▶ 연수과정 : 산업 프로젝트 기반 인공지능 빅데이터 분석가 과정

▶ 연수수준 : Level 5

▶ 연수기간 : (6개월/960시간 교육)-일정은 변경가능(연휴 및 공휴일제외)

▶ 연수시간 : (월~금) 09:30 ~ 18:30 (1일 8시간 점심시간 1시간)

▶ 연수인원 : 25명

▶ 연수비용 : 9,140,160원

▶ 지원자격 : 미취업자, 졸업예정자 , 6개월 동안 충실히 교육이 가능한자

▶ 연수비용 : 전액국비 지원(연수비+교재비+입사지원서 컨설팅+취업지원)

▶ 연수수당 : 6개월간 수당(교통비+식대) 지급

※ 내일배움카드 : 11만 6천원

※ 취업성공패키지 대상자 : 월 40만(1유형에 한하여 취업 시 성공수당 80만원 추가 지급)

▶ 모집마감 : 고용노동부 대상자 선정에 일반과정은 3주, 장기과정은 4주~5주 정도의 기간이 필요합니다.

따라서, 연수과정 신청은 개강일 기준으로 2주 전까지 가능합니다.

정원 선착순 마감

▶ 연수장소 : 글로벌IT인재개발원(2호선 서울대입구역 3번출구 에그엘로우14층)

▶ 우대사항 : IT/SW 관련학과 졸업(예정)자, 정보처리(산업)기사 취득자, IT/SW전문교육 3개월 이상 수료한 자

▶훈련목표

빅데이터 분석에 대한 전반적인 프로세스와 플랫폼의 종류, 활용도를 파악한 후, 빅데이터 분석 과정에서 사용되어지는 언어인 파이썬과 R을 사용법을 익히고, 머신러닝, 딥러닝의 알고리즘을 적극 수용하여 빅데이터의 수집, 저장, 처리, 분석, 시각화를 할 수 있는 오픈소스 소프트웨어의 활용법을 익혀 빅데이터 분석가로써의 초석을 다질 수 있다.

남다른 네 가지 이유

하나. 멋쟁이사자처럼, 프로그래머스, 서울대, 네이버커넥트 등 청년들이 워너비(가고 싶어)하는 43개 혁신교육훈련기관·우수대학 등 참여

두울. 네이버, 마이리얼트립, 솔트룩스 등 청년들의 워너비(취업하고 싶은) 디지털 선도기업이 직접 훈련과정 설계 지원

셋. 개인 맞춤교육으로 비전공자도 워너비(되고 싶은) 디지털 현장 실무인력으로 성장 가능

넷. 청년들의 워너비(듣고 싶은) 우수과정의 비용은 정부가 부담

KDigital Training에 참여하고자 하는 청년은 직업훈련포털 또는 지방노동관서를 통해 국민내일배움카드 발급신청을 해야 합니다.

고용노동부 이재갑 장관은 “코로나19 장기화로 인해 노동시장 진입에 어려움을 겪고 있는 청년들에게 디지털 일자리로 진출할 수 있는 기회를 소개하고 응원의 메시지를 보내기 위해 오늘 라이브 설명회를 마련하게 되었다”면서 “최근 기업들은 디지털 분야 인력 부족을 호소하고 있는 반면 청년들은 충분한 교육·훈련기회 부족으로 디지털 분야 취업에 어려움을 겪고 있어 이러한 미스매치 문제를 해결하는 차원에서 K-Digital Trainng을 추진하게 되었다”고 밝혔다.

