| |
|
|
| 창원대학교 산학협력단 |
|
[국비무상]
메타버스 플랫폼 구축 및 AI 기술 교육
[C#, Unity, Python, 딥러닝/머신러닝] |
|
다음과 같이 역량있고 유능한 인재를 모집하오니
많은 관심과 지원 바랍니다.
|
|
|
|
| 교육 개요 |
|
| 교육대상자 및 조건 |
○ 미취업자, 구직자, 졸업예정자 (청년층)
* 주민등록상 경상남도 거주자
○ 제조업∙기계∙자동차 산업분야 퇴직자 우대 |
| 교육과목 |
○ C#, UNITY, 메타버스, Python, 딥러닝/머신러닝
* 상세 커리큘럼은 다음페이지에 표기 |
| 교육기간 |
○ 2022년 06월 02일 ~ 09월 13일 (70일간, 7시간/일), 총 490시간
- UNITY 메타버스 플랫폼 구축 교육(6/2-7/14, 30일)
- Python 프로그래밍, 딥러닝/머신러닝 교육(7/15-9/13, 40일) |
| 교육시간 |
○ 09시30분 ~ 17시30분 |
| 교육방법 및 모집인원 |
○ 대면 집체교육
○ 모집인원 20명 내외
* 인원 초과 시 자체 선발 규정(전공, 경력 등)에 의해 선발
○ 프로젝트 기반 실습 위주의 교육
○ 전문 강사를 통한 교육
- UNITY 공인강사 이창배 대표
- AI/딥러닝/머신러닝 전문강사 김윤수 연구원
○ 자격 검정 과정 연계(비용X, 창원대학교 바우처 사용)
- UNITY game developer, Programmer, Artist 중 택1 또는 택2 |
| 교육장소 |
○ 창원대학교 4호관(평생교육원건물) 산학융합기술교육센터 산-106호강의실 |
| 모집기간 |
○ ~2022년 05월 27일 |
| 교육 처우 및 특전 |
○ 국비무상교육
○ 전문가를 통한 면접, 이력서 컨설팅, 채용 알선
* 면접, 이력서 컨설팅 전문 기업 JM커리어
* 경남 고용선제대응지원센터를 통한 기업 채용 알선
○ 수료증 수여(80% 이상 참석 시)
○ UNITY 온라인 교육 추가 제공
○ 교육수당 : 최대 660,000원
(매일 10,000원, 단위기간 80%이상 출석 시 지급가능) |
|
|
|
| 교육 내용 |
|
| 강의 주제 |
1. 메타버스 기술을 통한 스마트공장 공정 시뮬레이션 기술 학습
2. 딥러닝 및 머신러닝 기술 습득을 위한 기초 프로그래밍 학습
3. 딥러닝 및 머신러닝 스킬 체득을 통한 제조 데이터의 분석 및 스마트 공장 구축 실현 |
| 강의 목표 |
1. 메타버스 공정 시뮬레이션
- C# 프로그래밍 기초
- UNITY를 통한 메타버스 환경 구축 기술 습득
- 메타버스 환경내 스마트공장 공정 시뮬레이션을 통하여 공정 효율성 검토 기술습득
2. 기초 프로그래밍
- Python 언어를 사용하여 프로그래밍 기본 구성요소 학습
- Python 언어의 변수 및 함수에 대한 이해
- 객체 지향 프로그래밍에 대한 이해 및 활용
- 프로젝트 설계 및 제작을 통한 기술 습득
3. 딥러닝 및 머신러닝
- 데이터 분석을 위한 도구 사용법 학습
- 딥러닝 및 머신러닝 기초 기술 학습
- 딥러닝 및 머신러닝 프로젝트 수행을 통한 기술 습득 |
|
|
| * 교육내용은 난이도를 고려하여 변경될 수 있음. |
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 1 |
1 |
OT |
유니티 소개 및 수업 방향성 제시 |
제작 사례, 시연영상, 수업 방향성 제시 |
| 2 |
기초 |
유니티 툴 익히기 #1 |
인터페이스익히기, 씬제작, 인스펙터 이해 |
| 3 |
기초 |
유니티 툴 익히기 #2 |
메테리얼, 애니메이션, 에셋스토어 활용 |
