접수기간 | 2025-01-02 ~ 2025-01-08 [모집중] |
교육기간 | 2025-01-13 ~ 2025-04-12
온라인강의로 자유롭게 수강 |
교육시간 | 전공자과정(160h), 비전공자과정(159h) |
교육방식 | 온라인 강의 플랫폼(코드잇) 이용 |
교육장소 | - |
교육대상 | 1) 전남도 내 소재 대학 재학생/대학원생
2) 순천대학교 재학생/대학원생(인공지능공학부, 컴퓨터공학과 등) *순천대학교 재학생의 경우, 교육 이수 완료 시 SW중심대학 노바마일리지 부여 |
상세설명
○ 프로그램 개요
◦ 프로그램명: 2025, 동계데이터집중프로그램 [20205 데이터집중 겨울방학 프로그램!]
◦ 모집기간 : 2025.01.02.(목) ~ 2025.01.08.(수)
◦ 교육기간 : 2025.01.13. ~ 2025.04.12.(3개월)
◦ 교육방법 : 온라인 교육(코드잇 교육 프로그램 이용)
◦ 교육내용 : (전공자) 데이터분석(75h), 인공지능(85h)
(비전공자) 데이터기초(159h)
*필수강좌 이외에 본인이 원하는 강좌는 자유롭게 수강 가능
◦ 교육인원 : 35명(전공자: 20명, 비전공자: 15명)*신청 인원에 따라 조율 예정
◦ 교육대상 : 1) 전남도 내 소재 대학 재학생/대학원생
2) 순천대학교 재학생/대학원생(인공지능공학부, 컴퓨터공학과 등)
*순천대학교 재학생의 경우, 교육 이수 완료 시 SW중심대학 노바마일리지 부여(신청자에 한함)
※ 2024 데이터집중프로그램 신청자 및 이수자는 해당 프로그램을 신청하실 수 없습니다.
◦ 선발방법
- 선발 위원 : 과제책임자 및 프로그램 담당자 중심으로 평가하여 선발
- 선발 방법(총 15점 만점 기준)
구분 |
점수 |
|||
직전학기 성적 (문항 11번) |
4.5-4.0 |
3.99-3.5 |
3.49-3.0 |
3.0 이하 |
5점 |
4점 |
3점 |
2점 |
|
신청 내용 (문항 17번) |
작성 성실도에 따라 차등 |
|||
5점 |
4점 |
3점 |
2점 |
|
지역 가산점 |
순천시 |
광양시 |
전라남도 |
그 외 |
5점 |
5점 |
5점 |
4점 |
※ 그 외 학년별, 학과별, 지역별, 타대학 등 균등하게 선발
※ 신청 후 성실하게 임하지 않는 인원의 다수 발생하여 부득이하게 선착순이 아닌 선발로 진행하게 되었습니다.
이 점 양해부탁드립니다.
○ 세부 교육과정(안)
카테고리 |
과정명 |
토픽명 |
챕터명 |
DX 기초 |
프로그래밍 교양 지식 갖추기 |
프로그래밍 시작하기 in Python |
파이썬 첫 걸음 |
프로그래밍 기본 개념 |
|||
프로그래밍 언어 이해하기 |
프로그래밍 언어 살펴보기 |
||
프로그래밍 언어를 분류하는 두 가지 기준 |
|||
프로그래밍 언어 Overview |
|||
프로그래밍 언어 제대로 사용하기 |
|||
프로그래머의 세계 이해하기 |
프로그래밍의 다양한 분야 |
||
트렌드를 읽는 능력 |
|||
소프트웨어 이해하기 |
컴파일러와 인터프리터 |
||
운영 체제 개요 |
|||
네이티브 애플리케이션과 웹 애플리케이션 |
|||
세상을 바꾼 디지털 기술들 |
챗GPT 시작하기 |
챗GPT 알아보기 |
|
챗GPT 사용법 |
|||
AI와 대화하는 기술 |
|||
챗GPT 활용하기 |
|||
챗GPT의 다양한 기능들 |
토픽 시작하기 |
||
외부 정보 활용하기 |
|||
이미지 다루기 |
|||
코드 실행하기 |
|||
GPTs |
|||
보이스 |
|||
클라우드 컴퓨팅 |
클라우드 컴퓨팅이란? |
||
클라우드 컴퓨팅의 기본 개념 |
|||
클라우드 컴퓨팅의 현재 |
|||
