멀티캠퍼스

통합검색

검색도우미 기능을 다시 켤때는
검색창에서 검색도우미 열기를 클릭하세요

과정상세

Edge Computing 기술을 이용한 딥러닝 프로젝트

thumbnail image
집합

교재제공 중급

Edge Computing 기술을 이용한 딥러닝 프로젝트

4.7

like 8

1,300,000원 (VAT없음)
학습기간
개폐강 확정일 2021.10.08

과정요약

과정요약
학습시간 09:30 ~ 17:30 ( 34시간 ) 난이도 중급
교육비 지원 고용보험 비환급 평가항목 출석률 100%
수료기준 총점 80점 이상시 수료 정원 12 명
교재정보

※ 도서 또는 부속물 품/절판인 경우 개별 안내 후 대체도서 제공, 타과정 변경 입과, 과정폐강이 일어날 수 있습니다.

과정소개

인공지능 기술이 점차 컴퓨팅 엣지에서 생성되는 데이터를 실시간으로 분석하고, 이를 기반으로 인사이트를 얻는 데에 활용하는 방안이 떠오르면서 엣지 컴퓨팅과 인공지능의 연계가 큰 관심을 끌고 있는 가운데, 본 과정에서는 얼굴인식 Mobile APP,  얼굴인식 도어락, 자율주행 자동차 등을 제작해보는 프로젝트를 통해 인공지능의 엣지컴퓨팅의 기술을 학습한다.

1. 최신 이미지 분석 모델들에 대해 이해하는 과정
  : CNN 모델의 기본 이론부터 성능 개선을 위한 다양한 기법들을  배우고 Tensorflow 2.0 버전을 이용해 실제 구현해 보도록 합니다. 뿐만아니라 최신 CNN 기반 모델들에 대한 이론을 배우고 실제 구현 하고 본인이 가진 데이터에 적용해 볼 수 있는 방법을 배웁니다.

2. 다양한 Edge Device에서 딥러닝 모델을 서비스 하는 방법에 대해서 배우는 과정
  : 딥러닝 모델을 만드는 방법부터 시작해 성능 튜닝, 다양한 Edge Device(Mobile, Web 서비스, 라즈베리파이)에 배포 할 수 있는 방법들에 대해서 배울 수 있습니다. Tensorflow Serving, Tensorflow lite 기술에 대해서 이해하고 해당 기술을 이용해 제품, 서비스를 만드는 경험을 해 봅니다.

3. 딥러닝 모델의 구현 부터 Edge 컴퓨터에 모델 배포, IoT 디바이스 제어까지 배워는 과정
  : 딥러닝 모델의 구현 뿐만 아니라 IoT 플랫폼에 대한 학습을 함께 진행하여 센서에서 데이터를 수집하고 딥러닝 모델로 분석하여 IoT 디바이스들을 제어하는 프로젝트를 경험해 볼 수 있습니다.





※ 아래와 같은 사전 지식이 갖춰져 있다면 본 과정을 매우 효과적으로 수강하실 수 있습니다.
 - 아래 2가지를 충족한다.
  . 개   발 : python 혹은 그 外 프로그래밍 경험 필요(변수, 자료형, 제어문, 함수, 클래스 개념 이해)
  . 딥러닝 : 딥러닝 기본 이론에 대한 지식 및 관련 라이브러리를 이용한 딥러닝 모델 개발 경험 필요

학습목표

  • IoT 디바이스 음성제어 프로젝트 : 알렉사 지원 기기(라즈베리파이 연동)에 LED 불을 켜거나 끌수 있도록 제어할 수 있도록 사용자 음성 서비스를 등록한다.
  • 얼굴인식 Mobile APP(Android) 개발 프로젝트 : 모바일 기기에서 얼굴(1명, 여러명)을 인식할 수 있도록 모델구현해 보고, 서비스를 위한 배포도 해본다.
  • 얼굴인식 도어락 구현 프로젝트 : 얼굴인식을 학습시키고 결과에 따라 문이 열리는 결과값을 구현해본다.
  • 자율주행 자동차 구현 프로젝트 : 사용자가 트랙을 주행할때 수집한 정보를 이용하여 트랙을 주행하는 기초적인 자율주행 자동차 인공지능 모델을 구핸해 본다.

학습대상

  • 딥러닝 모델을 이용하여 제품을 만드는데 필요한 기술에 대해서 배우고 싶은 사람
  • 딥러닝 기반 이미지 분석 모델들에 대해서 배우고 싶은 사람
  • 라즈베리 파이 기반 IoT 플랫폼에 대해서 배우고 싶은 사람
    • 1일차
      • 인공지능과 딥러닝 개요
        • - 인공지능의 역사
          - 머신러닝과 딥러닝
          - 딥러닝의 역사와 활용 사례

        09:30 ~ 10:30

      • 딥러닝 기술의 기초1
        • - 퍼셉트론
          - 활성화 함수
          - 신경망 이론과 설계

        10:30 ~ 11:30

      • 딥러닝 기술의 기초2
        • - 신경망 학습 방법
          - Gradient Descent 알고리즘

        11:30 ~ 12:30

      • 딥러닝 기술의 기초3
        • - Backpropagation의 개념적 이해
          - Backpropagation의 수학적 이해

        13:30 ~ 14:30

      • Tensorflow 및 Keras 기초
        • - Colab 사용법에 대한 이해
          - Numpy를 이용한 텐서의 이해 및 구현
          - Tensorflow 기초 개념 및 문법

        14:30 ~ 15:30

      • Keras 기초 실습1
        • - Colab 사용법에 대한 이해
          - Numpy를 이용한 텐서의 이해 및 구현
          - Tensorflow 기초 개념 및 문법

