개강일 지남
AI 엔지니어 입문, 데이터 가공부터 AICE 자격 취득까지
주식회사 데이원컴퍼니 · 8회차 · 서울 강남구
딥러닝K-디지털기초
프로그램 요약
- 수업일정
- 2026.08.05 ~ 2026.09.09약 1개월
- 모집정원
- 500명
- 총 시간
- 미표기
- 학습장소
- 서울서울특별시 강남구 테헤란로 231 (역삼동 센터필드)온라인
- 강의장
- West동 6층, 7층
- 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
- ✓기초 수리 및 통계 지식이 부족하여 AI 진입 장벽을 느끼고 있으나, 데이터 가공 감각부터 차근차근 익혀 전문 개발자로 성장하고자 하는 구직자
- ✓AICE와 같은 공인 자격 취득을 통해 객관적인 AI 모델링 역량을 증명하고 싶은 입문자
- ✓직원 퇴사 원인 분석이나 고객 세그먼테이션 등 실제 비즈니스 문제를 AI 모델링을 통해 해결하고, 데이터 기반의 액션 플랜을 수립하고자 하는 재직자
- ✓엑셀 기반의 수동 분석을 넘어 LLM과 머신러닝을 결합하여 분석 업무의 자동화 및 효율화를 꾀하는 실무자
- ✓KDT 등 심화 과정의 진입을 위해 데이터 전처리부터 심층신경망 구조까지 실질적인 AI 개발 프로세스 전반을 미리 경험하고자 하는 예비 훈련생
출처 · 기관 랜딩페이지 · 제도 요건
커리큘럼
고용24 등록 교과목 45개 보기
- 교과목단원명
- 비전공자를 위한 기초 통계의 직관적 해석- 비전공자도 통계를 공부해야 하는 이유 - 고등학교 때 수학 공부가 힘들었는데 시작할 수 있을까
- 데이터 구조 이해를 위한 기초 통계 및 탐색적 분석(EDA) 원리- 데이터 탐색과 통계 공부 필요성
- 데이터 분석의 기초와 중요성 (1)- EDA의 정의와 목적
- 데이터 분석의 기초와 중요성 (2)- 비즈니스 의사결정에서 EDA역할 - EDA 프로세스 - EDA 통한 인사이트 분석
- 비지도 학습- 지도학습의 개념 - 주요 비지도학습 알고리즘 - 비지도학습 알고리즘 평가
- AI 모델링 프로세스 이해하기- AI 모델링 프로세스
- 모델 성능 향상시키기- 하이퍼파라미터튜닝 개념과 중요성 - 그리드 서치와 랜덤서치 - 베이지안 서치와 튜닝 전략
- 딥러닝 모델링- 인공신경망의 이해 및 구조 - 인공신경망의 구성요소 (가중치와 편향, 활성함수) - 인공신경망의 학습 (경사하강법, 역전파 알고리즘)
- 지도학습 회귀 기본 - 비행기 연착시간 예측 (1)- 프로젝트 개요 및 문제 정의 - 데이터 수집 및 품질 확인
- 지도학습 회귀 기본 - 비행기 연착시간 예측 (2)- 데이터 탐색 및 피처 엔지니어링
- 지도학습 회귀 기본 - 비행기 연착시간 예측 (3)- 모델 구축 및 평가 - 모델 최적화 및 활용
- 지도학습 회귀 심화 - 택시요금 예측 (1)- 프로젝트 개요 및 문제 정의 - 데이터 수집 및 품질 확인
- 지도학습 회귀 심화 - 택시요금 예측 (2)- 데이터 탐색 및 피처 엔지니어링 - 모델 구축 및 평가 - 모델 최적화 및 활용
- 지도학습 분류 심화 - 대출 승인 예측 (1)- 프로젝트 개요 및 문제 정의 - 데이터 수집 및 품질 확인
- 지도학습 분류 심화 - 대출 승인 예측 (2)- 데이터 탐색 및 피처 엔지니어링 - 모델 구축 및 평가 - 모델 최적화 및 활용
- 지도학습 분류 기본 - 통신사 고객 이탈 예측 (1)- 프로젝트 개요 및 문제 정의 - 데이터 수집 및 품질 확인 - 데이터 탐색
- 지도학습 분류 기본 - 통신사 고객 이탈 예측 (2)- 피처 엔지니어링 - 모델 구축 및 평가 - 모델 최적화 및 활용
- 비즈니스 데이터 이해하기- 비즈니스 데이터 유형 - 데이터 품질 평가 - 비즈니스 컨텍스트에서 데이터 이해하기 - 가설 및 질문 만들기
- 주요 EDA 1 - 단일 변수 분석- 연속형 변수 분석 - 범주형 변수 분석 - 시계열 변수 분석
- 주요 EDA 2 - 변수간의 관계 분석- (선형) 상관 관계 분석 - (집단간) 차이 분석
- 내비게이션 도착시간 예측 데이터 기반 EDA 실습- 품질평가 - 단변수 별 특징분석 - 변수간 관계 분석 - EDA (어느시간대가 가장 많이 밀릴까?, 요일별 속도는 차이가 있나?), 및 결과 요약
