하는 방향을생각하게 됩니다.
10. 결국 이 모든 것에 대한 의사결정은 CEO/임원이 하므로 그들이 제대로 모르면 결국 아무것도 할 수 없습니다.
(출처: 저서 <AI로 일하는 기술>, 저자 장동인, 출판 한빛 미디어)

💾 수강 전 참고 사항

본 강의는 화상으로 진행한 온라인 세미나를 재편집한 강의입니다. 참고해주세요!
환경에 따라 음질이 고르지 않게 느껴질 수 있습니다. 수강 전 미리보기 강의를 확인해주세요!

  • 준비물은 컴퓨터(데스크탑 or 노트북)만 있으면 됩니다.

  • 컴퓨터 사양이 높을수록 실행이 빠를 수 있지만 큰 차이는 없습니다.

  • 오픈소스 데이터마이닝 툴킷인 Orange를 사용합니다. 해당 링크에서 다운받아 사용해주세요.

  • 실습을 위한 반도체 데이터셋 파일은 섹션0-유닛3에 첨부되어 있습니다.

이런 분들께
추천드려요!

학습 대상은
누구일까요?

  • 제조 관련 혁신 활동을 통한 인공지능을 도입하고자 하는 CEO 및 임원

  • 제조 관련 인공 지능을 도입하고자 하시는 조직의 리더

  • 코딩 없이 인공지능 머신러닝 딥러닝을 구현 하고자 하시는 분

안녕하세요
제조 지능화 전문가입니다.

상기 컨설턴트는 광운대에서 전자공학을 전공한 뒤 1984년부터 2011년까지 27년동안 삼성전자 반도체 부문에서 제조 팀장 및 제조 센터장을 거쳐 환경안전, Facility, 시스템을 총괄하는 인프라 기술 센터장을 지냈다. 전무로 반도체의 경력을 마친 뒤 2011년부터 2016년 까지는 5년간 삼성 디스플레이(OLED, LCD)에서 부사장으로서 제조 센터장 및 생산, 환경안전, 퍼실리티, 시스템을 책임지는 단지 총괄을 맡았다. 퇴임 후 서울 과학 종합 대학원 대학교와 스위스 BSL(Business School Lausanne)에서 빅데이터 MBA 와 Ph.D., DBA 학위를 취득한후 현재는 SSM(Swiss School of Management) 교수, 산업정책연구원 연구 교수, 사단 법인 인공지능협회 부회장으로 제조 지능화 사업단장 업무를 수행 중에 있다.

커리큘럼

전체

9개 ∙ (7시간 11분)

수업 자료

가 제공되는 강의입니다.

강의 게시일: 
마지막 업데이트일: 

수강평

아직 충분한 평가를 받지 못한 강의입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!