        15:30 ~ 16:30

      • Keras 기초 실습2
        • - Keras를 활용한 DNN 구축
          - MNIST 실습

        16:30 ~ 17:30

    • 2일차
      • CNN 실습
        • - 기본 CNN 모델 구현

        09:30 ~ 10:30

      • CNN 실습
        • - 이미지 파일을 이용한 CNN 모델 구현

        10:30 ~ 11:30

      • CNN 이론
        • - Overfitting에 대한 개념 및 극복 방법

        11:30 ~ 12:30

      • CNN 실습
        • - 데이터 augmentation을 이용한 Overfitting의 극복
          - Transfer Learning을 이용한 Overfitting의 극복

        13:30 ~ 14:30

      • Object Detection 이론
        • - Object Detction 기술에 대한 이해

        14:30 ~ 15:30

      • Object Detection 실습
        • - SSD 알고리즘 기반 Object Detection 모델 구현 실습

        15:30 ~ 16:30

      • Object Detection 실습
        • - SSD 알고리즘 기반 Object Detection 모델 구현 실습

        16:30 ~ 17:30

    • 3일차
      • IoT 시스템 및 Raspberry PI 소개
        • - IoT 시스템을 위한 아키텍처
          - Raspberry PI 소개 및 활용 사례

        09:30 ~ 10:30

      • Raspberry PI 환경 구성
        • - Raspbian OS 설치
          - 인터넷 연결
          - Raspbian OS 기초 사용법

        10:30 ~ 11:30

      • Raspberry PI GPIO
        • - 아날로그와 디지털 신호
          - 브레드보드 소개와 사용법
          - 전자회로 기초
          - RPI GPIO 라이브러리 소개

        11:30 ~ 12:30

      • Raspberry PI LED 제어
        • - LED 연결
          - LED On/Off 구현
          - LED 밝기 조절

        13:30 ~ 14:30

      • Raspberry PI 모터 제어
        • - DC 모터 연결
          - DC 모터의 제어
          - 서보 모터의 연결
          - 서보 모터 제어

        14:30 ~ 15:30

      • 아마존 알렉사를 이용한 Rasberry PI Device 제어 프로젝트
        • - 아마존 알렉사 플랫폼에 대한 이해 및 환경 설정
          - 아마존 알렉사를 이용한 Device 제어 플랫폼 구성

        15:30 ~ 16:30

      • 아마존 알렉사를 이용한 Rasberry PI Device 제어 프로젝트
        • - 아마존 알렉사 인공지능 서비스 구현
          - Flask를 이용한 Rasberry PI Device 제어 서버 구현

        16:30 ~ 17:30

    • 4일차
      • Raspberry PI 카메라 연동
        • - 웹캠 연결
          - 파이카메라 라이브러리 활용

        09:30 ~ 10:30

      • Raspberry PI 카메라 연동
        • - 사진 촬영 및 저장
          - 동영상 녹화 및 저장

        10:30 ~ 11:30

      • Tensorflow Serving을 이용한 인공지능 서비스
        • - Tensorflow 모델 저장과 로딩 에 대한 이해
          - Tensorflow Serving에 대한 이해
          - Tensorflow Serving을 이용한 인공지능 모델 서버 구현

        11:30 ~ 12:30

      • Raspberry PI와 Tensorflow Light
        • - Raspberry PI에 Tensorflow Light 환경 구성
          - Tensorflow Light에 학습된 모델 로딩
          - Raspberry PI에서 MNIST 분류 모델 구현 실습

        13:30 ~ 14:30

      • Google Coral을 이용한 Edge Computing 실습
        • - Google Coral 소개 및 환경 설정
          - Google Coral과 Tensorflow Light 연동

        14:30 ~ 15:30

      • Google Coral을 이용한 Edge Computing 실습
        • - Edge에서 CNN 모델 로드 및 이미지 분류
          - Edge에서 Yolo모델 로딩 및 객체 인식

        15:30 ~ 16:30

      • Google Coral을 이용한 Edge Computing 실습
        • - Edge에서 CNN 모델 로드 및 이미지 분류
          - Edge에서 Yolo모델 로딩 및 객체 인식

        16:30 ~ 17:30

    • 5일차
      • 프로젝트
        • Edge Computing 활용한 자율주행 차량 제작 프로젝트

        09:30 ~ 10:30

      • 프로젝트
        • Edge Computing 활용한 자율주행 차량 제작 프로젝트

        10:30 ~ 11:30

      • 프로젝트
        • Edge Computing 활용한 자율주행 차량 제작 프로젝트

        11:30 ~ 12:30

      • 프로젝트
        • Edge Computing 활용한 자율주행 차량 제작 프로젝트

        13:30 ~ 14:30

      • 프로젝트
        • Edge Computing 활용한 자율주행 차량 제작 프로젝트

        14:30 ~ 15:30

      • 프로젝트
        • Edge Computing 활용한 자율주행 차량 제작 프로젝트

        15:30 ~ 16:30

수강후기 8

평균평점

4.7 / 5.0

  • 5
    방*석

    2020.12.18

    매우 훌륭한 강의였습니다. 다만, 내용이 방대하여 구체적인 접근이 아쉬웠습니다.
  • 5
    유*주

    2020.10.16

    아주 유익한 교육이었습니다.
  • 5
    김*호

    2020.10.16

    처음 배워보는 영역이었는데 쉽게 잘 알려주셔서 이해하기 편했습니다. 감사합니다.
  • 5
    이*

    2020.10.16

    다음에도 기회가 되면 꼭 하고 싶다
  • 4.5
    권*준

    2020.10.16

    교육 내용이 알차고 AIoT를 다양하게 실습할 수 있어 흥미롭게 잘 배웠습니다.