1 인공지능과 빅데이터 개요
개요
- 데이터 마이닝의 등장과 몰락
- 이미지 분류 대회 딥러닝의 부흥
- 알파고 쇼크
- 강화 학습

빅데이터 아키텍처
- 데이터를 어디에서 어떻게 수집해서(센서 웹 등등) 어떻게 효율적으로 저장하는가?

인공지능과 빅데이터 활용 사례
- 자율 주행 자동차 스마트 공장 추천시스템

인공지능 머신러닝 딥러닝 무엇이 같고 무엇이 다른가?

2 다양한 인공지능 서비스

이미지 분석
- 이미지(혹은 영상)에서 정보를 추출하는 다양한 서비스들(코코 데이터 셋 Azure Face API 자율주행차 시뮬레이터 등)

음성 인식
- 구글음성인식 음악 앱 등

텍스트 마이닝 실습
- 인터넷 신문 크롤링 및 텍스트 분석


3 머신러닝(딥러닝) 프로세스 및 모델링 이해

머신러닝(딥러닝) 프로세스
- 데이터 탐색 & 문제정의 모델링 평가 시스템 구축

다양한 알고리즘(뉴럴넷 등)을 활용한 분류문제 모델링 실습
- 클라우드(Azure) 기반 머신러닝 스튜디오
- 흐름구성 및 모델링
- 성능 검증
- 웹 퍼블리시

4 머신러닝(딥러닝) 알고리즘 이해
주요 알고리즘의 원리 이해
- 선형회귀 로지스틱 회귀
- 뉴럴넷
- CNN RNN


5 현장 적용을 위한 핵심 요소
현장의 해결해야 할 문제들과 적용점
- 비즈니스 환경에서 내려지는 의사결정과 기준
- 의사결정 기준에 필요한 정보
- 정보를 제공해주는 모델
- Q&A