메가스터디IT아카데미

1개월 2개월 3개월 4개월 5개월 6개월

1주차

● 파이썬 소개 및 환경설정 - 파이썬 개발환경 설치 ● 변수와 자료형 - 변수의 이해, 자료형과 기본연산, 자료형 변환 ● 화면 입출력과 리스트 - 화면 입출력, 화씨온도 변화기(연습문제) - 리스트의 이해, 리스트의 메모리 관리 방식 ● 조건문 - 조건문, 어떤종류의 학생인지 맞추기(연습문제) ˝ ● 반복문 - 반복문에 대한 이해 및 해당 기능을 이용한 알고리즘 - 구구단 계산기 ● 조건문과 반복문 실습 - 숫자찾기게임, 연속적인 구구단, 평균 구하기 - 코드의 오류를 처리하는 방법에 대해 학습
2주차

● 함수 - 함수 기초 : 기본 사용법 - 함수 심화 : 다양한 응용 ● 함수 인수 - 여러가지 파라메터의 성격 ● 가독성 좋은 코드 작성방법 - 가독성의 개념과 버그 없이 프로그래밍 하는 방법 ● 문자열 - 단어 카운팅, 문자열 서식 지정
3주차

● 자료구조 - 자료구조의 이해, 스택과 큐 - 튜플과 세트, 딕셔너리 ● collection 모듈 - 텍스트 마이닝 프로그래밍 ● 람다함수 - 맵리듀스 ● 선형대수학 - 행렬 및 전치, 미분과 다차원 방정식에 대한 이해
4주차

● 객체지향 프로그램 - 클래스 ● 객체지향 기법으로 프로그램하기 - 노트북 프로그램 만들기 ● 모듈의 이해 - 파이썬 모듈을 이용해서 다른 파이썬에서 활용하기 ● 패키지 만들기 - 패키지에 대한 이해 및 사용 ● 파일 처리 - 파이썬 파일 입출력 다루기

1개월

머신러닝&딥러닝을 위한 파이썬 기초

1주차

● 넘파이 - 넘파이 연산 및 활용 ● 판다스 - CSV 데이터 다루기, 데이터 프레임및 그룹연산 ● 데이터수집 - BeautifulSoup 이용 - Selenium 이용 ● 데이터 시각화 - matplotlib, seaboarn 을 이용한 시각화
2주차

● 공공기관 데이터 수집 및 시각화 - CSV 이용 - API 이용 ● 머신러닝을 위한 기초통계 - 1차원 데이터 특징 - 2차원 데이터 특징 ● 추측통계, 이산형 확률 변수 - 가설검증, 다변량 분석
3주차

● 다변수 함수 - 다변수함수의 미분 ● 다변수 벡터함수 ● 블록함수 - 블록 최적화 ● 경사하강법 ● 선형회귀분석
4주차

● 연속형 확률 변수 - 독립 동일분포 ● 통계정 추정 - 통계적 가설검증 ● T-검증과 회귀분석 - 상관관계분석(단순,다중) ● 상관계수, 히트맵

2개월

기초 통계 및 데이터 수집

1주차

● 텍스트빈도분석 - 워드 클라우드(영문), 워드 클라우드(한글) ● 지리정보 분석 - 크롤링으로 데이터 수집 및 지도 생성 - 지오 데이터 (Gdeocode-Xr), 지도정보 시각화 ● 머신러닝 분류 - 머신러닝 군집 ● 머신러닝 로지스틱회귀
2주차

● 텍스트 마이닝 - 감성분석 ● 토픽분석 ● 추천시스템 - 협업필터링 ● 컨텐츠 기반 추천시스템 ● 지식기반 추천 시스템
3주차

● 머신러닝 서포트 벡터 ● 머신러닝 앙상블 ● 랜덤포레스트, xgboost ● 차원축소 PCA ● 비지도 학습
4주차

● 프로젝트 주제 선정 ● 프로젝트를 위한 데이터 탐색 EDA ● 머신 러닝 모델 선정 및 데이터 분석 ● 모델 학습 및 검증 ● 포트폴리오 제작