■ 연수목적

이 교육은 미래의 일자리를 대비하는 교육이자 새로운 기술의 변화에 빠르게 적응할수있는 능력을 키워주는 교육입니다. 컴퓨터 전공자가 아니더라도 빅데이터와 인공지능에 관심이 있는 사람이면 누구나 미래에 다가올 알고리즘 사회에 적응할수 있는 기술력을 키우는 교육을 받아야 합니다. 지금 우리가 감탄하고 놀라는 기술들도 처음엔 호기심 많은 누군가의 필요와 동기에 의해 만들어졌습니다. 저희는 이 교육을 통해 바로 그 동기부여를 교육생들에게 심어주려 합니다. 변화의 와중에 마주할 문제들을 상상하고 하나하나 풀어가겠다는 강한 동기부여를 이 교육을 통해 같이 이루어나가도록 하겠습니다.

1) 응용SW 산업현장에서 필요로 하는 기술,지식, 소양을 갖추기 위해 NCS능력단위를 기반으로 이론, 실습, 프로젝 트 교육을 실시하여, 관련분야에서 직무를 성공적으로 수행할수 있는 인재양성이 가능한 훈련입니다.

2) 웹서비스에서 빅데이터는 이제는 당연한 기술이 되었습니다. 빅데이터는 분산처리나 데이터의 수집도 필요하지만, 가장 중요한 것은 빅데이터를 가치가 있는 ‘정보’로 분석하는 것입니다.

그리고 이제는 ‘정보분석’을 넘어, 분석된 정보를 통해 웹애플리케이션 스스로가 학습하는 인공지능 머신러닝이 가장 중요한 기술이 되었습니다.

딥러닝은 이메일 필터링 서비스부터, 쇼핑몰이나 영화 연관 추천 시스템, 문자 / 음성 인식, 이미지를 분석하여 얼굴을 알아낸 후 나이를 추측하고, 자연어나 연관 검색어를 처리하는 등 다양한 심층분석을 할 수 있습니다. 본 훈련은 이러한 웹애플리케이션을 개발할 수 있는 R과 파이선을 활용하여 빅데이터 / 딥러닝 개발자 양성에 중점을 둔 과정입니다.

■ 진출분야

머신러닝 알고리즘에 대한 연구는 수 년간 진행되어 왔지만, 2016년에 들어서 주요 IT 트렌드 중 하나로 급성장했다. 머신러닝 알고리즘은 강력한 프로세서, 빅데이터 수집 아키텍처, 그리고 오픈소스 소프트웨어의 실행이 가능해지면서 모든 종류의 데이터에 적용이 가능해졌다.

2017년 머신러닝은 모든 산업분야에서 혁신을 선도하는 기반 기술로써 그 중요성이 더욱 확대될 것으로 전망된다. 특히, 네트워크 분야에서 머신러닝 기법은 이전에는 해결할 수 없다고 여겨졌던 문제들에 적용될 것이다. 2016년에 나타났던 기술 인재의 부족 현상은 2017년 뛰어난 머신러닝 과학자와 엔지니어에 대한 수요가 증가하게 되면서 더욱 심화될 것으로 보인다. 또한, 머신러닝은 SDN및 NFV와 결합돼 차량 네트워킹, IoT, 모바일 엣지 컴퓨팅(MEC), 클라우드, 보안을 위한 차세대 플랫폼을 구축하려는 업체들에게 핵심 경쟁력이 될 것으로 전망된다

■ 세부 커리큘럼

자바 기초

- OOP 언어의 이해, 자바 개발 환경 설치 식별자, Data Type, 상수

- 분기문(if, switch 문), 반복문(while, for, do~while)

- Class 구조(클래스 이름 지정 방법), 객체 생성

- Attribute(멤버 변수), 멤버 메소드, 상속

- Interface, 접근 제한자, Autoboxing

- 동기화 처리를 위한 Thread, Socket 네트워킹

- DBMS MySQL 서버 설치 및 설정, 데이터베이스 생성

- MySQL JAVA 연동, SQL, Connection

JSP/

웹표준(HTML5, CSS3

,Javas c r i p t)

