개강일 지남
실전 바이오헬스 데이터 활용: 데이터 튜토리얼부터 환자 정보 분석까지
주식회사 하이테커 · 64회차 · 서울 성동구
딥러닝K-디지털기초
프로그램 요약
- 수업일정
- 2026.08.03 ~ 2026.09.01약 1개월
- 모집정원
- 50명
- 총 시간
- 미표기
- 학습장소
- 서울서울특별시 성동구 상원12길 30온라인
- 강의장
- 1111호 (성수동1가, 동진아이티타워)
- 수강료
- 미공개 상담 시 확인
출처 · 고용24 등록값 · 기관 표기분은 별도 표시
어떤 분이 수강하면 좋을지
- ✓전공·학력 무관 — K-디지털 기초역량은 제도상 전공을 보지 않습니다
- ✓(기본이론)
- ✓바이오헬스 데이터 분야에 관심이 있는 학습자
- ✓Python, SQL 등의 데이터 시각화 및 분석 도구 활용에 의지도가 있는 학습자
- ✓바이오 관련 학과 대학생 및 대학원생, 관련 업계 종사자
출처 · 기관 랜딩페이지 · 제도 요건
커리큘럼
고용24 등록 교과목 20개 보기
- 교과목단원명
- 인공지능 소개 및 최신 트렌드1. BIO DATA 에서의 인공지능의 중요성 2. 인공지능 활용하기 3. 인공지능 개념 4. BIO 헬스 영역 ― AI 적용 사례
- Data의 특징과 BIO 데이터 소개1. Data의 종류 2. Data의 특징 3. Data의 Quality 측정 4. BIO 헬스 데이터
- 최신 인공지능의 핵심 - 표현학습1. 인류 역사와 기호의 관계 2. 표현학습이란? 3. 표현학습과 인공신경망 4. 표현의 패러다임 변화
- Deep Learning 소개 (1)1. AI의 역사 2. 뉴론이란? 3. 인공신경망 소개 4. 인공신경망 학습방법 ― Back-Propagation
- Deep Learning 소개 (2)1. 데이터 변환 관점에서 본 Deep Learning 2. 이미지 데이터 변환의 예 ― Convolutional Neural Network 3. 데이터 변환과 인공신경망 4. Deep Learning의 다양한 활용
- 분류문제 해결을 위한 딥러닝 요소들1. 머신러닝을 활용한 문제 접근방법 2. 딥러닝을 활용한 분류문제 접근 3. 분류문제 해결을 위한 딥러닝 요소들
- AI 적용 프레임워크 - Sequence to Sequence Learning1. Sequential Data 소개 2. Recurrent Neural Network(RNN) 소개 3. Sequence to sequence Learning Framework 소개 4. RNN을 이용한 Sequence to Sequence Learning 예
- 최신 신경망 기술의 핵심 - Attention1. Attention 개요 2. Additive and Multiplicative Attention 3. RNN + Attention을 이용한 Encoding, Decoding 4. Attention Mechanism의 효용성
- Transformer 기술 이해 (1)1. Transformer 배경 아이디어 소개 2. Query-Key-Value Pattern 소개 3. Scaled Dot Product Attention 소개 4. Multi-Head Attention 소개
- Transformer 기술 이해 (2)1. Layer Normalization 소개 2. Residual Connection 소개 3. Positional Embedding 소개 4. Transformer Decoder 소개
- Transformer 활용 - BERT, GPT1. Pretraining, Fine-tuning 소개 2. Self-Supervised Learning 소개 3. Encoder 중심 모델 ― BERT 4. Decoder 중심 모델 ― GPT
- 데이터 과학 및 인공지능 도구 소개1. 데이터 과학 및 인공지능 도구 개요 2. Python 개발 환경 구축 3. 데이터 과학 및 인공지능 도구(PyTorch, Tensorflow, Keras..) 4. 개발도구들
- [실습] 데이터 과학 및 인공지능 도구 활용하기1. Anaconda를 이용한 Python 설치 2. PyTorch 설치(PyTorch, Lightning, Tensorboard) 3. Visual Studio Code 설치 4. 클라우드형 환경 준비하기
- [실습] 첫 Deep Learning 구현 - 숫자 인식기1. MNIST 데이터 및 분류문제 정의하기 2. MNIST 데이터의 Tensor화 3. MNIST 숫자 인식기 모델 디자인 하기 4. 설치형 환경 및 Colab에서 구동해보기
- [실습] 독성물질 판별기(Classification) 구현1. 독성물질 판별 Dataset 및 문제 정의 2. 화학물질 기호 표현 방식 3. 독성물질 분류 딥러닝 구조 4. 딥러닝 활용 독성물질 예측기 구현
- [실습] 당뇨병 환자의 당 예측기(Regression) 구현1. 당뇨병환자의 당 예측기(Regression) Dataset 및 문제 정의 2. Regression 살펴보기 3. 데이터 정규화하기 4. 당뇨 예측 딥러닝 구현하기
- [실습] MRI 이미지를 이용한 뇌종양 환자 판별기 구현1. 뇌종양 이미지 판별 Dataset 및 문제 정의 2. Vision Transformer 3. Data Augmentation 4. 뇌종양 이미지 판별 딥러닝 구현하기
- [실습] 초거대 언어모델 도메인 최적화 훈련1. Large Language Model이란? 2. 거대언어모델 활용 시 발생하는 문제 3. Quantization 및 Low-Rank Adaptation 4. 내 데이터에 맞게 LLM fine-Tuning하기
- 총 훈련시간26 시간
출처 · 고용24
지원 혜택
기관이 공개한 혜택 정보가 없습니다. 상담에서 확인하세요.
출처 · 기관 랜딩페이지 · 훈련장려금은 제도
지원 절차
기관이 공개한 절차 정보가 없습니다. 지원하면 상담에서 안내받습니다.
출처 · 기관 랜딩페이지 · 기관마다 다릅니다
자주 묻는 질문
비전공자도 지원할 수 있나요?
K-디지털 기초역량은 제도상 전공·학력을 보지 않습니다. 다만 기관이 밝힌 훈련 대상이 있어 위 「어떤 분이 수강하면 좋을지」를 함께 확인하세요.
내일배움카드가 꼭 있어야 하나요?
지원 시점에 없어도 됩니다. 상담 단계에서 발급을 진행합니다. 다만 수강신청은 카드가 있어야 마칠 수 있습니다.
선발 절차가 있나요?
기관이 공개한 절차에서 별도 시험·전형은 확인되지 않았습니다. 상담 후 수강신청으로 이어집니다.
예전에 국비 교육을 들었는데 또 되나요?
중복수강 제한이 있을 수 있습니다. 최근 수료 이력이 있으면 상담 단계에서 먼저 확인해야 합니다.
출처 · 제도 요건 · 과정 데이터로 답이 채워지는 질문만
기관 랜딩페이지가 확인되지 않았습니다. 아래 정보는 고용24 등록값입니다.
고용24 2026-08-14 기준 · 매일 갱신
