 |
|
 |
|
 |
|
|
|
- 기간 : 2019년 5월 10일 18시까지
- 인원 : 총 48명 ※ 면접전형을 통한 최종 수강대상자 선발(면접 일정은 추후 통보) |
|
|
|
|
- 만 34세 이하(내국인) 미취업자
- 2020년 3월 이전 4년제 대학 졸업(예정)자(전문대학은 기 졸업자만 가능 대상)
※ 모집 시점에 재직자는 제외(4대보험 가입여부 기준) |
|
|
|
|
- 로봇 활용 기본 능력 보유자 우대 (Linux, ROS 활용 경험)
- 기본 코딩능력 보유자 우대 (Python, C, C++)
- 전기, 전자, 컴퓨터, 기계공학 등 로봇 및 인공지능 관련 전공자
|
|
|
|
|
- 교육기간 : 2019년 6월 3일 ~ 11월 말 경 (6개월)
- 교육시간 : 주 5일(월~금, 09:00 ~ 18:00)
※ 강사 및 과목에 따라 강의 일정 및 시간 변동 가능
- 교육장소 : 서울 |
|
|
|
|
- 교육비 전액 무료
- 국내 명문대학 현직 교수 강의 및 실제 기업 수요 기술 기반 커리큘럼 운영
- 해외(실리콘밸리) 및 국내기업 취업 연계지원(국내외 12개 기업과 협력 네트워킹)
- 수료증(과기정통부) 발급
- 기타(식비, 교통비(교통카드)), 보험, 응시료(TOPCIT)
- 취업기업 컨설팅, 이력서 및 자소서 컨설팅 등 |
|
|
|
|
- 전화 : 한국로봇융합연구원 금보라 연구원 (054-279-0408)
- e-mail : look@kiro.re.kr
- 카카오톡 플러스 친구 : 로봇인공지능전문가 |
|
|
|
|
- 제출서류 : 지원서 양식 참고(지원서에 사진첨부)
- 지원방법 : 하단 지원서 다운작성 후 사람인 온라인 접수 또는 이메일(look@kiro.re.kr) 제출 (우편 접수 불가)
|
|
|
 |
|
|
|
 |
|
|
|
|
|
 |
|
|
|
| 과목 |
교육 내용 |
강사진 |
System
Engineering
Foundation |
Linux, ROS |
Linux (예: Ubuntu 16.04) 기본 교육
(Make, shell programming, git 활용 등), ROS Cakin distribution
소개 및 활용도 설명 |
로봇 분야 전문가 |
coding
(Python, C++) |
Python과 C++ programming 과 실습, Jupyter notebook을 활용한
documentation. Python을 이용한 ROS 실습, Linux환경에서
Linux환경에서 ROS node, ROS package 활용 및 개발 |
전문 프로그램 강사 |
| Mobile Robotics |
ROS Navigation stack을 활용하여 Homogeneous coordinates을
이용한 rigid body transformation, 자전거 모델과 같은 모바일
로봇 기구학, SLAM 원리, 맵 빌딩 및 위치 인식, 경로/모션
제어를 강의하고 실습 |
고려대 정우진 교수 |
|
|
|
|
| 과목 |
교육 내용 |
강사진 |
| Machine Learning 기초 |
다변수 정규분포, bias와 variation 등의 확률 통계 기초, 선형대수
기초, 경사하강법(gradient descent)과 같은 최적화 방법의 기초,
회귀(regression) 및 분류(classification) 기초 (SVM, decession tree)
원리를 이해하고 Python/C++로 실습함. |
한양대 이상근 교수 |
| Machine Learning 중급 |
Bayes filters, Unsupervised learning, reinforcement learning의 원리를
이해하고 K-mean, EM, Gaussian mixture, Kalman filter, Particle filter 등을
Python/C++로 실습함. |
중앙대 김중헌 교수 |
| Visual Perception 초급 |
pin-hole model, 렌즈 모델, 3차원 공간에서의 좌표변환
(homogenous transformation, quaternion), image processing, SURF,
ORB, SIFT, HOG와 같은 image feature, image feature를 이용한
물체인식과 분류, 스테레오 비전의 기초가 되는 epipolar geometry와
같은 컴퓨터 비전의 기초 |
숭실대 이정진 교수 |
| Visual Perception 중급 |
신경망(Neural network)의 원리 (back-propagation 포함), DNN, CNN,
Tensorflow, 객체 인식의 이론 교육 및 실습
|
가톨릭대 강호철 교수 |
|
|
|
|
| 과목 |
교육 목표 |
| 객체 인식 및 추종 |
본 프로젝트에서는 Amazon Go와 같은 무인편의점을 모사한 Living lab에 한 개
혹은 다수의 카메라에서 획득된 영상에 인공지능 기술을 적용하여 다수의 고객을
인식하고 추종할 수 있는 프로그램을 개발하고 평가함. 이러한 기술은 자율주행차
혹은 차세대자동차를 위한 주행중 차량 및 보행자 인식에 응용될 수 있음. |
| 얼굴 인식 및 추종 |
얼굴 인식을 통한 출입문 개폐에 한 개의 고정된 카메라에서 획득된 영상에
인공지능 기술을 적용하여 고객의 얼굴을 인식할 수 있는 프로그램을 개발하고
평가함. 이러한 기술은 무인편의점의 결재 시스템에 활용될 수 있음.
|
| Mobile Robot Indoor Navigation 1 |
A 지점에서 B 지점으로 자율 주행하는 기술을 개발하고 TurtleBot2 혹은 Create2와
같은 모바일 로봇에 적용하여 이동 기술의 성능을 평가함. 이러한 기술은
무인편의점의 재고 관리에 활용할 수 있음. |
| Mobile Robot Indoor Navigation 2 |
원격지에 위치한 조정자가 Amazon Go와 같은 무인편의점을 모사한 Living lab
환경에 있는 로봇을 임의의 A 지점에서 B 지점으로 반자율 주행을 기반으로 원격
조정하는 기술을 개발하여 TurtleBot2 혹은 Create2와 같은 모바일 로봇에 적용하여
이동 기술의 성능을 평가함. |
| Mobile Robot Indoor Navigation 3 |
모바일 로봇이 자율적으로 상점 곳곳을 이용하여 상품의 재고를 파악하는 서비스를
구현하는 것으로 TurtleBot2 혹은 Create2와 같은 모바일 로봇에 적용하여 이동
기술의 성능을 평가함. 이러한 기술은 인공지능을 활용한 인식, 모바일 로봇의 위치
인식 및 자율이동, 작업계획을 총괄하는 도전적인 과제임. |
|
|
|
|
|
|
 |
|
| 주요업무/추진일정 |
4월 |
5월 |
6월 |
7월 |
8월 |
9월 |
10월 |
11월 |
12월 |
교육생 모집 및
운영 준비
TOPCIT 응시 |
|
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
SE 및 이동
로봇 기초 교육 |
|
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| 인공지능 교육 |
|
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| 교과 과제 |
|
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| 중간 평가 |
|
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| 수준별 프로젝트 진행 |
|
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
수요기업 및
전문가 초청 교육/강연 |
|
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
최종 평가 및
성과 발표회 |
|
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| 취업 연계 |
|
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
|
|
 |
