조선대학교 앵커사업단에서는 AI·로봇 분야의 전문 인재 양성을 위해 데이터사이언티스트 자격 취득 교육과정(DSAC)을 운영합니다.

이번에는 머신러닝의 핵심 이론과 구현 기술을 프로젝트 실습을 통해 학습하는 [M3: Machine Learning] 과정을 진행합니다. 

지도학습 및 비지도학습을 중심으로 예측·분류 모델, 회귀 모델, 앙상블 알고리즘, 군집화 및 시각화까지 머신러닝의 주요 개념과 실무 기술을 학습할 수 있는 과정입니다. 

주말 집중 과정으로 운영되니 관심 있는 분들의 많은 참여 바랍니다.

1. 교육 개요

- 교육명: AI·로봇 인증 전문가 양성 사전교육

- 과정명: DSAC M3. Machine Learning

- 주관: 조선대학교 앵커사업단

- 운영 방식: 비대면 온라인 실시간 과정 (Zoom)

- 교육 내용: 데이터로부터 지식과 지능을 추출하는 핵심기술인 지도학습 및 비지도학습 머신러닝 이론과 구현 기술을 프로젝트 실습으로 학습

2. 배경 및 목적

- 머신러닝은 데이터를 기반으로 패턴을 학습하고 예측·분류·군집화 등의 작업을 수행하는 데이터사이언스의 핵심 기술입니다.

- 실제 데이터 분석 및 AI 프로젝트에서는 적절한 머신러닝 모델을 선택하고 학습·평가·최적화하는 능력이 중요합니다.

- 이에 지도학습, 비지도학습, 분류·회귀, 앙상블, 클러스터링 등의 주요 머신러닝 기법을 이론과 실습을 통해 학습하고, 데이터 기반 문제 해결 역량을 강화합니다.

3. 교육 세부 일정

- 교육 기간: 2026. 10. 3.(토) · 10. 4.(일) · 10. 10.(토) · 10. 11.(일) — 총 4일

- 교육 시간: 09:30 ~ 16:10

- 교육 장소: 비대면 온라인 실시간 (Zoom)

- 자격 인증 시험: 교육 종료 후 오프라인 시행 (수강생과 일정 협의 후 개별 안내)

세부 커리큘럼

- 1일차 (10/3 토) : 머신러닝 범위, 머신러닝 동작, 최적화 알고리즘   지도학습, 비지도학습, 강화학습, 학습과정, 최적화, 손실함수, 성능평가, 모델 튜닝, 과적합, 과소적합

- 2일차 (10/4 일) : 분류 예측, 로지스틱 회귀, 앙상블 알고리즘, 서포트 벡터 머신, 협업필터링(kNN), 로짓, 이진 분류, 랜덤포레스트, 그라디언트부스팅, 서포트 벡터 이해, 분류 분석

- 3일차 (10/10 토) : 분류 성능, 회귀 예측, 모델 최적화, 비지도 학습   컴퓨전 매트릭스, ROC, AUC, 샘플수, 성능평가지표, 시계열 최적화, 판별 탐색, 일반화, 교차검증, 비지도 학습의 종류, 스케일링, 변환

- 4일차 (10/11 일) : 클러스터링 고급, 데이터 변환, 데이터 특성 추출, 클러스터링 평가   클러스터링의 적용 범위, 로그변환, 역수변환, 차원 축소, 주성분 분석(PCA), 시각화 고급, KMeans, DBSCAN 성능 비교평가

4. 운영 방법

- 이론 + 실습 병행: 머신러닝의 핵심 개념을 학습한 뒤 주요 알고리즘을 직접 구현하고 적용합니다.

- 비대면 실시간 교육: Zoom을 활용하여 실시간 온라인 교육으로 진행합니다.

- 프로젝트 중심 학습: 머신러닝 이론과 구현 기술을 프로젝트 실습을 통해 학습합니다.

- 교재 우편 발송: 교재는 저작권 보호를 위해 우편으로 발송됩니다.

5. 교육생 혜택

- 교육비 무료: 교재비 및 강의료 전액 무료

- 수료증 발급: 교육 수료증 발급

- 자격시험 무료 응시: 교육 수료자 자격시험 무료 응시

- 역량 강화: 지도학습·비지도학습 및 머신러닝 모델 구현 역량 강화

- 실무 학습: 분류·회귀·앙상블·클러스터링 등 주요 머신러닝 알고리즘 실습

6. 자격시험 안내

- 교육 종료 후 오프라인으로 자격시험을 시행합니다.

- 자격시험 일정은 수강생과 협의 후 개별 안내합니다.

7. 신청 안내

- 신청 방법: 포스터 내 신청 QR코드를 통한 신청

- 신청 링크: https://forms.gle/829MzjTcg3X8gkMUA

※ 교재 우편 발송을 위해 신청 시 배송 정보를 정확하게 기재해 주세요.

8. 문의처

- 교육문의: 조선대학교 인공지능공학과

- 전화: 010-3277-7501

- 주관: 조선대학교 앵커사업단