| 1 | Deep Learning 기초
- AI 정의의 분류&발전의 역사 | 1. AI 기본 개념과 역사2. 지도·비지도·강화학습 개념과 차이점3. Perceptron, XOR Gate, Backpropagation 역할과 한계 |
| 2 | Deep Learning 기초
- ML&DL의 동작원리 | 1. Linear Regression 기본 개념과 수식2. Gradient Descent 사용 방법3. Forward·Backward Propagation 동작 원리 |
| 3 | Deep Learning 기초
- DL 기본이론과 PyTorch를 활용한 개발방법 | 1. PyTorch 라이브러리·데이터 로더로 모델 정의 및 데이터 처리2. 선형회귀·이진분류·다중분류 모델 Loss함수·Optimizer 사용법 |
| 4 | [실습준비]파이썬 학습하기① 자료형 | 1. 파이썬 자료형 설명 – 정수형·실수형 / 리스트 / 튜플 / 딕셔너리 |
| 5 | [실습준비]파이썬 학습하기② 조건문&반복문 | 1. 파이썬 조건문, 반복문 설명 – 조건문: if, elif, else / 반복문: for, while |
| 6 | [실습준비]파이썬 학습하기③ numpy array | 1. Numpy Array Library 사용하기 – 배열 만들기 / 배열 수정하기 / 배열 연산하기 |
| 7 | [실습준비]파이썬 학습하기④ pandas 자료구조 | 1. Pandas Library 사용하기 – Data Frame 만들기 / 자료 불러오기·수정 / 통계량 만들기 |
| 8 | ★실습예제1★당뇨병 진단 PyTorch 모델링 실습 (회귀분석) | 1. 데이터 전처리·탐색 실습2. PyTorch를 이용한 회귀 모델 구축 실습3. 모델평가와 예측 실습 |
| 9 | ★실습예제2★유방암 진단 PyTorch 모델링 실습 (이진분류) | 1. 데이터 전처리·탐색 실습2. PyTorch 이진분류 모델 구축 실습3. 모델 평가와 예측 실습 |
| 10 | ★실습예제3★와인 품종 분류 PyTorch 모델링 실습 (다중분류) | 1. 데이터 전처리·탐색 실습2. PyTorch 다중분류 모델 구축 실습3. 모델 평가와 예측 실습 |
| 11 | ★실습과제★의료보험료 예측 모델링 실습 | 1. 의료보험료 데이터 탐색·전처리 실습2. PyTorch를 이용한 회귀 모델 구축 실습3. 모델 평가와 예측 실습 |
| 12 | 이미지 데이터처리 (Image Processing) | 1. OpenCV 이미지 읽기·출력2. 이미지 처리 기법3. imutils 패키지 사용법 |
| 13 | ★실습예제4★OpenCV 이미지 데이터 처리 실습 | 1. OpenCV 이미지 읽기·저장 실습2. 리사이징·그레이스케일·이진화·블러링 등 처리 기법 실습3. 도형·텍스트 추가 방법 실습 |
| 14 | 이미지 딥러닝 - CNN 딥러닝 기초 | 1. CNN 기본 구조와 구성 요소 역할2. Convolution 연산, 활성화 함수, 패딩 등 주요 연산3. PyTorch CNN 모델 구현·데이터 전처리·학습 방법 |
| 15 | ★실습예제5★CNN 기초 모델링 실습 | 1. CNN 기본 구조·구성 요소 이해2. PyTorch CNN모델 구현 실습3. CNN모델 평가 및 예측 실습 |
| 16 | 이미지 딥러닝 - CNN딥러닝 Advanced | 1. CNN 고급 개념·구성 요소 학습2. Data Augmentation·Custom Dataset 클래스 구현3. Pre-trained 모델을 새 데이터셋에 맞게 Fine-Tuning |
| 17 | ★실습예제6★CNN 딥러닝 Advanced 실습① | 1. 고급 CNN 모델 구축·학습 실습2. 데이터 증강·전처리 실습3. 성능 평가·튜닝 실습 |
| 18 | ★실습예제7★CNN 딥러닝 Advanced 실습② - Transfer Learning | 1. Transfer Learning 개념·필요성2. Pre-trained 모델 로드·활용 실습3. Transfer Learning으로 성능 향상 실습 |
| 19 | ★실습과제★X-ray 이미지 폐렴 진단 모델링 실습 | 1. X-ray 데이터 전처리·탐색2. CNN 이미지 분류 실습3. 모델 성능 평가·예측 실습 |
| 20 | Object Detection 기초 | 1. Object Detection 정의·구성 요소2. Bounding Box 역할·IoU 계산3. 모델 발전과정·성능평가 방법 |
| 21 | Classic Object Detection Model | 1. 초기 Object Detection 방법2. Region Proposal 학습3. Classic 모델 발전과정 학습 |
| 22 | 2-stage Object Detection Model | 1. RCNN 기본 개념·구성 요소2. Fast RCNN vs RCNN 차이점·개선 |
| 23 | 1-stage Object Detection Model | 1. 1-stage 모델 개념·특징2. YOLO 구조·원리, YOLOv1~v3 발전과정3. 모델 성능 평가·향상 방법 |
| 24 | ★실습과제★Object Detection 모델링 실습 | 1. Selective Search Region Proposal 실습2. Non Maximum Suppression 실습 |
| 25 | 반도체 불량분석 개요 소개 | 1. 반도체 공정 Defect 종류·영향2. SEM·TEM Defect 분석 방법3. AI Defect 탐지 방법 |
| 26 | Object Detection Transfer Learning | 1. Transfer Learning 개념·필요성2. YOLOv5로 반도체 불량탐지 모델 구축·튜닝3. Labeling Tool로 데이터셋 labellmg 수행 |
| 27 | ★실습예제8★반도체 공정 이미지 불량 탐지 모델링 실습 | 1. 불량탐지 모델 구축 실습2. 전처리·증강 기법으로 성능 향상 실습3. 모델 학습·성능 평가 실습 |
| 28 | ★실습과제★반도체 공정 이미지 불량 탐지 모델링 실습 (최종) | 1. 불량탐지 모델링 실습2. 데이터셋 다운로드·전처리 실습3. 모델 평가·예측 결과 시각화 분석 |
