✔ 개발 CTO 출신의 ★노규남 강사★님에게

   모든 개발 노하우를 전수 받을 수 있는 소수 정예 강의에 중식지원까지!

❍ 모집일정  

2022.04.09.(토) ~ 2022.05.30.(월)

❍ 모집대상

수강신청일 기준, 만 15세 이상의 서울시민(주소지 등록 기준)이면서 분야별 기초지식을 갖추고 교육 수료 직후 취업 활동을 하실 분

아래에 해당하는 자는 신청이 불가능합니다. 

1) 15세 미만인 자

2) 신청일 기준 서울시 미거주자 

3) 재직자(개발직군) : 개발직군이 아닌 타 업무분야/직군에서 SW개발자로의 경력전환 및 창업을 희망하는 재직자는 지원 가능

* 같은 기수/ 같은 기간 내 교육 중복 수강은 불가능합니다.

✔ 개발 전문가의 실전 노하우와 더불어 프로젝트 경험까지! 

 ※ 두 단계를 '모두' 진행해주셔야 정상적으로 신청이 완료됩니다. 

누락시 선발에서 제외되기에 모집기간 종료 전까지 반드시 완료 부탁드립니다. 

① 새싹 홈페이지(sesac.seoul.kr) 회원 가입 후, 페이지 상단의 '수강신청하기' 버튼을 눌러서 수강 신청을 해주세요.

② 마이페이지-> 자기소개서(구글폼 및 설문지)를 작성해주세요.

❍ 선발절차 : 자격 확인 → 레벨(기초지식) 테스트 → 면접

❍ 선발일정 : 1차 합격 발표 2022. 06. 03

  ▶ 레벨테스트 2022. 06. 07

  ▶ 2차 합격 발표 2022. 06. 10

  ▶ 면접 평가 2022. 06. 16

  ▶ 최종합격 발표 2022. 06. 17

교육일정

 - 2022. 6.28 ~ 2022. 9.29까지 매주 화/목 오전 9시~오후 6시

 * 개별 일정은 교육 일정 탭에서 확인

강사이력

2022. 3~ ㈜위블 CEO
2018~2022 과기부 SW마에스트로 10~13기 멘토
2021. 5~ 솔로몬 하이 멘토십 멘토
2021. 4~ 클라우드정책협의회 위원
2020. 3 ~ 국방통합데이터센터 자문위원
2019. 3 ~2021. 6 ㈜케이아이엔엑스 CTO
2018~2019. 2 ㈜가비아 CTO
2017. 9 클라우드보안협의회 위원
2017. 8 ㈜에스피소프트 CTO
2013. 11 ㈜에버뷰대표이사
2004. 8 ~ 2005. 8 ㈜퍼니넷 CTO 역
2002. 9 ~ 2004. 6 ㈜리드텍 부설연구소장 역

교육의 특징

 ○ 기초부터 현세대 최신 머신러닝 기술까지 실습 중심으로 교육

- sklearn 중심의 고전적인 머신러닝 기법부터 CNN, RNN, Transformer 및 강화 학습에 이르기까지, 현세대 머신러닝의 주요 영역 대부분을 교육합니다.

- 각 분야별로 준비된 180여 개의 문제를 직접 풀어보면서, 머신러닝을 실전에서 활용할 수 있는 능력을 키웁니다.

- 강사가 준비한 예제 답안 소스를 모두 공개하여, 실제 작동하는 코드로부터 테스트하면서 실습할 수 있습니다.

- Few-Shot Learning과 같은 최신 기술도 커리큘럼에 포함하여, 급변하는 업계 트렌드에 뒤처지지 않도록 구성했습니다.

 ○ 팀 단위 학습을 통해 완성하는 포트폴리오 프로젝트와 협업 역량

- 팀 단위 실습을 통해 서로 간에 부족한 부분을 보완하고 협업하면서 학습효율을 끌어올릴 수 있습니다.

- 팀 구성원 간에 업무를 분담하여 포트폴리오 프로젝트 구축의 부담을 줄일 수 있습니다.

- 실제 개발 조직이 협업에 사용하는 도구들을 사용하여 팀 프로젝트를 진행하므로, 개발 협업에 대한 노하우도 익힐 수 있습니다.

- 이 과정은 학습한 머신러닝 기술을 적용한 포트폴리오 프로젝트로 취업과 창업을 준비하도록 설계되었습니다.

 ○ 선행지식이 충분하지 않은 수강생들을 위한 온/오프라인 멘토링

- 해당 분야에 대한 지식이 부족한 수강생들을 위해 과정 전반에 걸쳐 온라인 코드 리뷰 및 멘토링이 진행됩니다.

- 수강생들은 수업 시간 외에도 gitlab, slack, 카카오톡, 이메일 등 다양한 채널을 통해 질문하고 답변을 받을 수 있습니다.

- 프로젝트 집중 기간 동안은 온/오프라인 멘토링을 병행하여 포트폴리오 프로젝트의 완성도를 높이는 데 도움을 주게 됩니다.

 ○ 실제 머신러닝 서비스 구축에 필요한 클라우드 및 웹 서비스 기술까지 교육

- 머신러닝 모델에 대해 학습할 뿐만 아니라, 이를 현장에서 서비스하기 위해 필요한 클라우드 및 웹 서비스 기술에 대해서도 교육합니다.

- docker, kubernetes, istio 등의 클라우드 네이티브 서비스를 구축하기 위한 기술에 대해서 학습하게 됩니다.