3개월

자연어 처리 및 텍스트 데이터 분석

1주차

● 케라스를 이용한 인공신경망 개요 ● 케라스를 이용한 인공신경망 구현 ● 심층신경망 훈련 및 문제점 해결 ● 텐스플로를 사용한 모델 ● 텐서플로 및 저수준 api를 이용한 파이썬 모델
2주차

● 합성곱 신경망 개요 ● 합성곱 신경망을 이용한 비전시스템 CNN ● RNN과 CNN을 이용한 시퀀스 처리 ● waveNet 구현 ● RNN과 어노테이션을 사용한 자연어 처리 I
3주차

● RNN과 어노테이션을 사용한 자연어 처리 II ● 인공지능 설계와 구현 ● 인공지능을 이용한 붓꽃인식 ● 인공지능을 이용한 과일등급 분류하기 ● 인공지능을 이용한 딸기수학과정 설계및 구현
4주차

● 딥러닝 VS 기계학습, 특징 추출 ● 인공지능 성능 측정(혼동행렬, 교차검증) ● svm 원리 및 하이퍼 매개변수 ● 퍼셉트론과 인공신경망 심화 ● 딥러닝과 텐서플로

4개월

인공신경망의 원리와 keras

1주차

● Keras를 활용한 딥러닝 ● 이진분류기 및 Detecting 구현 ● Mnist 계열의 이미지 분류 구현 ● 다중분류, 다중레이블,다중출력 에 대한 이해 ● 지니불순도 엔트로피 , 옵티마이저의 종류와 기능
2주차

● Pytorch에 대한 기본 문법 ● Pytorch를 이용한 퍼셉트론 구현 ● Pytorch를 이용한 다중 퍼셉트론 구현 ● Pytorch를 이용한 시계열 데이터 이상탐지 ● Pytorch를 이용한 신경망 구성 및 훈련
3주차

● 인공지능 최신 트랜드에 대한 이해 및 조사방법 ● BERT, koBERT, GPT를 이용한 인공지능 구현 ● LSTM을 이용한 분석 시스템 구현 ● 이미지 분석 시스템 구현 ● 이미지 검출 및 보정 시스템 구현
4주차

● 인공지능에서 그래프 신경망에 대한 이해 ● Graph Nural Network 구현 ● Graph convolution Network 구현 ● 그래프 신경망의 오류 의 종류와 해결방법 ● 그래프 신경망에서의 역전파

5개월

파이토치 딥러닝 구현 및 최신 트랜드

1주차

● 심층 강화학습 그리드 월드 와 큐러닝에 대한 이해 및 구현 ● 몬테카를로 예측 알고리즘의 이해와 적용 ● 시간차예측기법을 적용한 강화학습 - 살사코드 실행 ● 큐러닝 및 모델 개발 - 심층 강화학습 그리드월드와 근사함수에 대한 이해 및 구현 ● 근사함수를 통한 가치함수의 매개벼내수 변환 기법 - 심층 강화학습을위한 인공신경망 설계
2주차

● 텐서플로2.0과 테라스 적용한 모델 개발 - 딥 살사 이론 및 폴리스 그레이디언트 개발 ● 심층강화학습 카트폴(DQN, 엑터, 크리틱) 에 대한 이해 - 카트풀 정의 및 구현 ● 액터 크리틱 에대한 이해 및 모델 적용 ● Continuous A2C 구현 ● Asynchronous Advantage Actor-Critic 구현
3주차

● 심층 강화학습 브레이크아웃 DQN에 대한 이해 ● 아타리 브레이크 아웃 구현, 아타리를 적용한 게임모델 ● 텐서보드 사용 및 적용 ● 브레이크 아웃 A3C ● critic_loss, actor_loss 차이 및 오류 함수 특징
4주차

● 프로젝트 주제 선정 ● 프로젝트를 위한 데이터 탐색 EDA ● 텐서플로 또는 pytorch를 이용한 모델 설계 및 구현 ● 딥러닝 모델 학습 및 검증 ● 포트폴리오 제작