비전공자/고등학생을 위한 인공지능 기초와 커리어 조언 대시보드

 데이터사이언스, 인공지능을 처음 공부하는 비전공자 또는 고등학생들을 위한 강의입니다.
인공지능과 머신러닝의 개념에 대해 이해하고, 관련 직업을 갖기 위해 어떤 노력을 해야하는지 알려드립니다.  

_{머신 러닝, 강의 수강 후엔 완벽하게 이해할 수 있답니다!}

1️⃣ 머신러닝과 딥러닝의 기본 개념

생초보자들도 쉽게 접근 할 수 있게, '데이터란 무엇인가'에서부터 시작합니다. 이 데이터로 우리는 머신러닝/AI를 통해 무엇을 할 수 있는지에 대해 알려드립니다. 머신러닝 모델을 크게 어떻게 구분할 수 있는지, 각각 어떠한 방법으로 학습을 하고 어떤 결과를 낼 수 있는지에 대해 알려 드립니다.

2️⃣ 머신러닝의 종류

(Decision Tree, kNN, Ensemble Learning, Clustering, SHAP Value)

필수적으로 알아야 할 머신러닝 모델들에 대해 다루어봅니다. 이해하기 쉽도록 개념 위주로 강의를 간략하게 진행합니다. 기본 모델들의 개념들과 장단점에 대해서 알아보고, 설명 가능한 인공지능으로서 활용되는(eXplainable AI) ShapValue에 대해서도 소개합니다.

3️⃣ 딥러닝 모델의 개념과 인공지능 생성 모델 달리 (DALLE.2)

딥러닝 모델의 개념과 종류에 대해서 알아봅니다. 각 모델별로 어떤 일을 할 수 있는지에 대해 소개합니다. 그리고 최근에 이슈가 되고 있는 인공지능 생성 모델 달리(DALLE.2)를 직접 체험해봅니다.

4️⃣ 모형의 적합성 평가 방법

우리가 만든 모델이 과연 얼마나 정확할까요? 우리가 만들 모델이 얼마나 정확한지 알기 위해서는 적절한 실험 설계가 중요합니다. 이 실험 설계는 데이터 분석에 있어서 매우 중요합니다. 많은 초보자분들이 실수하는 부분이기에, 최대한 자세히 이해 쉽게 설명하도록 하였습니다.

5️⃣ 데이터분석에 있어서 중요한 것

데이터 분석은 단순히, 모델링에서 그치지 않습니다. Raw데이터를 전처리하는 것에서부터 시작해서, 파생변수 생성, 실험 설계, 모델링 그리고 마지막 해석까지 일련의 과정들을 거치게됩니다. 이 과정에서 중요한 부분과 놓치면 안되는 부분에 대해 이야기합니다.

6️⃣ 데이터 사이언스 인공지능 관련 직업 및 필요 역량

인공지능 관련 직업으로 Data Scientist만이 있는것이 아닙니다. 크게 데이터 사이언티스트 (Data Scientist), 데이터 분석가/데이터 애널리스트 (Data Analyst),  AI/ML engineer, AI researcher 등 총 4가지 직업으로 나눌 수 있습니다. 비슷비슷해보이지만, 하는 일이 모두 다르고 각 직업마다 다루는 툴이나 요구능력이 모두 다릅니다. 실제 기업들이 각 직업별로 어떠한 것들을 요구하는지 살펴보면서, 직업별 필요 역량과 관련 전공에 대해 소개합니다.