| 4 |
기초 |
유니티 툴 익히기 #3 |
프롭 모델 소팅, 게임 모델링, 쉐이더 |
| 5 |
기초 |
유니티 툴 익히기 #4 |
오브젝트 세팅, 충돌, 물리법칙 |
|
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 2 |
1 |
기초 |
유니티 툴 익히기 #5 |
라이팅, 베이크, 애니메이션적용 |
| 2 |
기초 |
유니티 툴 익히기 #6 |
C#스크립트 이해 |
| 3 |
기초 |
유니티 툴 익히기 #7 |
로직짜기, 행동스크립트, 게임 컨트롤러 |
| 4 |
기초 |
유니티 툴 익히기 #8 |
스폰 포인트, 파티클 시스템, 음향효과 |
| 5 |
기초 |
유니티 툴 익히기 #9 |
카메라 세팅, 플레이어 선택, UI 구성 |
|
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 3 |
1 |
기획 |
콘텐츠 제작공정 이해 #1 |
워크플로워 설계 |
| 2 |
기획 |
콘텐츠 제작공정 이해 #2 |
스토리보드 및 컨셉 아트 제작 |
| 3 |
기획 |
콘텐츠 제작공정 이해 #3 |
디자인 리소스 제작 및 에셋 다운로드 |
| 4 |
개발 |
싱글플레이 콘텐츠 제작 #1 |
유니티 세팅 및 기본 공간 구성 |
| 5 |
개발 |
싱글플레이 콘텐츠 제작 #2 |
메테리얼 제작 및 편집 |
|
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 4 |
1 |
개발 |
싱글플레이 콘텐츠 제작 #3 |
C# 및 오브젝트 제어문 제작 |
| 2 |
개발 |
싱글플레이 콘텐츠 제작 #4 |
스마트 펙토리 프로토 타입 세팅 |
| 3 |
개발 |
싱글플레이 콘텐츠 제작 #5 |
에셋 배치, 다이렉트 라이트 세팅 |
| 4 |
개발 |
싱글플레이 콘텐츠 제작 #6 |
씬 제작, 캐릭터 배치, 캐릭터 움직임 적용 |
| 5 |
개발 |
싱글플레이 콘텐츠 제작 #7 |
카메라 설정, UI 배치 및 싱글 모드 완료 |
|
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 5 |
1 |
응용 |
멀티플레이 콘텐츠 제작 #1 |
포톤서버 세팅 및 구현방법 설계 |
| 2 |
응용 |
멀티플레이 콘텐츠 제작 #2 |
캐릭터 선택 동기화 |
| 3 |
응용 |
멀티플레이 콘텐츠 제작 #3 |
카메라 움직임 동기화 |
| 4 |
응용 |
멀티플레이 콘텐츠 제작 #4 |
캐릭터 움직임 동기화 |
| 5 |
응용 |
멀티플레이 콘텐츠 제작 #5 |
UI 동기화 |
|
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 6 |
1 |
응용 |
멀티플레이 콘텐츠 제작 #6 |
콘텐츠 융합 및 최종 빌드 |
| 2 |
점검 |
최종빌드 및 디버깅 #1 |
사용성 평가 및 개별 디버깅 |
| 3 |
점검 |
최종빌드 및 디버깅 #2 |
개별 디버깅 |
| 4 |
점검 |
최종빌드 및 디버깅 #3 |
개별 디버깅 |
| 5 |
최종 |
시연회 |
개별 발표 및 결과물 활용 방법 소개 |
|
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 7 |
1 |
OT |
○ 스마트 공장 구축의 개요
○ 프로그래밍의 필요성 확립 |
○ 스마트 공장 도입 필요성과 추진방향, 활용사례
○ 프로그래밍 기초 언어의 필요성
○ 교육 진행 방향 오리엔테이션 |
| 2 |
기초 |
○ Python 기초에 대해서 배워봅니다 |