AWS 체험하기 |
|||
클라우드 컴퓨팅 관련 이슈 |
|||
클라우드 컴퓨팅의 미래 |
|||
블록체인 |
블록체인이란? |
||
블록체인과 암호화폐 |
|||
블록체인과 스마트 컨트랙트 |
|||
블록체인의 미래 |
|||
Python 기초 |
프로그래밍 시작하기 in Python |
파이썬 첫 걸음 |
|
프로그래밍 기본 개념 |
|||
프로그래밍 핵심 개념 in Python |
자료형 |
||
추상화 |
|||
제어문 |
|||
문제 해결 능력 기르기 |
|||
프로그래밍과 데이터 in Python |
리스트 |
||
for 반복문 |
|||
사전 |
|||
파이썬 데이터의 비밀 |
|||
파이썬 응용하기 |
파이썬 모듈 맛보기 |
||
사용자 입력 받기 |
|||
파일 읽고 쓰기 |
|||
프로젝트: 로또 시뮬레이션 |
|||
프로젝트: 숫자 야구 |
|||
실무 활용 끝판왕 업무 자동화 (Mac) |
파일 자동화 for Mac |
파일 다루기 |
|
업무 자동화에 파이썬 활용하기 |
|||
경로 다루기 |
|||
폴더 다루기 |
|||
챗GPT로 구글 워크스페이스 업무 자동화하기 |
토픽 시작하기 |
||
구글 스프레드시트 활용하기 |
|||
앱스 스크립트 활용하기 |
|||
구글 스프레드시트에서 챗GPT API 활용하기 |
|||
토픽 마무리 |
|||
실무 활용 끝판왕 업무 자동화 (Windows) |
파일 자동화 for Windows |
파일 다루기 |
|
업무 자동화에 파이썬 활용하기 |
|||
경로 다루기 |
|||
폴더 다루기 |
|||
챗GPT로 구글 워크스페이스 업무 자동화하기 |
토픽 시작하기 |
||
구글 스프레드시트 활용하기 |
|||
앱스 스크립트 활용하기 |
|||
구글 스프레드시트에서 챗GPT API 활용하기 |
|||
토픽 마무리 |
|||
Figma로 끝내는 UI 디자인의 모든 것 |
UI 디자인 기초 |
UI 디자인 이해하기 |
|
디자인 툴 다루기 |
|||
좋은 UI 디자인 |
|||
Figma 핵심 기능 |
토픽 시작하기 |
||
효율적으로 디자인하기 |
|||
완성도 높이기 |
|||
인터랙티브한 디자인 만들기 |
|||
UI 디자인을 위한 컬러 |
토픽 시작하기 |
||
컬러 이해하기 |
|||
UI 디자인의 기본 컬러들 |
|||
UI 디자인의 추가 컬러들 |
|||
최종 프로젝트 |
|||
UI 디자인을 위한 폰트와 아이콘 |
토픽 시작하기 |
||
UI를 위한 폰트 |
|||
UI를 위한 아이콘 |
|||
최종 프로젝트 |
|||
UI 디자인을 위한 레이아웃 |
토픽 시작하기 |
||
레이아웃 이해하기 |
|||
레이아웃의 세 가지 기술 |
|||
페이지의 레이아웃 |
|||
DX시대, 누구나 알아야 할 웹 개발 지식 기초편 |
웹 개발 기초 지식 |
토픽 시작하기 |
|
웹의 기본 요소 |
|||
서버와 클라이언트가 소통하는 원리 |
|||
데이터베이스 |
|||
API |
|||
웹 개발 공부 방법 |
|||
실무 활용 Top 3 디자인 툴 마스터하기 |
UI 디자인 기초 |
UI 디자인 이해하기 |
|
디자인 툴 다루기 |
|||
좋은 UI 디자인 |
|||
Figma 핵심 기능 |
토픽 시작하기 |
||
효율적으로 디자인하기 |
|||
완성도 높이기 |
|||
인터랙티브한 디자인 만들기 |
|||
Illustrator 핵심 기능 |
토픽 시작하기 |
||
일러스트레이터 기초 다지기 |
|||
일러스트 핵심 기능 배우기 |
|||
디테일 높이기 |
|||
Photoshop 핵심 기능 |
포토샵 입문하기 |
||
포토샵 기본 도구 익히기 |
|||
