모바일 메뉴 열기

국민대학교 경영대학원

 

산학협력프로그램

 

AI실무능력인증과정

AI와 빅데이터 지식을 현업에서 펼쳐나갈 전문 인재를 양성합니다.

AI실무능력인증과정은 현업에서 바로 활동할 수 있는 AI실무 전문가를 양성하기 위해
국내 최초(2013년 개설)의 AI빅데이터 분야 대학원 석사과정을 운영중인 국민대학교 경영대학원
우리나라 지능형 정보시스템의 발전을 선도해 온 한국지능정보시스템학회가 공동으로 개설한 과정입니다.

현재 AI빅데이터 현업에서 활동 중인 최고 수준의 교수진이 함께하는 AI실무능력인증과정은 기업의
디지털트랜스포메이션을 선도할 수 있는 실무 노하우 중심의 인재를 배출하기 위해 노력하고 있습니다.

교육목표

AI실무능력인증과정 교육목표확대
대외적으로 인정받을 수 있는 포트폴리오 구축
  • 학회 발표를 통해 검증된 우수한 프로젝트 결과물
  • 대부분의 AI 문제에 적용할 수 있는 범용 파이프라인 구축
AI프로젝트 수행 역량
  • End-to-End AI프로젝트 수행 경험
  • AI기술로 해결가능한 문제의 정의, 프로젝트 계획, 모델링 및 결과물 도출까지 전주기 수행 능력
노하우에 기반한 AI실무 역량
  • 실무에서 도입되고 있는 최신 AI기술에 대한 이해
  • AI전문 교수진의 노하우 전달로 현업에서 필요로 하는 실무 역량 함양
협업을 통한 커뮤니케이션 역량
  • 활발한 팀 구성원간 커뮤니케이션을 통한 협업 역량
  • 프로젝트 수행 경험을 공유하는 전문교수진과 팀 구성원 간 전문 인적네트워크 확보

특장점

실무 프로젝트 중심의 커리큘럼

AI기술을 필요로 하는 기업 등 현업에서는 AI기술에 대한 이해 뿐만 아니라 관련 분야에 대한 폭넓은 경험으로 쌓인 노하우를 가진 전문가를 요구하고 있습니다.
AI실무능력인증과정은 이러한 산업계의 요구에 발맞추어 교육 기간 동안 1개 이상의 AI프로젝트 완성을 목표로 한 커리큘럼을 제공합니다.

현업에서 활동 중인 국내 최고의 전문 교수진

AI분야의 폭넓은 개발 노하우와 다수의 프로젝트 수행 경험, 그리고 현재도 현업에서 활발하게 활동 중인 AI전문가가 함께합니다.
프로젝트 주제별로 전문 교수진이 배정되어 지금까지 쌓은 실무 노하우를 전수하고 프로젝트의 완성을 다각도로 지원하는 멘토의 역할을 수행합니다.

AI기술의 실용적 활용을 위한 다양한 프로젝트 주제

디지털트랜스포메이션의 중심에 있는 AI기술은 적용 도메인에 따라 다른 접근방식과 노하우가 필요합니다.
AI실무능력인증과정에서는 비전AI, 대화형AI, 데이터사이언스 분야의 적용 도메인에 따라 다양한 프로젝트 주제를 제공하여 수요자 필요에 맞추어 주제를 선택할 수 있습니다.

소수정예 1:1 밀착형 교육과 멘토링

AI실무능력인증과정에서는 AI전문 교수진의 1:1 밀착형 교육과 멘토링을 통해 교육과정동안 실무 프로젝트를 완성합니다. 그리고 프로젝트 진행 과정에서 소수 정예의 교육생간 커뮤니케이션을 통한 협업으로 질 높은 결과물을 도출하도록 지원합니다. 밀착형 교육과 협업 수행 경험은 실무에서 활동할 여러분들의 소중한 자산이 될 것 입니다.

학술대회 발표를 통한 프로젝트 결과의 포트폴리오 구성

한국지능정보시스템학회의 정기 학술대회에 AI실무능력인증과정을 위한 세션이 개설되어 수행한 프로젝트의 결과물은 학계 및 산업계에 발표하게 됩니다.
이를 통해 교육과정 동안 쌓은 지식과 노하우를 공개적으로 알릴 수 있을뿐만 아니라 본인의 포트폴리오에 추가할 수 있는 근거로 활용할 수 있습니다.

최첨단 환경과 온·오프라인 믹스를 위한 장소 제공

최신 GPU가 탑재된 본 교육과정 전용 서버를 활용하여 프로젝트를 진행합니다. 또한 교육 과정의 편의성과 접근성을 높이기 위해 멘토링은 온라인을 중심으로 진행하여 장소에 구애받지 않고 교육 과정에 참여할 수 있습니다. 그리고 프로젝트 팀 미팅 등 오프라인 모임이 필요한 경우 별도의 회의 공간을 지원합니다.

