C＃OpenCVコンピュータビジョン入門コース

OpenCV로 이미지와 영상을 처리하고, 딥러닝을 활용하여 얼굴과 다양한 사물을 식별하고 인식하는 내용을 배웁니다. 졸음방지, 나이와 성별식별, 지나가는 사람 수 세기, 얼굴 추적, 불량사과와 귤을 찾아주는 YOLO 등 재미있는 프로젝트를 이론과 함께 배우는 과정입니다.

조선·해운 산업은 전통적인 중공업의 대표 분야이지만, 디지털 전환과 인공지능(AI) 기술의 결합을 통해 새로운 경쟁력을 확보하고 있습니다. 본 강의는 AI 기반의 조선소 생산 관리, 선박 설계 자동화, 해상 물류 최적화, 예지보전 시스템 구축 등 실제 현장에서 활용되는 구체적 적용 사례를 중심으로 구성되었습니다. 현장 중심의 접근으로, 단순한 이론이 아닌 **‘조선소에서 AI가 실제로 어떻게 일하는가’**를 이해할 수 있습니다. 또한, AI 기술의 도입 단계에서 고려해야 할 데이터 인프라 구축, 모델 학습, 그리고 해양 환경 특유의 제약 사항까지 다룹니다.

OpenCV는 영상처리, 3D 구성, 추적, 기계학습, 인식 그리고 딥러닝까지 유용한 기능이 아주 많습니다. 그리고 상업적인 사용까지 무료입니다. 정말 멋진 Library 죠?

AI 인공지능, 모바일이 대세라는 것은 말할 필요가 없습니다. 그런데 머신러닝과 딥러닝을 배워서 모바일에서 어떻게 쓴다는 겁니까? 이제 생활에서 활용되는 유용한 모바일 Computer Vision 프로젝트들을 같이 배워봅시다.

이미지를 업로드하면 Opencv가 처리하여 얼굴을 검출해주는 웹앱을 만들어 봅니다.

이 강의는 딥러닝을 활용한 이미지와 객체 인식의 원리를 기초부터 최신 모델까지 단계적으로 배우는 과정입니다. - 기초 다지기: 파이토치(Pytorch)로 텐서와 신경망 기본 구조 이해 - 이미지 이해하기: 컴퓨터 비전의 개념, 이미지 데이터 구조, 증강(Augmentation) 기법 학습 - CNN 모델 학습: 합성곱 신경망(CNN)으로 이미지 분류 실습 (CIFAR-10 등) - 전이 학습(Transfer Learning): 기존 학습된 모델을 활용해 적은 데이터로 빠르게 학습 - 객체 탐지(Object Detection): R-CNN, YOLO, SSD, DETR 등 최신 객체 탐지 모델 이해 및 실습 - 세그멘테이션(Segmentation): U-Net, Mask R-CNN을 통한 픽셀 단위 객체 분할 경험

보스톤 마라톤 빅 데이터를 기반으로 파이썬과 텐서플로2를 이용하여 다양하고 유용한 머신러닝 회귀(Regression)와 분류(Classification) 프로젝트를 이론과 함께 배우는 머신러닝 종합 프로젝트 과정입니다.

AI를 연구하거나 이를 활용하여 프로젝트를 진행할 때 기본적인 논문 구현은 필수 입니다. 이 강의를 통해 실제 논문을 한편 구현해보며 실무 역량을 업그레이드 해봅시다!

현업에서 진짜 쓰이는 OCR 기술, 제대로 배워보고 싶다면 이 강의 하나로 끝! 비정형 문서와 복잡한 레이아웃에서도 98% 이상의 정확도를 목표로, 최신 SOTA 모델과 실전 노하우를 바탕으로 기업 수준의 OCR 프로젝트를 함께 만들어갑니다.