○ 변수, 조건문, 반복문, 함수
- 정수, 실수, 부울, 문자열 변수
- if-else, for, while문
- 함수 정의, 지역 변수, 반환문 |
| 3 |
기초 |
○ 배운 내용을 바탕으로 간단한
프로젝트를 제작해봅니다 |
○ 목적 바탕의 프로그램 설계법 학습 |
|
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 8 |
1 |
기초 |
자료형 및 객체지향 프로그래밍에
대해 배워봅니다 |
○ 데이터 저장에 사용되는 자료형
○ 리스트, 튜플 그리고 딕셔너리
○ 객체지향 프로그래밍
○ 객체지향 개념, 클래스와 인스턴스 |
| 2 |
기초 |
객체지향 프로그래밍에 대한
심화 학습을 진행합니다 |
○ 객체지향 프로그래밍
- 멤버 변수, 멤버 함수, 상속
- 오버라이딩, 특수 메서드 |
| 3 |
기초 |
배운 내용을 바탕으로
GUI 프로그래밍을 진행해 봅니다 |
○ GUI 프로그래밍 프로젝트
- pyQt 개요
- 그래픽 구조 설계 및 구현
- 내부 기능 설계 및 구현
- 결과 공유 및 피드백 |
|
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 9 |
1 |
기초 |
numpy : 배열과 벡터의 연산 |
○ Numerical Python
- ndarray : 다차원 배열 객체
- ndarray 자료형 다루기
- ndarray 산술 연산
- 색인과 슬라이싱, 불리언 값으로 선택하기 |
| 2 |
기초 |
pandas : 강력한 데이터 분석 도구 |
○ Pandas
- Series, DataFrame
- 재색인, 삭제, 색인, 선택, 필터링
- 연산과 정렬, 함수 적용과 매핑 |
| 3 |
기초 |
matplotlib : 데이터의 시각화 |
○ Maplotlib
- figure와 서브플롯, 선그래프
- 막대그래프, 히스토그램과 밀도 그래프
- 산포도 |
|
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 10 |
1 |
기초 |
머신러닝 기반 지식에 대한
이해 확립 |
○ 인공지능, 머신러닝 그리고 딥러닝
○ 머신러닝 기초 개념
○ 지도학습과 비지도 학습 |
| 2 |
기초 |
분류 목적의 데이터 분석 :
전처리 진행 방법 학습 |
○ 분류(Classification) 개요
○ 데이터 전처리
- 데이터 가져오기, 데이터 특성 파악, 정제 |
| 3 |
기초 |
분류 목적의 데이터 분석 :
예측모델 설계 방법 학습 |
○ 이진 분류, 다중 분류, 성능 측정
- 최근접 이웃, 로지스틱 회귀
- 결정 트리, 서포트 벡터 머신
- 정확도, 오차 행렬, 정밀도와 재현율
- F1 스코어, ROC 곡선과 AUC |
| 4 |
응용 |
분류 머신러닝 프로젝트 진행 |
○ 분류 머신러닝 입문
- Titanic호 사망자 예측 |
| 5 |
응용 |
분류 머신러닝 프로젝트 진행 |
○ 분류 머신러닝 심화
- 캐글 신용카드 사기 검출 |
|
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 11 |
1 |
응용 |
회귀 목적의 데이터 분석 및 모델링 방법 학습 |
○ 회귀(Regression) 개요
○ 로지스틱 회귀, 선형회귀
○ 경사하강법 |
| 2 |
응용 |
회귀 목적의 데이터 분석 및 모델링 방법 학습 |
○ 다항 회귀
○ 규제가 있는 선형 모델
- 릿지 회귀, 라쏘 회귀, 엘라스틱넷 |
| 3 |
응용 |
회귀 머신러닝 프로젝트 진행 |
○ 회귀 머신러닝 입문