웹 프로그래밍

- 웹 표준의 이해와 개발 기준

- HTML5 기본 태그 기능 이해 및 실습

- CSS3 기본 스타일 기능 이해 및 실습

- JavaScript 문법 이해 및 실습, 이벤트 처리, Form 데이터 접근 처리

- Eclipse WTP 설치, Servlet 생명 주기, 실행 원리

- JSP 기본 문법, 스크립틀릿, 메소드 선언

- JSP 내부 객체, request, response, Form 처리

- 게사판 관련 제작

- JDBC 연동 처리, DTO, DAO Beans의 선언

- 자료 등록, 자료 목록, Paging, 자료 보기

- 자료 수정, 자료 삭제, 답변, 인쇄, 검색 구현

- 관리자 관련 개발

- Beans, 회원 추가, 중복 아이디 검사, 우편번호 검색, 중복 이메일

- 목록 보기, 정보 보기, 수정, 삭제, 패스워드 변경

- Session 로그인, cookie의 활용, 로그

Spring 4 Framework,

MyBATIS 3 Framework

- JSP Model 2(MVC:Model, View, Controller)의 아키텍쳐, 한글 변환

- JSP forward action tag, JSP Servlet class 변환 분석

- Spring 4.0의 설치, DI(Dependency Injection)의 구현

- @Controller, @Component, @Autowired, @Resource 에노테이션

- @RequestMapping, @Qualifier 에노테이션 에노테이션

- AOP(Aspect Oriented Programming)

- MyBATIS 3, Maven 설정, 기초 문법

- AOP 기반 Transaction의 구현 실습

- AOP 기반 인증의 구현 실습

- Oracle 기본 설정

- Oracle DBMS 정규화에의한 회원 모델링

- 회원 Application 제작 실습

- 사용자 및 관리자의 세션 관리 구현

- Oracle DBMS 정규화에의한 자료실 모델링

- 자료실 Application 제작 실습, 파일 업로드, 다운로드의 구현

데이터베이스

입출력

- 빅데이터 분석(Web, OpenAPI, 공공데이터포탈)

- 빅데이터의 수집 방법(일괄,점증적,오픈데이터베이스)

- 빅데이터 저장 방법(파일,DBMS)

- 데이터베이스 환경구축

- 데이터베이스 설정, 계정의 생성, 권한 부여

- 테이블 스페이스 할당, 계정 잠금과 해제

- Data Source Explorer 접속 Client 설정, JDBC 드라이버 설정

- S e l e c t, I N S E R T, DELETE, U P D A T E, WHERE 조건, 정렬, GROUP BY 문

- 단일행 함수, 그룹화 함수, 통계 데이터 산출 실습

- 데이터베이스 설계, 정규화와 JOIN

R /파이썬 프로그래밍

- 프로그래밍 환경구축

- 데이터셋 - 조건문 / 반복문 / 함수

- 데이터 익덱싱

- 데이터 입출력

- 패키지 활용 / 오픈 소스 적용

빅데이터 수집/저장

- 빅데이터 수집방안 계획

- 프로그래밍언어를 활용한 데이터 수집 - 웹크롤링 오픈정보 수집

- 누적된 파일정보 탐색 - 파일 및 DBMS 를활용한 수집데이터저장

빅데이터 머신러닝의 이해

Machine Learning 통계와 확률

- 상관분석 및 회귀분석, 선형 회귀

- 로지스틱 회귀 - 그래프 시각화

Machine Learning 분류 및 군집

- 연관분석, 의사결정 트리

- 클러스터링 - 다양한 분류모형

빅데이터

애플리케이션 개발

- 빅데이터 분석용 데이터 구축

- 빅데이터 플렛폼 기획 및 구성

인공신경망(Neural Networks) 기초

- 설치 및 환경설정

- 인공신경망(Neural Networks)의 개념

딥네크웍 아키텍쳐와 생성

- layer 설정 및 분석

- 모델링과 시간규모 설정

- 알고리즘의 구현

빅데이터 웹 시각화

- 분석데이터 시각화

- 차트 및 이미지를 활용 한 시각화