개강일 지남
생활 속 데이터로 배우는 AI모델링 완전 기초
미라클평생교육원 · 20회차 · 전북 전주시
PythonSQL딥러닝머신러닝K-디지털기초
프로그램 요약
- 수업일정
- 2026.08.05 ~ 2026.09.04약 1개월
- 모집정원
- 200명
- 총 시간
- 미표기
- 학습장소
- 전북전북특별자치도 전주시 덕진구 덕진동2가 송천중앙로 9온라인
- 강의장
- 3층
- 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
- ✓훈련 목표
- ✓1) 여행소비 데이터 사례를 통해 데이터 수집·정제에서부터 AI 모델의 판단·학습·예측 원리와 성능 평가, 나아가 결과의 API 활용·연계까지 AI 개발 전 과정을 큰 흐름으로 이해하고, 결과를 비판적으로 해석·검증할 수 있다. 2) 파이썬 기반의 기초 프로그래밍과 데이터 분석 흐름을 이해하여, 공공데이터(여행 소비 데이터)가 AI 학습에 활용되기까지의 전체 과정(수집–전처리–분석)을 파악할 수 있다. 3) 통계적 기초 개념과 탐색적 데이터 분석(EDA)을 바탕으로, 데이터의 특성·분포·패턴을 이해하고 분석 결과를 해석할 수 있다. 4)머신러닝의 기본 원리와 학습 과정을 이해하고, 공공 데이터를 활용한 분류·예측 AI 모델을 설계·구현하고 성능을 평가할 수 있다. 5) 데이터 분석 및 AI 모델링 결과가 서비스로 활용되는 방식(API 연계, 시각화 등)을 전반적으로 이해하고, 여행 소비 패턴 분석 AI 시스템을 구성하여 간단한 서비스 형태로 시각화할 수 있다. 훈련대상자
- ✓AI·데이터 분야 비전공자 및 초보 학습자
- ✓AI 학습 경험은 없으나 AI 기초 원리와 데이터 활용 흐름을 이해하고자 하는 국민 누구나
- ✓데이터 기반 분석 및 AI 활용에 관심 있는 학습자
- ✓디지털 전환 환경에서 AI 개념 이해가 필요한 직무 종사자 또는 구직자
출처 · 기관 랜딩페이지 · 제도 요건
커리큘럼
고용24 등록 교과목 38개 보기
- 교과목단원명
- 오리엔테이션 및 문제 정의"1. 과정 전체 흐름 설명 2. 여행 소비 데이터의 활용 목적 이해 3. AI 허브·공공데이터 포털에서 데이터 탐색 방법 소개"
- 개발 필수 도구 실습 I (VsCode와 Jupyter)"1. Jupyter Notebook 활용법 2. VS Code 설치·확장 프로그램 설정"
- 개발 필수 도구 실습 II (Git&Github)"1. Git과 GitHub의 역할 이해, 2. 저장소 생성 3. Commit–Push–Pull 실습을 통한 협업 흐름 이해"
- 파이썬 기본 문법 배우기"1. 변수 2. 자료형 3. 조건문 4. 반복문 "
- 파이썬으로 자료 다루는 방법"1. 리스트 2. 튜플 3. 딕셔너리 4. 셋의 구조"
- 데이터 표현과 기초 통계"1. 평균·중앙값·표준편차·사분위수 계산 2. 통계 지표를 통한 소비 특성 해석"
- 상관관계와 산점도 분석"1. 상관계수 계산 방법 이해 2. 소비액과 체류시간 간 관계 분석 3. 산점도 시각화"
- 확률과 확률 분포의 이해"1. 확률과 확률분포 2. 이산 분포 /연속 분포 3. 히스토그램을 활용한 여행 소비 분포 분석"
- 핵심 분포: 정규 분포와 중심 극한 정리"1. 정규분포의 특징 이해 2. 중심극한정리 개념을 통한 표본과 모집단 관계 이해"
- 벡터·행렬 기초"1. NumPy 배열 구조 이해 2. 벡터·행렬 연산을 통한 데이터 처리 기초 3. 인덱싱, 슬라이싱, 연산, 조건필터링"
- 단순 회귀 분석의 원리"1. 단일 변수 기반 회귀 개념 이해 2. 소비액 예측 모델 구현 실습"
- 다중 회귀 분석의 원리"1. 다중 변수 입력 구조 이해 2. 여러 소비 요인을 활용한 예측 실습"
- 공공데이터 활용 및 데이터 구조 이해1. 관광 통계 및 지역 소비 데이터의 컬럼 구성 이해
- 파이썬에서 CSV 데이터 편집하기"1. 파이썬으로 CSV파일 불러오기 2. 데이터 확인, 수정, 추가, 삭제 3. 수정 데이터 CSV로 저장 "
- 데이터 저장 구조 및 SQL 기초 I"1. 데이터베이스 기본 구조 이해 2. SQL 설치"
- 데이터 저장 구조 및 SQL 기초 II"1. SQL의 SELECT, WHERE, ORDER BY 구문을 활용한 소비 데이터 조회 2. MySQL 접속 및 VScode 연동 실습"