- 집값 예측 |
| 4 |
응용 |
회귀 머신러닝 프로젝트 진행 |
○ 회귀 머신러닝 심화
- 자전거 대여 수요 예측 |
| 5 |
응용 |
앙상블 모델링 학습 |
○ 앙상블 모델링
- 투표 기반 분류기
- 배깅과 부스팅
- 랜덤 포레스트 |
|
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 12 |
1 |
기초 |
딥러닝 기초 |
○ 딥러닝 개요 및 환경설정
○ 선형회귀 및 경사하강법 복습
○ 딥러닝 프레임워크 소개
○ Anaconda를 활용한 환경설정 실습 |
| 2 |
기초 |
인공 신경망 설계 |
○ Feed Forward Network
- 퍼셉트론(인공 뉴런), 신경망 작동원리
- 활성화 함수, 손실함수, 최적화
- 역전파 알고리즘
○ Regularization
- 가중치 초기화,
- Weight Decay(L1, L2), Dropout
○ Optimization
- SGD, Momentum, RMSProp, Adam |
| 3 |
응용 |
심층 신경망 프로젝트 1 |
○ 딥러닝 입문
- 손글씨 데이터 분류(MNIST) |
|
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 13 |
1 |
기초 |
합성곱 신경망(Convolutional
Neural Network)에 대한 이해 |
○ 합성곱 신경망(Convolutional Neural Network)
- 시각 피질의 구조와 이미지 필터링
- 훈련 가능한 필터
- 여러개의 특성맵 쌓기 |
| 2 |
기초 |
합성곱 신경망(Convolutional
Neural Network)에 대한 이해 |
○ 합성곱 신경망(Convolutional Neural Network)
- 합성곱층, 풀링층
- 텐서플로 구현
- CNN예시 : AlexNet, GooLeNet, ResNet |
| 3 |
응용 |
심층 신경망 프로젝트 2 |
○ 작물 잎 사진으로 질병 분류하기 |
|
|
|
| 강좌구성 및 교육내용 |
| 주차 |
회차 |
분류 |
학습목표 |
강의 주제 및 내용 |
| 14 |
1 |
응용 |
심층 신경망 프로젝트 3 |
○ TextCNN을 사용해 국민청원 분류하기 |
| 2 |
기초 |
순환 신경망(Recurrent Neural
Network)에 대한 이해 |
○ 순환 신경망(Recurrent Neural Network)
- 순환 뉴런의 구조
- 순환 신경망층
- 텐서플로 구현 |
| 3 |
기초 |
순환 신경망(Recurrent Neural
Network)에 대한 이해 |
○ 순환 신경망(Recurrent Neural Network)
- 메모리 셀 개념의 도입
- GRU(Gated Linear Unit)
- LSTM(Long Short-Term Memory) |
| 4 |
응용 |
심층 신경망 프로젝트 4 |
○ LSTM을 활용하여 작문 AI 만들어보기 |
|
|
|
| 교육 시설 및 교육장 안내 |
|
○ 깨끗한 교육시설 및 환경 (국도 25선 이용한 편리한 출차)
○ 간식 및 다과 제공
○ 무료 주차권 제공
○ 코로나 예방을 위한 투명 칸막이 설치
○ 20명 이내의 소수 인원 한정 |
|
|
|
| 접수 방법 및 문의 |
|
○ 접수방법 : 사람인 온라인 입사지원 또는 신청서 제출
○ 접수기간 : 2022년 05월 27일 마감 |
|
|
| 참가신청서 다운로드 |
|
| 문의 |
|
○ 전화번호 : 055-213-2972
○ 이메일 : julion2000@changwon.ac.kr |
|
|
 |
