[최상단배너]산대특_정보보안

상담신청
캠퍼스*
이름*
연락처*
- -
문의사항
내용확인
  • 1899-1148

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

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

    02-588-9991
  • 지하철 이용시

    [2호선] 강남역 11번출구,12번출구 2분거리