□ 과 정 명: 해양특화 AI·DX전문인력 양성과정 교육 □ 모집기간: 2025.12.24.(수) ~ 2026.1.9.(금) □ 교육대상: 국립한국해양대·경남정보대·부산과학기술대 대학·대학원 재학생 50명 □ 교육기간: 2026.1.12.(월) ~ 2026.2.6.(금) □ 교육방법: 온라인 교육 *자체 플랫폼 □ 문 의: RISE사업단 051-410-7668 □ 교육내용 - AI 기술을 활용한 자율주행·머신러닝 콘텐츠 차수 | 내용 | 상세 내용 | 1회차 | 자율주행의 개요 및 데이터 활용 | 자율주행 시스템 이해 해양 분야 데이터 흐름의 파악 및 센서 데이터처리 데이터 시각화 실습 객체 인식 기본 개념 | 2회차 | 머신러닝 기초 I | AI와 머신러닝 원리 주요 라이브러리 소개 해양 도메인 데이터 적용 실습 분석 절차 및 기본 수학 요소 | 3회차 | 머신러닝 기초 II | 회귀 모델링 분류의 기초 비지도 학습 활용 사례 의사결정나무 기반의 해양 안전 데이터 분석 | 4회차 | 딥러닝 입문 (TensorFlow) | 퍼셉트론 구조 이해 TensorFlow 학습 흐름 해양 물류 데이터 사례 적용 딥러닝 적용 한계 및 고려 사항 | 5회차 | LLM과 데이터 서비스 설계 | 챗봇의 구조 개념 데이터 기반 서비스의 구성요소 RAG/LangChain의 기본 흐름 해양 DX서비스 기획 | 6회차 | CNN 기본 원리 | 이미지 데이터 구조 분석 CNN 아키텍처 기초 항만 및 선박 이미지 활용 | 7회차 | RNN과 시계열 모델 | RNN 구조 비교 LSTM/GRU의 특징 해양 기상 시계열 데이터 처리 | 8회차 | YOLO 기반 객체 검출 | 객체 검출 개념 YOLO의 구조 및 동작 방식 선박/부표/항만의 시설 인식 사례 |
- 파이썬 기초 사전교육 콘텐츠 주제 | 내용 | 상세 내용 | ChatGPT | 기본 활용의 이해 | ChatGPT 개요 역할 정의, 문서 구성 및 확장 활용 해양 도메인 데이터 분석 지원 | 프롬프트와 신뢰성 확보 | 효과적인 프롬프트 작성 해양 분야 질문 설계 방식 응답의 품질과 신뢰성 향상 기법 | 데이터 분석 실습 | 해양 데이터 흐름 파악 및 분석 실습 데이터 정리 및 처리 과정 이해 간단한 시각화 제작 | 응용 정리 | 학습의 핵심 내용 요약 해양 사례 중심 응용 아이디어 정리 | 파이썬 기초 | 파이썬 기본 문법 | print 출력, 산술 연산 변수와 자료형 이해 해양 관련 샘플 실습 | 제어문과 함수 | 조건문과 반복문 기초 데이터 처리 흐름 구성 함수 정의와 호출 | 자료구조와 파일 처리 | 리스트, 딕셔너리 등 기본 자료구조 파일 읽기/쓰기 실습 해양 관련 파일 입출력 예제 | 실습과 오류 대응 | 간단한 프로그램 구성 데이터 처리 중에 발생하는 오류 확인 예외 처리 기법 | 실전 파이썬 라이브러리 활용 | 라이브러리 개요 및 설치 | 라이브러리의 개념 이해 데이터/AI 라이브러리 설치 방법 해양 도메인 실습 예제 | 라이브러리 실습 적용 | 다양한 라이브러리 불러오기 실제 코드 적용 중심의 실습 데이터 분석 및 아이디어 탐색 | 코드 공유와 확장 | 코드 관리 및 재사용 방법 협업 방식 이해 오픈소스 활용 및 확장 경험 |
|
