[최상단배너]산대특_정보보안

상담신청
캠퍼스*
이름*
연락처*
- -
문의사항
내용확인
  • [메뉴우측배너]2023브랜드 대상
  • [메뉴우측배너]브랜드 소개 페이지
  • 1899-1534

★★★
산대특
-
클라우드
정보보안
-
국비
100%
전액지원
-

바로 가기

3초상담 문의하기

Deeplearning&MLOps

딥러닝&MLOps

수강기간5개월

수업일월수금/화목금

핵심포인트!

딥러닝, 이미지 처리 및 자연어 처리 완전 정복!

이 과정은 딥러닝 기술을 중심으로 이미지 처리와 자연어 처리를 깊이 있게 다루며, MLOps 통합을 통해 AI 솔루션 개발 및 운영의 전문성을 배양합니다. 실무적인 문제 해결 능력을 체계적으로 쌓아, 업무 생산성과 효율성을 극대화하는 방법을 학습합니다.

CURRICULUM교육과정

교육과정의 개월수를 선택하여 세부과정을 볼 수 있습니다.

  • 1주차

    - python 기초 - 함수 - python 기초 - 람다 - python pandas

  • 2주차

    - python numpy - Database - mysql 쿼리작성 및 활용, python 연동 - 웹 크롤링 : 동적,정적

  • 3주차

    - 웹 크롤링 : api 이용 (공공기관, 네이버, 카카오) - 인공지능을 위한 수학 : 선형대수학

  • 4주차

    - 인공지능을 위한 수학 : 미분 - 라이브러리를 사용하지 않고 파이썬으로 구현하는 회귀

1개월

프로그래밍과 데이터 기초

  • 1주차

    ● 탐색적 데이터 분석 - 데이터 시각화 및 분석 - 패턴, 이상치(outliers), 상관관계 탐색 - matplotlib, seaborn ● 머신러닝 - 분류 - 로지스틱 회귀: 이진 분류 문제에 로지스틱 회귀 적용. - 결정 트리: 의사결정 나무를 사용하여 데이터 분류. - k-NN(K-최근접 이웃): k-NN 알고리즘을 통해 가까운 데이터 포인트로 분류." ● 머신러닝 - 회귀 - 선형 회귀(Linear Regression): 단순 및 다중 선형 회귀 적용. - 릿지(Ridge) 회귀: 정규화를 사용한 선형 회귀. - 라쏘(Lasso) 회귀: 변수 선택을 위한 회귀 기법. - 다항 회귀(Polynomial Regression): 비선형 데이터를 위한 다항 회귀."

  • 2주차

    ● 머신러닝 - 비 지도 학습 - 군집 - DBSCAN ● 머신러닝 - 앙상블 - 배깅(Bagging) - 부스팅(Boosting) ● 머신러닝 - 최신 트랜드(논문 검색 및 구현)

  • 3주차

    ● 딥러닝을 위한 기초 신경망 개념 및 파이썬을 이용한 구현 - 다층 퍼셉트론(MLP): 여러 개의 은닉층을 가진 신경망 구조 설계." ● 딥러닝 ANN,CNN - 뉴런, 입력층, 은닉층, 출력층의 구성 이해 - ANN 모델의 성능을 평가하고 개선 방법 탐색 - CNN의 구조를 이해하고 이미지 분류 모델을 구현

  • 4주차

    ● 딥러닝 RNN 및 시계열 데이터 다루기 - RNN의 구조와 LSTM의 개념 - 시계열 데이터의 특징 - 시계열 데이터셋 로드 및 전처리 - 모델에 적합하게 데이터셋 변환 - RNN/LSTM 모델 구축 - 학습 및 예측을 통해 시계열 데이터를 분석 ● 딥러닝을 활용한 MLOps - MLOps의 개념 및 머신러닝 모델 생애 주기 - 환경 설정 및 데이터 전처리 - 딥러닝 모델 개발 및 Git 및 DVC를 이용한 버전 관리 방법 - Flask 또는 FastAPI를 통한 모델 배포 - Prometheus 및 Grafana를 사용한 성능을 모니터링

