강의

멘토링

로드맵

Inflearn brand logo image
NEW
AI 개발

/

인공지능 기타

인공지능(AI) 프로젝트 제대로 배우기 Part.3

본 과정은 AI 모델링 프로젝트를 실무에서 능숙하게 수행하기 위한 기본 이론과 실무 활용 능력을 동시에 기를 수 있도록 구성되었습니다. 학습자는 AI 프로젝트의 전반적인 흐름을 이해하고, 문제 정의 → 모델 설계 → 데이터 확보 및 전처리 → 특징 추출 → 모델 학습 및 검증까지 단계별 과정을 실습과 함께 경험하게 됩니다. 또한, 다양한 상황에서 최적의 AI 모델을 선정하고 관리하는 방법을 학습하여, 실제 비즈니스 현장에 적용할 수 있는 AI 실무 역량을 쌓을 수 있습니다. 본 과정을 통해 학습자는 AI 모델링 프로젝트 전 과정을 체계적으로 이해하고, 이를 기반으로 데이터 기반 문제 해결 능력을 강화할 수 있습니다.

1명 이 수강하고 있어요.

  • 유용한IT학습

이런 걸 배울 수 있어요

  • 인공지능 모델을 통해 해결해야 할 문제를 식별, 설정된 인공지능 모델의 목표에 따라 인공지능으로 해결할 문제의 표현 요소를 정의 할 수 있다.

  • 선별된 시험 데이터를 활용하여 학습된 복수의 인공지능 모델들을 평가할 수 있다.

  • 기본 설계된 에이전트 모델을 바탕으로 모델을 상세화할 수 있다.

  • 인공지능서비스 모델에 적합한 평가지표 후보군을 식별할 수 있다.

  • 확보된 데이터가 부족할 시에는 유사한 데이터 증강 계획을 수립할 수 있다.

  • 학습 모델에 사용되는 시뮬레이터를 구동하고 설정을 조정할 수 있다.

  • 설계된 인공지능 학습 모델의 구성을 파악할 수 있다.

  • 인공지능 학습에 필요한 알고리즘의 특성을 파악할 수 있다.

  • 선택된 특징을 결합하거나 분할하여 발견되지 않았던 새로운 특징을 생성할 수 있다.

인공지능(AI) 프로젝트 제대로 배우기 (모델링)

본 과정은 AI 모델링 프로젝트를 실무에서 능숙하게 수행하기 위한 기본 이론과 실무 활용 능력을 동시에 기를 수 있도록 구성되었습니다.

학습자는 AI 프로젝트의 전반적인 흐름을 이해하고, 문제 정의 → 모델 설계 → 데이터 확보 및 전처리 → 특징 추출 → 모델 학습 및 검증까지 단계별 과정을 실습과 함께 경험하게 됩니다.

또한, 다양한 상황에서 최적의 AI 모델을 선정하고 관리하는 방법을 학습하여, 실제 비즈니스 현장에 적용할 수 있는 AI 실무 역량을 쌓을 수 있습니다.

본 과정을 통해 학습자는 AI 모델링 프로젝트 전 과정을 체계적으로 이해하고, 이를 기반으로 데이터 기반 문제 해결 능력을 강화할 수 있습니다.

이런 내용을 배워요

🔹 섹션 1: AI 모델 문제 정의 & 모델 설계

  • AI 모델 문제 정의 (1~3)

    • AI 프로젝트에서 다뤄야 할 문제를 명확히 정의하고, 비즈니스 목표와 연계해 해결할 수 있는 문제로 구체화

    • 문제를 데이터와 연결짓는 사고법 학습

  • AI 모델 설계 (1~3)

    • 정의된 문제를 해결하기 위한 모델 구조 설계

    • 적합한 알고리즘 선택 및 모델링 접근 방식 학습

    • 초기 설계 단계에서 고려해야 할 성능 지표와 한계 분석

🔹 섹션 2: AI 데이터 확보 & 전처리

  • 데이터 확보

    • 모델 학습에 필요한 데이터 수집 방법과 데이터셋 구성 원리 이해

  • 데이터 전처리 (1~5)

    • 결측치 처리, 이상치 제거, 데이터 정규화 등 필수 전처리 기법 학습

    • 텍스트, 이미지, 수치형 데이터 등 다양한 형태의 데이터에 맞는 전처리 방법 적용

🔹 섹션 3: AI 데이터 특징 추출

  • 특징 추출 (1~5)

    • 원본 데이터에서 모델 학습에 필요한 의미 있는 특징(feature) 도출

    • 차원 축소, 변수 선택, 임베딩 기법 활용

    • 모델 성능을 높이는 핵심 변수 생성 기법 실습

🔹 섹션 4: AI 모델 학습, 선정 및 관리

  • AI 모델 학습 (1~3)

    • 설계된 모델을 실제 데이터로 학습시키는 과정

    • 학습률, 에폭, 배치 크기 등 하이퍼파라미터 설정과 튜닝 방법

    • 과적합 방지 및 성능 최적화 전략

  • AI 모델 선정 (1~2)

    • 다양한 모델 중 성능 비교 및 검증을 통해 최적 모델 선정

    • 정확도, 정밀도, 재현율, F1 스코어 등 평가 지표 활용

  • AI 모델 선정 및 관리

    • 모델 배포 후 성능 모니터링 및 주기적 재학습 관리

    • 운영 환경에서 모델의 신뢰성과 확장성 유지

수강 전 참고 사항

이 강의는 지식공유자의 질문/답변을 제공하지 않습니다

학습 자료

주차별 교안이 pdf파일로 제공됩니다

이런 분들께
추천드려요

학습 대상은
누구일까요?

  • 회사나 대학교에서 AI 프로젝트를 진행하고자 하나 관련 과정 및 모델링 설계가 처음인 회사원

  • AI 모델링 프로젝트 교육을 진행하고자 하는 교육자

안녕하세요
입니다.

8,256,077

수강생

6,093

수강평

4.6

강의 평점

271

강의

유용한 IT 강의를 통해 여러분의 성장을 돕겠습니다.

커리큘럼

전체

27개 ∙ (7시간 29분)

해당 강의에서 제공:

수업자료
강의 게시일: 
마지막 업데이트일: 

수강평

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

얼리버드 할인 중 (2일 남음)

월 ₩14,168

5개월 할부 시

30%

₩101,200

₩70,840

유용한IT학습님의 다른 강의

지식공유자님의 다른 강의를 만나보세요!

비슷한 강의

같은 분야의 다른 강의를 만나보세요!