- 머신러닝, 클라우드 및 웹 서비스에 대한 내용 전반을 숙지하게 되면 이 분야에서 풀스택 개발자로 경력을 쌓을 수 있습니다.

- 풀스택 개발자가 아니더라도, 학습한 분야 중에서 자신에게 맞는 진로를 선택할 수도 있습니다.

교육 내용

 1. 오리엔테이션 & 통계학과 머신러닝 이론

1) 오리엔테이션, 팀 빌딩 및 개발환경 구축, 통계학 & 머신러닝 & 딥러닝 개괄

 2. 환경 구축 및 기초실습

2) Google Cloud Engine, docker, google colab 환경구축

3) jupyter notebook, matplotlib, sklearn, seaborn

 3. Classical Machine Learning

4) Linear regression, Ridge, Lasso, Logistic regression, Classification

5) Decision tree, Random forest, Emsemble, xgboost, lightGBM

 4. pytorch 프로그래밍 기본구조

6) Tensor operation, Autograd, Gradient Descent Algorithm, Fully-connected network

7) Classification & Regression, 모델의 저장과 복원

 5. CNN 영상처리

8) CNN 모델의 구조와 원리, torchvision datasets, transforms, GPU 연산

9) DropOut, Weight Normalization, Batch Normalization, Augmentation

10) CNN 모델의 역사: LeNet, AlexNet, GoogLeNet, VGGNet, ResNet, DenseNet

11) Object Detection: YOLO(You Only Look Once) v5

12) torchhub 사용법, Transfer Learning

 6. 팀 프로젝트 기획서 평가

13) 팀별 추진 프로젝트에 대한 기획서 평가 및 멘토링

 7. 자연어처리(NLP)

14) RNN, LSTM, GRU: many-to-one, many-to-many

15) torchtext datasets, word embedding, Text Classification

16) Seq2Seq(Machine Translation, Summarization), 한글 Tokenizer 학습: KoNLPy, Mecab, Korpora

17) Attention, Transformer, Huggingface transformers & datasets

 8. 파운데이션 모델

18) Language Model의 역사: Transformer, BERT, GPT, XLNet, SpanBERT, RoBERTA, ALBERT, BART, ELECTRA, T5

19) 한글 Language Model: KoBERT, KcBERT, KoGPT2, KoELECTRA

20) Large Language Model 학습: Meta Learning, Few-Shot Learning

 9. 웹서비스 백엔드 기술

21) docker, dockerhub, docker-compose, docker swarm

22) kubernetes, Google Kubernetes Engine, helm, artifacthub

23) gitlab CI/CD, istio, MicroService Architecture, Flask

 10. 프로젝트 과정 

24) 팀별 포트폴리오 프로젝트 구축, 추가 강의: 강화학습(Reinforcement Learning) 개괄

25) 팀별 포트폴리오 프로젝트 구축, 추가 강의: Q-Learning, DQN(Deep Q Network)

26) 팀별 포트폴리오 프로젝트 구축, 추가 강의: OpenAI gym

27) 팀별 포트폴리오 프로젝트 구축, 추가 강의: DDQN, Prioritized replay, Dueling DQN, DeepSARSA

28) 팀별 포트폴리오 프로젝트 발표 및 평가

습득역량

 - Tabular dataset에 대한 기본적인 분석 및 모델 구성 

 - pytorch를 사용한 머신러닝 모델에 대한 기본 이해

 - CNN을 사용한 영상인식 모델 설계 및 성능향상 기법 

 - YOLOv5 기반의 Object Detection 모델 구성 

 - RNN과 Attention, Transformer를 사용한 자연어처리(NLP) 모델 구성 

 - huggingface의 pre-trained model 재구성 및 fine-tuning 방법

 - 대형 Language Model을 활용한 Few-Shot Learning 방법

 - docker와 docker-compose, docker-swarm, kubernetes 기반의 컨테이너 인프라 구축 및 운영 

 - gitlab을 활용한 팀 단위 개발, CI/CD 파이프라인 구축 및 운영 

 - Flask 기반의 MicroService Architecture 머신러닝 웹 어플리케이션 개발 및 운영

 - (추가) DQN과 OpenAI gym 기반의 강화학습 모델 구축 및 서비스 연계

교육혜택

 준비된 취창업 프로그램

❍ 취업 : 캠퍼스 내 잡 코디 상주 지원: 구직상담, 기업 연계/발굴/관리, 1:1 맞춤형 매칭

            포트폴리오 제작 컨설팅 지원

            주기적 기업연결: 교육생-기업 밋업, IBK기업은행 등 협력 매칭데이 등

❍ 창업 : 창업멘토링, 교육

            창업 준비공간(교육 종료 후 약 3개월 간 캠퍼스 내 유휴공간 활용)제공

            창업지원 및 정보제공 등

준비물

 개인 노트북 지참

문의처

 💬 bardroh@weable.ai

교육비

 ❍ 교육비 : 무료 (단, 예치금 9만원을 선납하고, 수료 후 반환)

   과정별 진도율 5% 미만에 과정 이탈 시 반환하여, 그 이상의 과정 중 수료 기준에 미달하는 경우 예치금은 반환되지 않음

 ❍ 수료기준 : 과정 진도 80% 이상을 이수 또는 과정 진도 30% 이상 참여 이후 조기 취업한 경우

 ❍ 오프라인 교육시 중식과 수업 교재 일부를 지원해드립니다.