2개월

데이터분석과 머신러닝&딥러닝

  • 1주차

    ● 비전 트랜스포머 (Vision Transformer, ViT) - 트랜스포머를 이미지 분류에 적용한 최신 기술 - CIFAR-10 데이터셋 다운로드 및 전처리 - TensorFlow 또는 PyTorch를 사용한 전 트랜스포머 아키텍처 구현 - 이미지 패치 생성 ● clip을 이용한 이미지 - 텍스트 매칭 - Hugging Face의 Transformers 라이브러리를 사용한 CLIP 모델 로드 - 이미지와 텍스트 인코딩 및 유사성 측정 ● Neural Style Transfer (스타일 트랜스퍼) - 스타일 트랜스퍼 알고리즘 구현

  • 2주차

    ● GAN(Generative Adversarial Networks) - 본 GAN 아키텍처를 구현하여 생성기(Generator)와 판별기(Discriminator) 정의 - MNIST 또는 CIFAR-10 데이터셋을 사용한 모델훈련 ● DALL-E와 텍스트에서 이미지 생성 - DALL-E 모델을 로드 및 이미지 생성 코드 작성 실습 ● Segment Anything Model (SAM)을 활용한 객체 세그멘테이션 - SAM 모델을 로드하고, 다양한 이미지에 대해 객체 세그멘테이션을 수행하는 코드를 작성 - 이미지에서 객체를 세그멘트하고 마스크를 생성하는 방법을 구현

  • 3주차

    ● YOLO와 DeepSORT로 실시간 객체 추적 - 미리 훈련된 YOLO 모델로드 및 객체를 탐지하는 코드 작성 - 탐지된 객체에 바운딩 박스를 표시하는 방법을 구현 - DeepSORT 알고리즘과 YOLO의 탐지 결과를 바탕으로 실시간 객체 추적 기능 구현 - 객체 추적 결과를 시각화 및 객체 추적 성능 평가 - 여러 객체 동시 추적 실험 및 결과 분석 ● 이미지 슈퍼 해상도 (Super Resolution) - SRCNN 또는 GAN 기반의 슈퍼 해상도 모델 구현 - 낮은 해상도 이미지를 고해상도 이미지로 생성하는 코드 작성

  • 4주차

    ● 동영상 속 객체 디텍팅과 세그멘테이션 - 모델 통합 후 동영상에서 객체의 픽셀 단위 마스크를 생성 - 원본 비디오에 오버레이 후 결과 시각화 ● 증강현실(AR) 기초 - MediaPipe를 활용한 손 인식 및 추적 - Google의 MediaPipe를 활용해 손 인식 및 추적 기술 구현

3개월

이미지 분류 및 디텍팅

  • 1주차

    ● 자연어 처리의 기초와 기본 개념 - NLP의 중요성과 활용 사례 (챗봇, 번역기, 텍스트 분석 등) ● 단어 표현과 임베딩 - Word2Vec을 통한 단어 벡터 학습 과정 ● 문장 및 문서 표현 - Sentence Embedding: 평균 벡터와 TF-IDF 기반 표현 - 순환 신경망(RNN) 및 LSTM

  • 2주차

    ● 자연어 처리 응용 모델 -어텐션 메커니즘(Attention Mechanism) - 트랜스포머(Transformer) 모델 ● 자연어 처리 응용 분야 - 질의응답 시스템(Q&A System)과 챗봇 ● 감정 분석과 요약 - 전통적인 기법: TF-IDF, PageRank 기반 알고리즘 - 딥러닝 기반 요약 모델: Seq2Seq, Transformer

  • 3주차

    ● 문법 교정 및 정보 추출 - 언어 모델을 활용한 자연어 생성 (NLG) - GPT 기반의 텍스트 생성 응용 ● 최신 트렌드 - 멀티모달 - 지식 그래프와 NLP

  • 4주차

    ● 정보 추출(Information Extraction) - 엔티티 인식(Named Entity Recognition, NER) ● 정보 추출 알고리즘 - CRF (Conditional Random Field) - 트랜스포머 기반 정보 추출 모델

4개월

자연어 처리

  • 1주차

    ● 리눅스 설치 및 기본 명령어 - 기본 명령어(예: ls, cd, mkdir, rm) 학습 - 파일 및 디렉터리 관리 방법 ● 도커 기본 명령 어 및 활용 - 도커 설치 후 기본 명령어 및 컨테이너 관리 방법을 학습 - Dockerfile 작성 및 사용자 정의 이미지를 만들고, 컨테이너 생성하는 과정 실습 - 도커 컴포즈를 활용한 멀티 컨테이너 애플리케이션 구성 및 관리 ● 쿠버네티스를 활용한 도커 컴포즈 - 쿠버네티스 클러스터 설정 및 기본 개념 - 도커 컴포즈 파일 변환 및 애플리케이션 정의 - kubectl 명령어를 사용한 Kubernetes에 애플리케이션 배포 및 모니터링

