개강 D-4
프로젝트 기반 임베디드&온디바이스 AI 실무 양성과정
성균관대학교산학협력단 · 1회차 · 경기 수원시
AWS임베디드K-디지털
프로그램 요약
확인 불가(페이지 접근 제한)
- 모집마감
- 개강 전까지
- 수업일정
- 2026.08.18 ~ 2027.01.07약 5개월
- 모집정원
- 30명
- 총 시간
- 768시간
- 학습장소
- 경기경기도 수원시 장안구 서부로 2066오프라인
- 강의장
- 성균관대학교
- 수강료
- 미공개 상담 시 확인
출처 · 고용24 등록값 · 기관 표기분은 별도 표시
어떤 분이 수강하면 좋을지
- ✓전공·학력 무관 — K-디지털 트레이닝은 제도상 전공을 보지 않습니다
- ✓공통 Python 기반 프로그래밍 / Lunux 역량 보유자
- ✓데이터 및 AI 기초 이해 역량 보유자
- ✓시스템 및 운영 관점 기초 역량 보유자
출처 · 기관 랜딩페이지 · 제도 요건
커리큘럼
고용24 등록 교과목 11개 보기
- 임베디드 & 온디바이스 AI 직무 이해- AI 기술의 산업 적용 흐름 변화( 엣지·온디바이스 중심) - 제조·설비·에너지 산업에서 온디바이스 AI가 요구되는 구조적 배경 - 실시간 판단, 네트워크 지연, 보안·안정성 관점에서의 온디바이스 AI 필요성 - 임베디드 AI 엔지니어의 역할과 책임 범위 - AI 모델 개발자와 온디바이스 AI 엔지니어의 역할 차이 - 실제 산업 현장에서 요구되는 AI 시스템 구성 요소 이해 - 단순 모델 개발과 운영 가능한 AI 시스템의 차이 인식 - AI 캠퍼스 사업 취지와 본 과정의 정합성 이해
- 산업 데이터 이해 및 데이터 설계- 실제 산업 데이터를 기반으로 한 데이터 구조 설계 실습 - 데이터 수집 주기 및 해상도 설정 실습 - 누락 데이터 및 불완전 데이터 처리 사례 실습 - 데이터 구조 변경에 따른 모델 학습 결과 비교 - 현장 환경 변화에 따른 데이터 분포 변화 확인 실습 - 운영을 고려한 데이터 설계 시뮬레이션
- 데이터 정제·라벨링·품질 관리- 실제 산업 데이터를 활용한 정제 작업 수행 - 노이즈·결측치·이상치 처리 실습 - 라벨링 기준 적용 및 오류 수정 실습 - 데이터 불균형 완화 전략 적용 - 데이터 품질 개선 전·후 모델 성능 비교 - 장기 운영을 고려한 데이터 관리 시나리오 실습
- 온디바이스 AI 모델 구현 및 실습산업 이미지 데이터 기반 AI 모델 구현 - 정상/불량 분류를 위한 이미지 분류 모델 구현 - 경량 CNN 기반 모델을 활용한 분류 실습 - 시계열·전력 데이터 기반 이상 탐지 모델 구현 - Statistical-based 이상 탐지 모델과 AI 기반 이상 탐지 모델 비교 - 데이터 전처리부터 학습까지 전체 파이프라인 구현 - 정규화, 결측 처리, 데이터 분할을 포함한 학습 구조 구현 - 반복 실험을 통한 모델 성능 개선, 학습 파라미터 변경에 따른 성능 비교 - 오탐·미탐 사례 분석 및 원인 파악 - 오류 사례를 반영한 모델 구조 및 설정 개선 - 운영 환경 변화(노이즈, 데이터 분포 변화)에 따른 모델 재적용 실습 - 운영 관점에서 모델 안정성 검증
- 모델 경량화 및 최적화 이론- 임베디드 환경 제약 조건을 정량적으로 정의하는 방법 - CPU/GPU 연산량, RAM 점유, 모델 파일 크기, 추론 지연시간(latency), 처리량(throughput) - 모델 크기·연산량·지연 시간의 관계를 실제 배포 관점에서 해석 - 정확도 1% 개선 vs 지연 30% 증가와 같은 트레이드 오프 의사결정 방식 - 경량화 접근법 분류 및 적용 조건 1) 구조 단순화(경량 백본 선택, depth/width 조정) 2) 파라미터 감소 전략(pruning 개념, 채널 감소) 3)양자화(Quantization) FP32→FP16→INT8 개념, Post-Training Quantization(PTQ) vs Quantization-Aware Training(QAT) 개념 - 최적화 산출물 정의 - 배포 가능한 모델의 기준(모델 포맷, 런타임 호환성, 목표 지연시간 충족 등)