- 온라인 커머스 데이터 기반 EDA 실습- 데이터 확인 및 품질평가 - 단변수 별 특징분석 (스테디 셀러와 베스트셀러, 시즌별 상품 등) - 단변수 별 특징분석 심화 (상품분석, 지역분석, 시즌성 분석) - EDA 결론 및 인사이트 도출 & 액션플랜
- 데이터 프레임 다루기- 필요한 데이터 선택하기 - 파생변수(피처) 만들기 - 변수(피처) 삭제하기
- 다양한 소스의 데이터 합치기 (병합하기)- 데이터 통합 방법 (수직 vs 수평 통합) - 데이터 수평 통합 방법 (Merge) - 데이터 수직 통합 방법 (Union) - 수직 병합시 주의사항 및 데이터 정합성 확인방법
- 데이터 품질 확인하기 - 결측치- 결측치 발생 원인 및 유형의 이해 - 결측치가 분석에 미치는 영향 - 결측치 종류에 따른 처리 방법
- 데이터 품질 확인하기 - 이상치 처리- 이상치의 정의 및 영향력 - 이상치 탐지 방법 - 이상치 처리 방법
- 내비게이션 도착시간 예측 데이터 병합- 데이터 합치기 실습 Signal 데이터 join 및 품질 평가하기 - 추가된 데이터의 관계 확인하기 - 추가된 데이터 EDA
- 지도학습 (1)- 지도학습의 개념과 종류 - 주요 분류 알고리즘 - 주요 회귀 알고리즘
- 지도학습 (2)- 분류 모델 평가 - 회귀 모델 평가 - 데이터 분할
- 군집분석 - e-commerce 고객 군집화- 프로젝트 개요 및 문제 정의 - 데이터 수집 및 NULL값 확인 - 이상치 탐색 EDA 및 RFM 스코어생성 - 군집 생성 해석 및 활용
- 차원축소 - 차원축소를 사용한 마케팅 고객 군집화- 프로젝트 개요 및 문제 정의 - 데이터 탐색 및 전처리 - 차원 축소 및 의미 확인 - 군집 분석 및 결과 해석
- 심층신경망 적용 회귀 - 택시요금 예측- 신경망을 위한 환경세팅 - 신경망을 위한 데이터 전처리 - 회귀 문제를 위한 신경망 구조 설계 및학습 - 모델 평가 및 적용
- 심층신경망 적용 분류 - 통신사 고객 이탈 예측- 신경망을 위한 환경세팅 - 이진 분류 모델 구조 설계 및 모델링 - 모델 학습 및 모델 평가와 적용
- ChatGPT를 이용한 대출 승인 예측 모델링- ChatGPT를 활용한 데이터 분석 프로세스 설계 - 데이터 전처리 및 특성 공학 자동화 - 모델링 및 하이퍼파라미터 튜닝 최적화
- ChatGPT를 이용한 정형/비정형 데이터 - 이커머스 리뷰- 정형 데이터와 텍스트 데이터 통합 분석 설계 - 리뷰 텍스트 분석 및 감성 점수화 - 통합 모델링 및 고객 세그먼테이션 및 인사이트 도출
- 실습 문제 풀이 - 내비게이션 도착시간 예측- 분석환경 세팅 및 데이터 불러오기, 데이터 병합하기 - 데이터 가공 및 탐색 (컬럼 삭제 및 Null 값 확인 및 탐색) - 데이터 선택 및 변수 가공 - 데이터 분할 및 모델링 성능평가
- 실습 문제 풀이 - 퇴사 예측 (1)- 분석환경 세팅 및 데이터 불러오기, 데이터 병합하기 - 퇴사 원인 분석(부서별 차이분석, 연령대별 차이) - 데이터 분할, 더미변수생성, 정규화
- 실습 문제 풀이 - 퇴사 예측 (2)- 다양한 모델링(그레디언트 부스팅, SVM) 및 정확도 평가 - 특성 중요도 분석, 성능 향상 및 저장
- 실습 문제 풀이 - 위싱턴 부동산 주택 가격 예측 (1)- 데이터 불러오기, 병합 및 변환 - 탐색적 데이터 분석(연속형 변수의 관계분석 및 명목형 변수 확인) - 데이터 전처리 및 피처 엔지니어링
- 실습 문제 풀이 - 위싱턴 부동산 주택 가격 예측 (2)- ML 모델링 구축 및 비교(통계 모형, 의사결정나무) - 딥러닝 모델링 구축 및 비교
- [AI 윤리] 공존을 위한 가이드라인: 인공지능 윤리와 책임 있는 활용- AI 기술이 야기하는 윤리적 쟁점 - 국내외 AI 윤리 원칙과 법제도의 이해
- [데이터 보안] 디지털 시대의 안전망: 개인정보 보호의 법적·윤리적 기준- 데이터 보안의 기본 개념과 위협 유형 이해 - 개인정보 보호의 법적, 윤리적 기준 이해
- [저작권] AI와 창작의 경계: 저작권의 개념과 디지털 환경의 쟁점- 저작권의 기본 개념과 보호 범위의 이해 - 디지털 환경과 AI 시대의 저작권 쟁점 설명
- 총 훈련시간43 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
