개강일 지남
AI 개발을 위한 기초역량 패키지: Python·수학·통계·ML
(주)유비온 · 20회차 · 서울 구로구
Python머신러닝K-디지털기초
프로그램 요약
- 수업일정
- 2026.08.08 ~ 2026.09.07약 1개월
- 모집정원
- 200명
- 총 시간
- 미표기
- 학습장소
- 서울서울특별시 구로구 디지털로34길 27온라인
- 강의장
- 대륭포스트타워3차 6층 601호
- 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
- ✓[공통조건]
- ✓국민내일배움카드를 소지하고 있는 자
- ✓원격훈련 참여가 가능한 PC/인터넷 환경을 보유한 자
- ✓정해진 학습 기간 내 강의수강·실습과제·프로젝트 수행이 가능한 자 [학력 및 전공]
- ✓학력 및 전공 무관
- ✓기초과정 특성상 비전공자도 수강 가능하되, 수학/코딩 기반 학습을 포함하므로 학습 의지가 높은 훈련생에게 적합함. [선수학습/학습수준]
출처 · 기관 랜딩페이지 · 제도 요건
커리큘럼
고용24 등록 교과목 28개 보기
- 교과목단원명
- [분류및평가] 신경망 구조 이해 (2)1. 딥러닝의 비선형성 2. 딥러닝 학습과정
- [분류및평가] 신경망 학습 구조1. 경사하강법 적용 방식 2. Backpropagation 개념 3. Batch와 Epoch 개념
- [분류및평가] 공공데이터 기반 분류 신경망 모델 구축(실습)1. 분류용 신경망 모델 구조 2. 모델 학습·예측 결과 해석
- [프로젝트실습] 프로젝트 기획1. 분석 전체 흐름 정리 2. 금융 데이터에서 타깃 변수의 의미
- [프로젝트실습] 프로젝트 실습(1)1. 대출 여부(y) 기준 데이터 구조 2. 생활·소비 패턴 기반 고객 비교 3. 클래스 불균형 문제
- [프로젝트실습] 프로젝트 실습(2)1. 모델링을 위한 데이터 준비 2. 전처리·Feature 설계 영향 3. 마케팅 관점 Feature 선택 기준 4. 분류 모델 성능 비교 5. Precision·Recall 중심 평가 6. 모델 결과의 마케팅 해석
- [프로젝트] 단계별 최종프로젝트전처리부터 RF·DL 학습과 결과 해석을 수행하는 최종 프로젝트 실습
- [기본준비] 컴퓨팅사고(CT) 기반 문제정의1. 컴퓨터사고력(CT) 4단계 2. CT 관점에서의 AI·데이터분석 3. CT 관점에서의 소프트웨어 개발
- [기본준비] AI 리터리시 & AI 법률과 윤리1. 데이터 보안과 AI 리터러시(AI Literacy) 2. 생성형AI와 저작권법 3. AI 리터러시와 소프트웨어 개발의 관계 4. 생성형 AI의 이해와 한계점 5. AI 기본법 및 윤리 기준
- [기본준비] 개발환경 구축 및 Python 핵심 문법 실습1. 주피터 노트북(Jupyter Notebook)의 구조 2. Python · Jupyter · VS Code 개발환경 구성 3. 구글 코랩(Colab) 딥러닝 학습 환경 4. GitHub의 개념과 활용 방식 5. Python 핵심 문법 개요
- [기본준비] 데이터 처리 기본 실습과 Label Encoding1. 데이터 종류와 변수 개념 2. 파이썬 데이터 타입과 라이브러리별 타입 3. 라이브러리 기반 데이터 처리 구조 4. Pandas 기반 테이블 데이터 조작 5. 제어문(조건문·반복문) 구조
- [기본준비] 공공데이터 Open API수집·EDA1. 공공데이터 수집 방법 2. Open API 호출 기본 구조 3. JSON 및 CSV 파일 형식 4. 데이터 전처리 기초 5. 탐색적 데이터 분석(EDA)
- [실습과제] Open API 데이터 EDAOpen API에서 API를 발급하고 Python으로 API 기반 데이터를 요청하고 시각화하는 실습
- [기본준비] 데이터 전처리와 모델링 준비1. EDA 기반 이상치 탐색 2. Train/Test 데이터 분리 개념 3. 데이터 스케일링 기법 4. 전처리 전·후 데이터 비교 5. 모델링 사전 준비 단계
- [기본준비] Feature Engineering/ 상관분석, 히트맵1. 타깃 변수(y)와 문제 정의 2. 모델링 기초 요소와 인식기준 3. 상관분석 개념과 종류 4. 다중공선성 개념
- [기초수학] 선형대수 기초: 벡터·행렬·내적·유사도 이해1. 지수함수와 로그함수 2. 삼각함수 3. 벡터와 행렬
- [기초수학] 미적분 기반 Loss·Gradient Descent(경사하강법)1. 극한·미분·편미분 개념 2. 경사하강법 원리 3. 미분과 머신러닝 활용
- [기초수학] 통계 기초: 기술통계 & 분포 이해1. 기출통계 2. 평균·분산·표준편차 3. 연속확률분포와 이산확률분포 4. 통계 검정 기본용어
- [실습과제-평가] AI를 위한 기초 수학 평가기초 선형대수 연산(덧셈, 내적, 코사인유사도)과 고유벡터, 편미분 기초연산에 대한 이해도를 측정하기 위한 평가
- [모델링] 머신러닝 지도학습(Supervised Learning): 회귀(Regression (Analysis))1. 머신러닝의 유형 2. 회귀분석과 분류분석 3. 회귀분석 절차와 성과 평가 4. 선형회귀 모델과 손실 함수
- [모델링] 머신러닝 지도학습(Supervised Learning): 분류(Classification (Analysis)) 이해 및 성능평가1. 분류분석 모델 이해 2. 분류분석 절차 3. 분류모델 성능평가
- [기초수학] 행렬곱(WX+B) 기반 모델 구조 이해1. 행렬의 기본 연산 2. 행렬식 개념 3. 고유값과 고유벡터 4. 선형변환과 머신러닝 연결
- [모델링] Tree 기반 Model1. 트리 모델의 판단 원리 2. 의사결정나무·Bagging·Boosting·앙상블 3. 하이퍼파라미터 최적화
- [모델링] 분류분석의 핵심 메커니즘1. 분류모델의 확률 출력 구조 2. Sigmoid와 Softmax 함수 3. Threshold(임계값) 개념 4. 다중분류 성능평가 지표
- [모델링] 분류 모델 평가 심화1. 분류 핵심 구조 2. Entropy·Cross Entropy·KL Divergence 개념 3. 분류 문제의 주요 이슈 유형
- [분류및평가] 신경망 구조 이해 (1)1. AI 역사적 흐름 2. 뉴런·은닉층
- 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
