모임/부트캠프
모집마감
100%
0원
- 신청 기간
-
2024.03.07 21:15 ~ 04.29 23:59 (한국 표준시)
- 교육 기간
-
약 5개월 (2024.05.06 ~ 10.21)
- 장소
- 온라인으로 진행하는 모임입니다
AI 잘 몰라도 OK! 파이썬부터 머신러닝/딥러닝 AI기초 쌓고 AI 앱까지 만들며 AI 인재로 성장하세요! AI를 배우는 최적의 경로 아이펠 2024 New커리큘럼 업데이트
✨ 모두의연구소에서 만들면 다릅니다! [AI학교 아이펠 입문자를 위한 코어 과정]
✨ 주입식 부트캠프와 다른 AI학교 아이펠, AI만큼은 어디서, 어떤 커리큘럼으로,
어떻게 배우느냐가 10년을 좌우합니다!
안녕하세요
모두의연구소 입니다.
모두의연구소 입니다.
[모두의연구소: K-디지털 트레이닝 훈련기관 중 유일한 대통령 표창 수상]
모두의연구소는 기존 주입식 부트캠프 교육을 탈피해 스스로 답을 찾는 커뮤니티형(Learning By Doing)액티브 러닝 기반, 교육의 진정성을 담은 새로운 SW/AI 과정을 제공합니다
문의 이메일
aiffel-cs@modulabs.co.kr
커리큘럼
| 1. 코어과정: AI 입문자에게 추천해요 (AI 기초부터 출발) | |
| [1주차] 온보딩 |
[온보딩] - 모두의연구소와 아이펠 교육 철학의 이해 - 아이펠을 AI 학교라고 부르는 이유, 커뮤니티 기반 성장형 교육이란 무엇인지 이해하기 [아이펠 교육 방식 이해하기] - 게임형 퀘스트 유형 설명 및 실습하기 - 과정에서 목표로 하는 성장 이미지 공유하기 [개발자의 기초 소양 갖추기] - GitHub 사용 방법을 이해하고 실습하기 - 터미널로 배우는 리눅스 운영체제 이해하기 - 개발자의 글쓰기 전략과 필요성 이해하기 |
|
[2-3주차] Python |
[프로그램 흐름 제어] - 조건문과 반복문이 프로그램 흐름을 어떻게 제어하는지 이해하기 [자료구조와 알고리즘의 기초] - 리스트와 딕셔너리의 효율성, 해시 테이블 등 기본적 자료구조와 알고리즘 작동 원리 이해하기 [함수형 프로그래밍과 객체지향 프로그래밍] - 람다, 일급 객체, 클로저 등 함수형 프로그래밍 기초와 클래스를 활용한 객체지향 프로그래밍 기초 학습하기 [에러와 예외 처리] - 에러의 종류와 처리 방법, 이를 통한 안정성 확보 학습하기 [코드 재사용과 확장성] - 모듈과 패키지가 코드의 재사용성과 확장성에 어떻게 기여하는지, 그리고 패키지 관리의 중요성 학습하기 |
|
[4-5주차] 첫 걸음 |
[머신러닝 이해 및 TensorFlow와 Keras] - 머신러닝에 필요한 기초적인 지식을 학습하고 TensorFlow, Keras API를 사용하는 방법 학습하기 [지도학습 알고리즘과 평가 지표] - 분류와 회귀 문제에서 사용되는 알고리즘과 성능을 평가하기 위한 지표(정확도, 정밀도, 재현율 등)에 대해 학습하기 [모델 평가 및 성능 향상] - 모델의 성능을 평가하는 프로세스를 이해하고 모델의 성능 향상을 위한 다양한 기법 학습하기 [머신러닝의 전반적인 프로세스] - 머신러닝의 프로세스(데이터, 모델, 평가, 개선)가 어떻게 진행되는지, 배포는 어떤 방식으로 진행하는지 학습하기 |
|
[6주차] 첫 걸음 |
[딥러닝 개요] - 딥러닝 개요 및 머신러닝과의 차이점 학습하기 [컴퓨터 비전 이해하기] - 컴퓨터 비전(CV)의 기반이 되는 CNN을 학습하고 이미지 데이터의 학습 방식 이해하기 [다양한 딥러닝 모델의 원리] - 클래식한 CNN모델인 ResNet, GoogleNet의 구조적인 특징을 이해하고, 사전학습 된 모델을 사용하는 방법 학습하기 [이미지 데이터 프로젝트] - 직접 모델을 구성하고, 데이터를 사용하여 모델을 학습하는 전 과정 이해하기 |
|
[7주차] |