- 데이터 정제 및 결측치 처리"1. 결측치에 대한 이해 2. 제거·대체 기법을 활용한 데이터 정제 3. 유형별 처리"
- 데이터 전처리: 이상치 및 날짜 변환"1. 이상치 개념과 필요성 2. 이상치 기준 설정 및 제거 3. 날짜 데이터 변환 4. 파생 변수 생성"
- 머신러닝 개요 및 유형"1. 머신러닝 기본 개념과 구조 2. 머신러닝 종류 3. 회귀 vs 분류의 이해 4. 데이터 분할과 과적합 "
- AI를 위한 환경 설정 및 라이브러리 설치"1. 환경설정의 중요성 2. 파이썬 기반 ai 개발 구조 3. 환경 설정 방법 4. 주요 라이브러리 소개 및 다운로드"
- 학습·검증·테스트 데이터 분리"1. 과적합(Overfitting)과 일반화 개념 2. train_test_split 원리 및 활용 3. 3way-Hold-out 방식 4. K-fold 교차 검증"
- 변수 간 관계 분석 (EDA)"1. EDA의 주요단계 2. 상관관계 분석 3. 그룹별 비교 4. 시각화를 통한 데이터 구조 이해 5. 변수와 여행 소비간의 관계"
- 데이터 준비 및 피처 엔지니어링 I"1. 변수 변환 개념 이해 2. 입력 변수 설계 3. 범주형 데이터 확인 4. One-Hot Encoding 5. 원-핫인코딩 외 다양한 인코딩 기법"
- 데이터 준비 및 피처 엔지니어링 II"1. 스케일링 필요성 이해 2. 주요 피처스케일링 종류 3. StandardScaler 적용 4. MinMaxScaler 적용"
- 데이터 전처리 종합 실습"1. 인코딩 + 스케일링 통합 실습 2. 전처리 파이프라인 구성"
- 분류 개념 및 결정 경계 이해"1. 분류(Classification) 2. 분류 모델의 판단원리 3. 결정 경계(Decision Boundary) 직관 4. 시그모이드(Sigmoid) 함수 5. 임계값(Threshold)과 최종 분류 기준 6. 분류 모델에 따른 결정 경계의 차이 7. 활성화 함수의 종류와 역할"""
- 분류 모델 실습 (로지스틱 회귀)"1. 로지스틱 회귀 모델 학습 2. 여행 소비 성향 분류(고지출자 예측) "
- 모델 평가 지표 이해 I (Baseline)"1. 모델 평가의 필요성 2. 혼동 행렬 3. 정확도 4. 정밀도 5. 재현율 6. F-1-Score 계산 및 해석"
- 모델 평가 지표 이해 II (시각화)"1. 혼동행렬 2. 예측 결과 비교 그래프 3. 확률·수치 시각화 4. 정답별 확률 분포 비교 5. Top 확률 샘플 표 확인"
- 모델 성능 최적화"1. 모델 성능 최적화 필요성 2. 파라미터 vs 하이퍼파라미터 3. 교차검증(Cross-Validation) 4. Grid Search 최적 파라미터 탐색"
- 최적화 전·후 성능 비교"1. Baseline vs 최적화 모델 성능 비교 2. valid / test 비교 3. 혼동행렬과 평가지표 비교"
- 모델 해석 및 소비 영향 요인 분석"1. 로지스틱 회귀 가중치(Weight) 분석, 2. 계수의 +,- 방향 해석 3. 표와 그래프로 소비 영향 요인 시각화 4. 모델 해석의 한계 이해"
- 간단한 웹 서비스 구성 (Streamlit)"1. 여행 소비 고지출자 예측 웹 서비스 구조 이해 2. 사용자 입력을 위한 입력 폼 구성 3. 예측 결과를 시각적으로 출력하는 UI 구성 4. Streamlit–Fast_API 연동"
- 딥러닝 기반 고지출자 예측 모델"1. 딥러닝 도입 필요성과 개념 2. 퍼셉트론·MLP 구조 이해 3. 파이썬 내 딥러닝 환경 구성 4. Dense Layer 기반 이진 분류 모델 구현 5. 기존 데이터로 딥러닝 모델 학습"
- 머신러닝 vs 딥러닝 모델 비교"1. 로지스틱 회귀 vs 최적화된 로지스틱 회귀 vs 딥러닝 모델 성능 비교 2. 모델별 혼동행렬을 통한 예측 결과 분석 3. 성능지표( Accuracy·Recall·F1 비교) 4. 모델 성능 비교 요약표를 통한 종합 분석"
- AI 활용윤리 및 보호체계"1. AI윤리기준 2. AI의 진화와 위험 3. 보호체계 4. AI기본법 및 관련법률 5. 저작권"
- 총 훈련시간41 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