커리큘럼

세부 커리큘럼은 주제 및 멘토 교수진에 따라 달라질 수 있습니다.

Data Science 분야
  1. PART 1

    Overview (Week 1-3)

    현장에서 겪을 수 있는 문제들은 학교나 실험실과 다릅니다.
    현업담당자와 업무를 진행하는 과정에서의 어려움과 주의사항을 탐색합니다.

    • 현업의 데이터엔지니어링
    • 분석을 위한 환경 격리 : 컨테이너와 도커
    • Linux, git 등 현업에서 활용 중인 환경에 대한 이해 및 구축
  2. PART 2

    비즈니스와 AI (Week 4-6)

    C-level의 질문은 추상적이고 현업의 요청은 현실적입니다.
    비즈니스의 언어를 분석의 언어로 변환하는 것부터 시작합니다.

    • 주어진 요건을 분석 가능한 형태로 바꾸는 방법
    • 머신러닝 및 딥러닝 모델에 대한 실무적인 관점에서의 이해
    • 프로젝트 주제 탐색 및 선정
  3. PART 3

    데이터 가설 검증 (Week 7-9)

    데이터 분석에 투입되는 노력의 80%는 데이터를 만들고 이해하는 과정입니다.
    EDA를 통해 가설을 증명하고 Feature화 해봅니다.

    • 프로젝트 데이터 탐색
    • EDA를 통한 데이터 가설 검증
    • Feature Engineering 성능 비교
  4. PART 4

    모델링과 서비스화 (Week 10-12)

    실제 현업에서 모델을 사용하기 위해서는 서비스화가 필수적입니다.
    최적의 모델을 탐색하는 것 뿐만 아니라 서비스로 구현해봅시다.

    • 주제에 최적화된 머신러닝 모델의 탐색
    • 딥러닝 방법론의 구현
    • End-to-End 프로세스 구현을 위한 엔지니어링
    • 서비스화를 위한 구현 프로세스
  5. PART 5

    지식 공유를 위한 결과물 도출 (Week 13-14)

    분석의 가치를 배가시키기 위해 발견된 내용의 효과적인 전달은 필수적입니다.
    가설과 해석의 나열이 아닌 가치있는 인사이트를 표현합니다.

    • 프로젝트 진행 과정을 복습 및 정리
    • 지식 공유를 위한 결과 해석의 다양화
    • 효과적으로 가설을 설명할 수 있는 방법에 대한 토의
Vision AI 분야
  1. PART 1

    Overview (Week 1-3)

    컴퓨터 비전은 비즈니스에서 무한한 가능성을 가지고 있습니다.
    실제 현업의 사례를 중심으로 이미지 분야의 가능성을 탐색합니다.

    • 컴퓨터 비전과 이미지 모델링
    • 객체 분류 : CNN과 YOLO
    • 객체 탐지 및 위치 식별 : RCNN
  2. PART 2

    Computer Vision Techniques (Week 4-7)

    이미지 분야 현업에서는 어떤 방법을 사용할까요?
    실제 진행된 프로젝트 사례를 구현하면서 실무 역량을 키워봅시다.

    • 객체 분류 모델링 심화
    • 객체 분할 프로젝트 사례 구현
    • 이미지 특징 추출 : ORB, SIFT, BRIEF, SURF, SuperPoint
    • 프로젝트 응용 예시 실습
  3. PART 3

    Computer Vision Project Ⅰ (Week 8-9)

    사례 구현 경험을 새로운 문제에 적용할 때입니다.
    비즈니스 가치를 가지는 문제를 발견하고 프로젝트를 준비합니다.

    • 비즈니스 가치를 중심으로 이미지 분야 프로젝트 사례 연구
    • 이미지 분야 방법론을 응용할 수 있는 프로젝트 주제 탐색
    • 이미지 처리를 위한 데이터 전처리 프로세스
  4. PART 4

    Computer Vision Project Ⅱ (Week 10-12)

    이미지 분야에는 다양한 방법들이 개발되어 왔습니다.
    지식과 역량을 동원하여 프로젝트를 완성합니다.

    • 프로젝트 목표 달성을 위한 이미지 모델링
    • 성능 비교 분석 및 평가
    • 현업에서 사용하고 있는 최신 기법의 탐색 및 적용
  5. PART 5

    지식 공유를 위한 결과물 도출 (Week 13-14)

    이미지 분야 프로젝트의 결과물을 효과적으로 전달하기 위해
    비즈니스 가치와 연계해 표협합니다.

    • 프로젝트 진행 과정을 복습 및 정리
    • 프로젝트 결과물의 시각화
    • 설명을 위한 추가 모델링 기법의 적용
Conversational
AI 분야
  1. PART 1

    Overview (Week 1-3)

    이 과정에서는 현업에서 바로 적용할 수 있는 자연어 처리 방법에 대해 다룹니다.
    현업의 프로젝트를 수행하기 위해 필요한 환경 구축과 최근 자연어 처리에서 가장 많이 사용되고 있는 Transformers에 대해 알아봅니다.