[주어진 task로 프로젝트 수행] - 정형데이터를 활용하여 팀 프로젝트 완성하기 - Task에 맞는 EDA와 전처리 실습하기 - 적절한 모델 선정하기 - 평가를 위한 지표 설정 및 결과 분석하기 - 성능향상을 위한 논리적인 방법론 선택하기 - 심사를 통해 프로젝트 결과물 피드백 받기 |
|
[8-10주차] |
[환경 설정과 Dart 언어 기초] - Flutter 개발 도구 설치 및 환경설정, Dart 기본 문법 학습하기 [Flutter 기초] - 위젯 구조와 레이아웃에 대해 학습하고, 기본 화면 구성하기 [서버 통신과 구성] - FastAPI로 서버를 구성하고, 구성한 Flutter 화면과 연결해 실제 인퍼런스 결과 확인하기 |
|
[11-12주차] |
[딥러닝 모델 학습의 전반적인 프로세스] - 각 프로세스의 원리와 방법론 학습하기 [Keras 톺아보기] - Keras를 보다 심도있게 사용하기 위한 기법 학습하기 [딥러닝의 다양한 task] - 컴퓨터 비전(CV), 자연어처리(NLP), 생성모델 등 다양한 task 학습하기 |
|
[13주차] |
[해결하고자 하는 task로 프로젝트 수행] - 비정형 데이터를 활용하여 팀 프로젝트 완성하기 - Task에 맞는 EDA와 전처리 실습하기 - 적절한 모델 선정하기 - 평가를 위한 지표 설정과 결과 분석하기 - 성능향상을 위한 논리적인 방법론 선택하기 - 심사를 통해 프로젝트 결과물 피드백 받기 |
|
[14-16주차] |
[다양한 딥러닝 task 구현해보기] - 컴퓨터 비전(CV)와 자연어처리(NLP)의 주요 Task 해결하기 - 각 주제별 문제 해결을 위한 딥러닝 모델 원리 이해하기 - 딥러닝의 End to End 프로세스 구현하고 이해하기 - 구현한 모델을 Flutter 앱에 탑재하기 |
|
[17-24주차] |
[Project Planning과 PoC LAB] - 아이디어를 구현하기 위한 합리적인 프로젝트 계획하기 - 계획의 구현 가능성과 문제점을 파악하고, 주어진 환경 자원에 맞춰 고도화하기 [Project Managing] - 팀장, 팀원으로 기한 내 계획된 프로젝트를 완수하기 위한 시간관리, 자원 배분 등 매니징 능력 등 소프트 스킬 기르기 [Project 실행 및 문제해결 역량 기르기] - 파이프라인 구성과 커스텀 함수 등 다양한 구현 능력 기르기 - 구현 중 발생하는 다양한 문제 해결 능력 기르기 |
| 2. 리서치 과정: AI대학원 논문작성 수준의 역량을 키우세요 (멀티모달, MLOps) | |
| [1주차] 온보딩 |
- 모두의연구소와 아이펠 교육 철학의 이해 - 아이펠을 AI 학교라고 부르는 이유, 커뮤니티 기반 성장형 교육이란 무엇인지 이해하기 [아이펠 교육 방식 이해하기] |
| [2-3주차] 기초 다지기 |
[머신러닝과 딥러닝 일반] - 머신러닝의 전반적인 프로세스와 머신러닝의 특징 및 기본 개념 이해하기 - 데이터 정제, 시각화, 모델 설계에 필요한 다양한 라이브러리 학습하기 [기본 통계 개념] - 머신러닝을 위한 기본적인 통계 개념 학습하기 [인공신경망과 딥러닝] - 인공신경망의 구조와 딥러닝의 기본적인 원리 학습하기 [머신러닝과 딥러닝의 학습 프로세스 이해] - 딥러닝 모델 학습에서 발생 가능한 문제점을 이해하고, 해결 방안 도출하기 - 평가 지표를 설정하고 분석하는 법 이해하기 |
| [4-6주차] 딥러닝 톺아보기 |
[다양한 딥러닝 모델 End to End 학습] - 데이터 준비와 전처리의 방법론 이해하고 실습하기 - ANN부터 CNN, RNN까지 계열 별 기본 모델을 학습시키면서 원리 이해하기 - Task 별 딥러닝 적용의 원인을 이해하고 구현하기 - 데이터에 적절한 방법론의 종류를 이해하고 적용하기 |
| [7주차] DLthon |