  • 2주차

    ● 스파크를 이용한 데이터 수집 및 적재 - Apache Spark 환경 설정 및 기본 개념 이해 - 다양한 데이터 소스를 통한 데이터를 수집 및 프레임 변환 - 다양한 형식으로 수집데이터 적재 및 저장 ● MLops 를 이용한 모델링 자동화 - MLOps의 기본 개념을 이해 - CI/CD 파이프라인 구축 및 모델 개발 및 배포 자동화 실습 - 모델링 자동화 도구를 활용한 데이터 준비, 모델 학습 및 평가 - 모델 버전 관리 및 배포 자동화를 통한 실제 환경에서 모델 운영 방법

  • 3주차

    ● Devops를 이용한 배포 자동화 - Docker&Kubernetes 활용한 애플리케이션 컨테이너화 및 자동 배포 ● streamlit 또는 flask를 활용한 서비스 구현 - Streamlit 또는 Flask의 기본 개념을 이해 - 개발 환경 설정 및 간단한 웹 애플리케이션 구축 - 사용자 입력 처리 및 데이터 시각화 - 머신러닝 모델 예측 결과 표시 기능 구현 - 구현된 서비스 로컬 서버에서 실행 및 배포 방법 학습

  • 4주차

    ● 장고의 핵심 기능 이해 - 장고 프레임워크의 기본 구조와 핵심 개념 이해 - ORM을 사용한 데이터베이스 모델 정의 - CRUD 기능 구현 및 데이터베이스와의 상호작용 - 웹 애플리케이션의 기능 확장 방법 ● 머신러닝 훈련과 serverless 배포 - Scikit-learn 또는 TensorFlow를 사용해 머신러닝 모델 훈련 및 평가 - Flask를 이용해 훈련된 모델을 API로 변환하고, 로컬 서버에서 실행하는 방법 학습 - PaaS를 사용한 Flask 애플리케이션 배포 - 외부 요청 처리 및 예측 결과를 반환 기능 구현

5개월

AI 활용 어플리케이션 구현

빠른 전화상담 신청

  • 이름
  • 지점
  • 연락처 - -

개인정보 수집동의 보기

수강생 인터뷰

더보기

실시간수강후기

더보기

메가 선생님

더보기

디지털마케팅

이태경 강사

프론트엔드

안재욱 강사

정보보안

도현 강사

생성형AI (스테이블 디퓨전)

김중원 강사

백엔드

이광호 강사

빅데이터&AI

정병재 강사

파이썬

최이안 강사

백엔드

조규원 강사

프론트엔드

박종호 강사

C,C++

박성기 강사

파이썬

최현 강사

빅데이터&AI

이영배 강사

백엔드

이장욱 강사

코딩테스트

전인배 강사

백엔드

이규영 강사

백엔드

김인규 강사

정보보안

김정우 강사

백엔드

신보람 강사

빅데이터&AI

서현경 강사

백엔드

안병욱 강사

간편 상담 / 수강료 문의

학과선택 희망하시는 학과를 선택해 주세요.
  • 100% 국비 지원
    과정
    K-Digital
    과정
인기과정 다른학과 희망 시 위 학과선택에서 클릭해 주세요.
기타과목

과목 입력 후 엔터키를 눌러주세요. (15자 이내)