- 모델 경량화 및 최적화 실습- 경량화 적용 실습(실제 모델 대상으로 수행) - TensorFlow Lite 변환(TFLite Converter) 또는 ONNX 변환(ONNX Export) 중 1개 이상 수행 - INT8 양자화 적용(가능 시 Calibration 데이터로 PTQ 수행) 성능 비교 실습(필수 정량 비교) - 정확도 지표(Accuracy/F1) - 추론 지연시간(ms) 측정(단일 추론/배치 추론 구분) - CPU 사용률/메모리 점유 측정(측정 방법 포함) - 운영 가능성 판단 실습 - 목표 지연시간 기준 충족 여부 - 정확도 하락 허용 범위 설정 및 합리화 - 경량화 모델 적용 시 품질 리스크(오탐/미탐 증가) 평가 - 산출물 - 경량화 전/후 비교표(지표/지연/자원/모델 크기) - 배포 모델 선택 근거서
- 온디바이스 배포 및 운영 구조 이해- 온디바이스 AI 배포 구조 설계 원칙 - 모델 파일 배포(파일 기반) vs 컨테이너 기반 배포 개념(현장 적용 관점 비교) - 디바이스 추론 실행 구조 - 입력 수집(카메라/센서) → 전처리 → 추론 → 후처리 → 알람/저장 흐름 - 로그 설계(운영 핵심) - 추론 결과 로그, 실패 로그, 지연시간 로그, 입력 품질 로그(예: 밝기/노이즈 수준) - 왜 틀렸는지, 추적 가능한 로그 설계 원칙 - 모니터링 지표 정의 - 추론 지연, 처리량, 알람 빈도, 오탐률 추정 지표, 재학습 필요 신호(드리프트) - 업데이트/롤백 전략 - 모델 버전 관리, A/B 적용 개념, 문제가 생겼을 때 즉시 롤백하는 기준 - 장기 운영에서 발생하는 대표 문제 분석 - 환경 변화(조명/설비/센서), 데이터 드리프트, 성능 저하, 알람 과다 - 운영 안정성 확보 요소 - 장애 대비(재시도/버퍼링), 안전장치(알람 rate limit), 운영 체크리스트
- AWS 기반 학습·저장·운영 연계SageMaker 기반 학습 구조 이해 - 데이터(S3) → 학습 Job → 모델 아티팩트 저장 → 배포/활용 흐름 실험 관리 및 모델 버전 관리 개념 - 실험별 파라미터/결과 기록의 필요성과 운영 관점 의미 S3 기반 저장 구조 설계 원칙 - raw/processed/model/report 구분, 버전 폴더링, 접근통제 개념 Lambda/DynamoDB의 역할 - Lambda: 자동 실행 트리거(적재/평가/리포트 생성) - DynamoDB: 모델/실험 메타데이터 및 운영 상태 저장 온디바이스 AI와 클라우드의 분업 구조 - 온디바이스: 실시간 추론/알람 - 클라우드: 학습/집계/리포트/운영 정책 업데이트 - IoT코어 학습 및 엣지 연결 구조 학습 S3 데이터·모델 저장 구조 실습 - 데이터 업로드/다운로드, 폴더 구조 설계, 버전 관리 규칙 적용 Lambda 기반 자동 처리 흐름 실습 - 특정 이벤트(S3 업로드 등) 발생 시 평가/리포트 생성 트리거 개념 구현 DynamoDB 메타데이터 관리 실습 - 실험 결과/모델 버전/평가 지표 저장 구조 설계 온디바이스 추론 결과의 클라우드 연계 구조 구현 - 추론 결과를 저장/집계/분석 가능한 형태로 구조화하여 연동
- 최종 프로젝트주제1)자동차 다이캐스팅 부품 이미지 기반 온디바이스 불량 판별 시스템 구축 주제2)식품 제조 최종 공정 이미지 기반 품질 이상 탐지 시스템 구축 주제3)제조 공장 실시간 전력 데이터 기반 온디바이스 이상 징후 탐지 시스템 구축
- 커리어코칭- 취업 컨설팅 특강 - 커리어 멘토링 특강 - 실전 면접 특강
- 총 훈련시간768 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 트레이닝은 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 랜딩페이지 https://www.skkukdt.re.kr/archive-page.html?id=skku-ai-1779753881537
고용24 2026-08-14 기준 · 매일 갱신
