Python 및 Yolo를 활용한 컴퓨터 비전 심화 > Match業

Python 및 Yolo를 활용한 컴퓨터 비전 심화

교육 소개

교육대상 기초과정 수료자, 유관 전공자, 실무 경험 보유자

교육목적 1. 픽셀 단위의 조작을 통한 이미지 처리 방법과 히스토그램을 사용해 이미지를 분석할 수 있다.
2. 이미지 콘텐츠를 더 향상시키기 위해서 이미지 필터 활용, 촬영된 장면의 다른 뷰들을 연결 처리하기 위해서 이미지 기하학을 활용할 수 있다.
3. 딥러닝, 객체 분류 및 뉴럴 네트워크와 같은 최신 주제에 대해 설명할 수 있다.

세부직무 컴퓨터 비전 AI

교수자 염민기

평가방법 프로젝트 기반 직무별 핵심 수행 능력을 기준으로 기능 구현, 코드 품질, 시스템 완성도를 통한 실습 평가

이수기준 목적에 맞는 프로젝트 결과물 제출, 출석 80% 이상

학습내용

주차	학습내용	강좌 운영 방법
주차	학습내용	교수학습방법	학습자료	평가방법
1주차	- 딥러닝 소개: 딥러닝 개념과 응용분야 - 신경망의 기본 구조: 퍼셉트론의 구조와 활성화 함수, 손실함수 - 딥러닝의 핵심 개념: 포워드, 역전파, 과적합 - Pytorch 기본 소개: Pytorch 특징과 사용법 - MNIST 데이터셋 소개: 데이터셋 구성과 특징 - Pytorch를 활용한 기본 모델 구축: 모델 설계 및 구현 - 모델 훈련 및 평가: 손실함수/옵티마이저 활용법, 모델 성능 평가 - 결과분석 및 개선 방안: 학습 곡선 시각화, 하이퍼파라미터 튜닝	실시간 강의 및 프로젝트 실습	PDF 및 가이드 제공	프로젝트 평가
2주차	- 하이퍼파라미터 최적화: 하이퍼파라미터의 중요성과 최적화 - W&B(wandb) 도구 활용: W&B 소개 및 사용방법 - 모델 성능 향상 기법: 전이학습 등 모델 성능 향상 기법 정리 및 활용 - 모델 성능 최적화: 성능 향상 및 효율적 훈련관리 프로세스 실습	실시간 강의 및 프로젝트 실습	PDF 및 가이드 제공	프로젝트 평가
3주차	- 커스텀 데이터 이해: 데이터 라벨링 방법과 도구, 전처리 방법 - YOLO의 기본 개념: 객체 검출의 기본 원리 및 YOLO - YOLO v10 모델 학습: 환경 세팅 및 훈련과정 실습	실시간 강의 및 프로젝트 실습	PDF 및 가이드 제공	프로젝트 평가
4주차	- FastAPI를 활용한 AI 서버 개발: API 이해와 딥러닝 모델 배포를 위한 구현 방법 - Streamlit을 통한 웹 앱 개발 및 배포: 인터랙티브 대시보드 제작 및 배포 - 최종 발표, 평가, 보완: 웹 앱 개발 작업 프로젝트 수행 후, 회고/피드백/개선사항 중점에 둔 프로젝트 발표 및 평가	실습 및 평가	가이드 제공	프로젝트 평가