희망교육과정
캠퍼스
이름
연락처
- -
문의사항
  • 개인정보 수집동의 보기

    • 1. 개인정보의 수집 목적 - 메가스터디아이티아카데미 사이트 내 서비스 제공 계약의 성립 및 유지 종료를 위한 본인 식별 및 실명확인, 가입의사 확인, 회원에 대한 고지 사항 전달 등 - 메가스터디아이티아카데미 사이트 내 서비스 제공을 위한 통합ID 제공, 고객센터 운영, 불량회원 부정이용 방지 및 비인가 사용방지, 이벤트 및 마케팅 기획관리, 서비스 개발을 위한 연구조사, 물품 등의 배송 등 - 메가스터디아이티아카데미 사이트 내 서비스 관련 각종 이벤트 및 행사 관련 정보안내를 위한 전화, SMS, 이메일, DM 발송 등의 마케팅 활동 등 - 당사 및 제휴사 상품서비스에 대한 제반 마케팅(대행포함) 활동 관련 전화, SMS, 이메일, DM 발송을 통한 마케팅, 판촉행사 및 이벤트, 사은행사 안내 등 2. 수집하는 개인정보 항목 [필수입력사항 ] - 성명, 아이디, 비밀번호, 이메일주소, 주소, 우편물수령지, 전화번호(휴대폰번호 포함),이메일주소, 생일 등 (i-PIN을 통한 신규가입의 경우 주민등록번호가 아닌 본인 확인 기관이 제공한 정보를 수집합니다.) [선택입력항목] - 이메일/SMS/전화/DM 수신동의 ,결혼 여부, 결혼기념일, 기타 기념일, 선호 브랜드 등 개인별 서비스 제공을 위해 필요한 항목 및 추가 입력 사항 [서비스 이용 또는 사업처리 과정에서 생성 수집되는 각종 거래 및 개인 성향 정보] - 서비스이용기록, 접속로그, 쿠키, 접속IP정보, 결제기록, 이용정지기록 등 단, 이용자의 기본적 인권 침해의 우려가 있는 민감한 개인정보(인종 및 민족, 사상 및 신조, 출신지 및 본적지, 정치적 성향 및 범죄기록, 건강상태 및 성생활 등)는 수집하지 않습니다. 3. 개인정보의 보유/이용기간 및 폐기 당사(패밀리 사이트 내)는 수집된 회원의 개인정보는 수집 목적 또는 제공 받은 목적이 달성되면 지체없이 파기함을 원칙으로 합니다. 다만, 다음 각 호의 경우 일정기간 동안 예외적으로 수집한 회원정보의 전부 또는 일부를 보관할 수 있습니다. - 고객요구사항 처리 및 A/S의 목적 : 수집한 회원정보를 회원탈퇴 후 30일간 보유 - 당사가 지정한 쿠폰 서비스의 임의적인 악용을 방지 하기 위한 목적 : 수집한 회원정보 중 회원의 기념일 쿠폰 사용여부에 관한 정보를 회원 탈퇴 후 1년 간 보유 - 회원 자격 상실의 경우 : 메가스터디아이티아카데미 사이트 내 부정 이용 및 타 회원의 추가적인 피해 방지를 위해 수집한 회원정보를 회원 자격 상실일로부터 2년간 보유 - 기타 당사 및 제휴사가 필요에 의해 별도로 동의를 득한 경우 : 별도 동의를 받은 범위 (회원정보 및 보유 기간) 내에서 보유 상기 조항에도 불구하고 상법 및 '전자상거래 등에서 소비자보호에 관한 법률'등 관련 법령의 규정에 의하여 다음과 같이 일정기간 보유해야 할 필요가 있을 경우에는 관련 법령이 정한 기간 또는 다음 각 호의 기간 동안 회원정보를 보유할 수 있습니다. - 계약 또는 청약철회 등에 관한 기록 : 5년 - 대금결제 및 재화등의 공급에 관한 기록 : 5년 - 소비자의 불만 또는 분쟁처리에 관한 기록 : 3년 개인정보를 파기할 때에는 아래와 같이 재생할 수 없는 방법을 사용하여 이를 삭제합니다. - 종이에 출력된 개인정보 : 분쇄기로 분쇄하거나 소각 - 전자적 파일 형태로 저장된 개인정보 : 기록을 재생할 수 없는 기술적 방법을 사용하여 삭제

Mega IT Academy Location전국지점안내

메가스터디 교육그룹, 메가스터디IT아카데미는 책임지는 교육을 원칙으로 하고 있습니다. 좋은 시설과 교육으로 수강생 여러분의 발걸음에 올바른 나침반이 되어 드리겠습니다.

List
  • 강남캠퍼스 위치안내

  • 주소

    서울특별시 강남구 강남대로94길 13, 삼경빌딩 1층~5층
  • 대표전화

    1899-1534
  • 지하철 이용시

    [2호선] 강남역 11번출구,12번출구 2분거리