AI 기업 교육 센터 교육 과정
** ACTA Core Program: AI*DATA Digital Transformation (AIDT 과정)
총 16주 (매주 10시간씩 총 160시간)
(주중 야간 줌수업 3시간씩 2회, 토 4시간 대면수업)
대상: AIDT 과정은 비IT기업의 중견엔지니어들이 AI*Data분야로의 커리어 전환을 희망하거나, 기업 내 데이터 기반 의사 결정 역량을 강화하고자 하는 경우에 적합한 과정
1st week: Python 1 (5시간), 확률통계(5시간)
2nd week: Python 1 (5시간), 확률통계(5시간)
3rd week: Python2: Numpy, Pandas (5시간), 선형대수(5시간)
4th week: Python2: Matploib (5시간), 선형대수(5시간)
5th week: Python2: SKLearn (5시간), 최적화(5시간)
6th week: ** 중간고사: 토요일 4시간 **
7th week: Machine Learning: Supervised Learning (10시간)
8th week: Machine Learning: Unsupervised Learning (10시간)
9th week: Deep Learning: CNN, RNN (10시간)
10th week: Deep Learning: Transformer (10시간)
11th week: Recommendation (5시간), Reinforcement (5시간)
12th week: 생성형 AI : 자연어 처리 (10시간)
13th week: 생성형 AI : 이미지 처리 (10시간)
14th week: ** 기말고사: 토요일 4시간 **
15th week: Capstone Project1 (10시간)
16th week: Capstone Project2 (10시간)
ACTA 고급과정: 생성형 AI 이론과 응용 (5주 프로그램, 총 50시간)
수업 시간 : 1주일 10시간 – 주중 야간 줌수업 3시간씩 2회, 토 4시간 대면수업
수강대상: AI분야 실무자, AI*Data 기초역량이 있는 엔지니어
서울대-삼성전자 DS과정 수료자
서울대-LG전자 Data Scientist과정 수료자
서울대-HD현대 AI고급과정 수료자
- 기초 이론 (16시간) : 생성형 AI의 이론적 배경을 제공
1.1 생성형 AI 개요 (3시간) : 생성형 AI의 정의, 역사, 활용 사례
주요 기술 (GAN, VAE, Diffusion, GPT 등) 개요
생성형 AI의 윤리적 이슈 및 사회적 영향
1.2 기초 머신러닝/딥러닝 개념 (3시간)
딥러닝의 기본 구조 (손실 함수, 최적화)
생성형 모델이 사용하는 핵심 알고리즘 개요
Transformer 아키텍처: Attention 메커니즘, 데이터특징 학습
확률 모델링: 다음 단어 예측, 노이즈 제거 및 확률적 샘플링 과정
1.3 생성형 AI 모델의 유형 (3 + 4 = 7시간)
GAN 작동원리 / 주요 변형모델: DCGAN, CycleGAN, StyleGAN
VAE (Variational Autoencoder) : 작동 원리
Transformer 기반 모델 : 작동 원리, GPT와 BERT등과의 차이
Diffusion 모델 : 작동 원리, DDPM 모델, Score기반 모델
VLM 모델 : 작동 원리, VLIP-2 멀티모달 모델
1.4 Python 환경 설정 및 필수 라이브러리 (3시간)
Python, TensorFlow/PyTorch, Hugging Face, OpenAI API
목표 : 실제 코드를 작성하며 모델을 학습
2.1 GAN 모델 실습 (4시간)
GAN 모델 구현 / DCGAN, StyleGAN으로 이미지 생성
2.2 VAE 모델 실습 (3시간)
VAE 구현 및 데이터 복원 / 이미지 데이터의 잠재 공간 탐험
2.3 Transformer 기반 모델 실습 (3시간)
HuggingFace 사용법 / GPT모델기반 텍스트생성 / Fine-Tuning 실습
2.4 Diffusion 모델 실습 (4시간)
노이즈 추가 및 제거 단계를 시각화
다양한 조건(텍스트 프롬프트 등)에 따른 결과물 생성 실험
하이퍼파라미터 튜닝을 통해 모델 성능의 변화
2.5 VLIP-2 멀티모달 모델 실습 (3시간)
이미지 설명 생성 및 텍스트 기반 이미지 검색
응용 사례 연구 (7시간)
목표 : 생성형 AI의 실제 적용 사례와 프로젝트를 통해 실질적 활용 능력을 강화
3.1 이미지 생성 응용 (1.5시간)
생성형 AI를 활용한 아트/디자인
얼굴 생성, 패션 디자인, 의료 이미지 응용
3.2 텍스트 생성 응용 (1.5시간)
자동 기사 작성, 문학 창작 / 챗봇, 번역 및 요약
텍스트 기반 게임 개발
3.3 멀티모달 생성 AI 응용 (2시간)
텍스트에서 이미지 생성 (DALL-E, Stable Diffusion)
텍스트-음성 변환(TTS), 음악 생성
3.4 팀 프로젝트 설명 (2시간)
고급 주제 및 전망 (10시간)
목표 : 최신 연구 동향과 고급 기술을 소개하며, 실질적 응용 방법과 한계를 다룸
4.1 최신 생성형 AI 기술 및 동향 (3시간)
생성형 AI의 연구 트렌드
Zero-shot, Few-shot 학습 개념
4.2 생성형 AI의 한계와 윤리적 고려 (3시간)
Deepfake 및 데이터 편향 문제
AI의 책임성과 규제
4.3 팀 프로젝트 발표 (3시간)
프로젝트 발표 및 피드백 세션
4.4 필기시험 (1시간)