[주어진 task로 프로젝트 수행] - 주어진 데이터를 활용하여 팀 프로젝트 완성하기 - Task에 맞는 EDA와 전처리 실습하기 - 적절한 모델 선정하기 - 평가를 위한 지표 설정과 결과 분석하기 - 성능향상을 위한 논리적인 방법론 선택하기 - 심사를 통해 프로젝트 결과물 피드백 받기 |
| [8-11주차] Deep Dive |
[컴퓨터비전(CV) 전공] - 깊은 레이어 모델을 학습할 때 문제점과 ResNet모델의 이론적 배경 이해 및 구현하기 - 데이터 증강 원리 이해하고 활용하기 - Detection과 Segmentation 이론적 배경과 기술 학습하기 - CNN을 분석하기 위한 XAI Tool 구현과 적용하기 - OCR 기본 원리 이해하고 구현하기 - CV 최신 트렌드 모델 이해하기 [자연어처리(NLP) 전공] - 자연어 데이터와 임베딩 이해하기 - 토크나이징 원리와 적용법 이해하기 - 자연어 데이터의 벡터화 및 수치화하기 - Attention 이해하기 - Transformer 이해하고 구현하기 - Hugging Face 모델 사용법 이해하고 학습 루프 구현하기 - NLP 최신 트렌드 모델 이해하기 |
| [12주차] MLOps |
[MLOps 프로세스 학습] - MLOps에 대한 기초 개념과 인 Data Centric AI 이론을 깊이 학습하기 - FastAPI와 MLflow를 이용한 모델 서빙을 실험하고 응용하기 - Data를 정제하는 작업과 생성 AI를 활용해 합성 데이터를 만들어서 모델 성능 개선하기 [모델 서빙] - FastAPI로 RESTful 이해하기 - HTTP 통신을 통해 모델로부터 원하는 입출력 데이터를 교환하는 방법 이해하기 - 클라이언트가 접속하는 인터페이스에 내가 학습시킨 모델 연결하기 - 실제 전문가와 MLOps 프로젝트 함께 구현해보기 |
| [13주차] Mini AIFFELthon |
[해결하고자 하는 task로 프로젝트 수행] - Task 설정 및 데이터 수집을 통한 프로젝트 기획하기 - Task에 맞는 EDA와 전처리 실습하기 - 적절한 모델 선정하기 - 평가를 위한 지표 설정과 결과 분석하기 - 성능향상을 위한 논리적인 방법론 선택하기 - 심사를 통해 프로젝트 결과물 피드백 받기 |
| [14-16주차] 논문과 친해지기 |
[논문을 빠르게 읽고 효과적으로 이해하는 노하우 배우기] - 전공 별 트렌드에 맞는 HOT한 모델 이해하기 논문 리스트업(24.02 기준) *학습일 기준 논문 변경될 수 있음 - CV:Neural style transfer-NeRF-Instance segmentation - NLP:Transformer-GPT1-InstructGPT-LoRA - 공통:ViT-CLIP-Segment Anything-Flamingo - CV, NLP를 아우르는 MultiModal 모델 이해하기 - 논문 쓰는 노하우 배우기 |
| [17-24주차] AI연구 프로젝트 |
[Project Planning과 PoC LAB] - 아이디어를 구현하기 위한 합리적인 프로젝트 계획하기 - 계획의 구현 가능성과 문제점을 파악하고, 주어진 환경 자원에 맞춰 고도화하기 [Project Managing] - 팀장, 팀원으로 기한 내 계획된 프로젝트를 완수하기 위한 시간관리, 자원 배분 등 매니징 능력 등 소프트스킬 기르기 [Project 실행 및 문제해결 역량 기르기] - 파이프라인 구성과 커스텀 함수 등 다양한 구현 능력 기르기 - 구현 중 발생하는 다양한 문제 해결 능력 기르기 |
취소 및 환불 규정
부트캠프/교육의 신청 취소/환불 기간은 지식공유자가 설정한 신청기간과 동일합니다.
부트캠프/교육의 신청 정보 수정 및 취소/환불은 ‘구매내역’에서 할 수 있습니다.
유료 부트캠프/교육의 경우, 24시간이내 설문 내용 미제출시 신청 및 결제내역이 자동취소됩니다.
※ 인프런은 통신판매 중개자이며, 해당 부트캠프/교육의 주최자가 아닙니다.
신청기간이종료됐어요