글
K-DT강사아카데미(전공)] 실전 프로젝트로 배우는 머신러닝과 딥러닝 [120시간]
실전 프로젝트로 배우는 머신러닝과 딥러닝
Python의 기본 문법(자료형, 조건문, 반복문, 함수 등)을 이해하고, 간단한 스크립트나 모듈을 작성할 수 있다.
(* 원활한 수강을 위해 해당 내용에 대한 약간 이해 수준 이상의 사전 학습이 필요합니다.)
*Pandas, NumPy 등을 활용해 데이터 전처리, 결측치 처리, 그룹 연산 등을 수행할 수 있으며, 통계 분석과 시각화도 가능하다.
(* 원활한 수강을 위해 해당 내용에 대한 용어 정도 이해 수준 이상의 사전 학습이 필요합니다.)
*SVM, KNN, Decision Tree, Random Forest 등의 주요 머신러닝 알고리즘을 이해하고, scikit-learn을 활용해 모델을 구현하고 성능 평가를 할 수 있다.
(* 원활한 수강을 위해 해당 내용에 대한 용어 정도 이해 수준 이상의 사전 학습이 필요합니다.)
*CNN, RNN, Transformer 등 딥러닝 모델 구조를 이해하고, PyTorch 또는 Keras를 활용해 직접 구현하고 훈련시킬 수 있다.
(* 원활한 수강을 위해 해당 내용에 대한 용어 정도 이해 수준 이상의 사전 학습이 필요합니다.)
*ResNet, EfficientNet 등의 사전학습 모델을 로딩하고, 새로운 데이터셋에 맞게 파인튜닝 또는 feature extraction 방식으로 적용할 수 있다.
(* 원활한 수강을 위해 해당 내용에 대한 용어 정도 이해 수준 이상의 사전 학습이 필요합니다.)
*GPT, LLaMA, Mistral 등 대규모 언어 모델의 구조를 이해하고, Transformer, 토크나이저, 임베딩 등 주요 구성 요소를 설명할 수 있다.
*HuggingFace Transformers 프레임워크를 활용해 도메인 특화 데이터셋을 기반으로 LLM을 파인튜닝하고, inference 파이프라인을 구성할 수 있다.
*RAG (Retrieval-Augmented Generation)의 기본 원리를 이해하고, Retriever, Generator, 벡터 데이터베이스의 역할과 작동 구조를 설명할 수 있다.
*텍스트를 SentenceTransformer 등을 통해 임베딩하고, FAISS나 Weaviate 등의 벡터 DB를 활용해 유사 문서를 검색할 수 있다.
*LLM과 RAG를 연계한 질의응답 시스템이나 챗봇을 직접 구현해 본 경험이 있으며, 실제 서비스 흐름에 적용할 수 있다.
*
댓글 없음:
댓글 쓰기