    • 분석관련 기본 환경 설정 : Docker, git, FastAPI
    • 언어모델에 대한 이해
    • Transformers에 대한 전반적인 이해
  2. PART 2

    자연어 모델 Project Ⅰ (Week 4-6)

    현업에서 일하는 방식을 체험해 보고자 합니다.
    Transformer Encode의 대표 모델인 BERT에 대해 이해하고 구현합니다.

    • BERT 구조에 대한 이해
    • BERT를 활용한 혐오발언 분류 모형의 구현
    • 모형 Serving 및 데모 페이지 생성
  3. PART 3

    자연어 모델 Project Ⅱ (Week 7-9)

    자연어의 잠재력과 활용가능성은 무궁무진합니다.
    Transformer Encode-Decoder의 대표 모델인 BART에 대해 이해하고 구현합니다.

    • BART 구조에 대한 이해
    • BART를 활용한 뉴스 요약 생성 모형 구현
    • 모형 Serving 및 데모 페이지 생성
  4. PART 4

    자연어 모델 Project Ⅲ (Week 10-12)

    최선의 자연어 모델은 딥러닝 기술 발전에 많은 기여를 하고 있습니다.
    Transformer Decoder의 대표 모델인 GPT-2를 이해하고 활용합니다.

    • GPT-2 구조에 대한 이해 및 GPT-3 개요
    • GPT-2를 활용한 감성 대화 모형 구현
    • 감성 대화 챗봇 생성
  5. PART 5

    지식 공유를 위한 결과물 도출 (Week 13-14)

    다양한 프로젝트 과제의 수행 경험을 정리합니다.
    현업 중심의 프로젝트 개발과 적용 과정을 정리하여 결과물로 도출합니다.

    • 프로젝트 진행 과정을 복습 및 정리
    • 지식 공유를 위한 프로젝트 결과의 시각화
    • 모델별 차이 및 특장점, 인사이트 도출을 위한 토의

AI실무능력인증서

AI실무능력인증서

본 교육과정을 성공적으로 수료하면

"한국지능정보시스템학회 학회장", "국민대학교 경영대학원장" 명의의 인증서를 받습니다.

이 인증서를 통해 실무 능력을 객관적으로 검증받을 수 있습니다.

제2기 AI실무능력인증과정 주요 일정

오프라인 OT
  • 2022년 8월 27일(토) 10:00
  • AI실무능력 인증과정 소개
  • 멘토 교수진과의 교육 커리큘럼 미팅
교육/멘토링/프로젝트
  • 2022년 9월 3일(토)~12월 10일(토)
  • 14주 기간동안 프로젝트 완성을 목표로 교육/멘토링/프로젝트 과업 수행
  • 매주차 토요일 13시 30분 교육 및 멘토링은 비대면(Zoom)으로 진행

    세부 시간은 교수진과의 협의를 통해 변경 가능

  • 교육 및 멘토링 내용을 바탕으로 교육/프로젝트 과업 수행
학술대회 발표 및 인증서 수여
  • 2022년 12월 9일(예정)
  • 프로젝트 결과물을 한국지능정보시스템학회 추계학술대회에서 발표
  • AI실무능력인증서 수여
  • AI실무능력인증과정을 위한 별도 세션 진행

AI실무능력인증과정 모집 안내

모집 분야 및 응시자격
AI실무능력인증과정 모집 분야 및 응시자격
분야 모집인원 응시자격
Data Science 각 분야 별 4명 이내
  • 머신러닝 및 딥러닝 모델 관련 프로젝트 경력자 또는 관련 교육과정 이수자
  • AI 관련 파이썬 라이브러리(numpy, pandas, keras, pytorch 등) 사용 가능자
Vision AI
Conversational AI
모집절차
지원서 접수
AI실무능력인증과정 모집 절차 - 지원서 접수 안내
구분 기간 접수처
지원서 접수/서류 제출 1월/7월 중 연 2회 한국지능정보시스템학회 사무국
office@kiiss.or.kr

제출 서류 준비 후 이메일 접수

면접
  • 대면 또는 비대면 면접 실시 예정(2월/8월)
  • 원서접수 결과에 따라 면접 시간 확정
  • 과제 중심의 문제 해결 역량 평가로 프로젝트 수행을 위한 머신러닝 및 딥러닝 기초 역량 검증
교육비
  • 400만원
  • 국민대학교 경영대학원 AI빅데이터전공 졸업예정자 및 졸업자 25% 감면
제출서류
  • AI실무능력인증과정 지원서(필수) 지원서 양식 다운로드
  • 최종학력 졸업(예정) 증명서 원본(필수)
  • 프로젝트 수행 경력 관련 증빙 서류(필요시)
문의
국민대학교 AI빅데이터전공 주임교수 문현실
한국지능정보시스템학회 사무국