사진 보정하기 |
|||
사진 편집하기 |
|||
실전 업무 효율을 극대화하는 툴 활용 실습 |
챗GPT 시작하기 |
챗GPT 알아보기 |
|
챗GPT 사용법 |
|||
AI와 대화하는 기술 |
|||
챗GPT 활용하기 |
|||
챗GPT의 다양한 기능들 |
토픽 시작하기 |
||
외부 정보 활용하기 |
|||
이미지 다루기 |
|||
코드 실행하기 |
|||
GPTs |
|||
보이스 |
|||
생산성 도구로 업무 효율 높이기 |
토픽 시작하기 |
||
정보 수집과 정리 |
|||
시간 최적화 전략 |
|||
콘텐츠 제작 |
|||
무한한 가능성 |
|||
AI로 이미지 만들기 |
토픽 시작하기 |
||
이미지 생성형 AI와 친해지기 |
|||
AI 이미지 활용하기 |
|||
나만의 GPT 만들기 |
토픽 시작하기 |
||
GPT 둘러보기 |
|||
GPT 만들기 |
|||
Notion 활용하기 |
토픽 시작하기 |
||
Notion 기초 다지기 |
|||
데이터베이스 사용하기 |
|||
Notion으로 홈페이지 만들기 |
|||
Notion 프로젝트 |
프로젝트 소개 |
||
초급 프로젝트 실습 |
|||
중급 프로젝트 실습 |
|||
고급 프로젝트 실습 |
|||
데이터 분석 |
데이터 사이언스 정복하기 |
데이터 사이언스 오버뷰 |
데이터 리터러시 갖추기 |
데이터 사이언스 미리보기 |
|||
데이터 사이언스 성장 가이드 |
|||
데이터 사이언스 Toolkit |
토픽 시작하기 |
||
Jupyter Notebook |
|||
NumPy |
|||
Matplotlib |
|||
pandas |
|||
기초 통계와 데이터 시각화 |
토픽 소개 |
||
통계 기본 상식과 그래프 |
|||
seaborn |
|||
DataFrame 마스터하기 |
토픽 시작하기 |
||
DataFrame 기본기 |
|||
데이터 다듬기 |
|||
문자 데이터 가공하기 |
|||
숫자 데이터 가공하기 |
|||
날짜와 시간 데이터 다루기 |
|||
데이터 합치기 |
|||
그룹별로 분석하기 |
|||
데이터 분석 심화: 처리와 시각화 |
클러스터 분석 |
클러스터 분석 이해하기 |
|
k-means |
|||
다양한 클러스터링 모델들 |
|||
자연어 처리 기본기 |
자연어 처리란? |
||
단어 단위 전처리 |
|||
문장 단위 전처리 |
|||
자연어 숫자로 표현하기 |
|||
규칙 기반 감성 분석 |
|||
한국어 자연어 처리 |
|||
차원 축소 |
차원 축소란 |
||
PCA |
|||
차원 추출 활용 |
|||
Tableau 기초 |
토픽 시작하기 |
||
태블로와 친해지기 |
|||
다양한 시각화 방법 익히기 |
|||
태블로 분석 기능 활용하기 |
|||
태블로 대시보드 완성하기 |
|||
업무 시간을 단축하는 웹 자동화 |
웹 자동화 시작하기 |
웹의 기본 요소 |
|
웹사이트 가져오기 |
|||
웹 스타일링 |
|||
웹에서 데이터 얻기 |
|||
Selenium 웹 자동화 |
수강 가이드 |
||
웹사이트 제어하기 |
|||
Selenium 웹 스크래핑 |
|||
코스타그램 스크래핑 |
|||
더 알아보기 |
|||
웹 자동화 프로젝트: 상권 분석 보고서 수집 |
프로젝트 소개 |
||
프로젝트 실습 |
|||
프로젝트 해설 |
|||
실전 데이터 분석 프로젝트 |
데이터 분석 프로젝트: 대형 마트 고객 데이터 |
프로젝트 소개 |
|
프로젝트 실습 |
|||
프로젝트 해설 |
|||
데이터 분석 프로젝트: 제주도 카드 이용 데이터 |
프로젝트 소개 |
||
프로젝트 I |
|||
프로젝트 II |
|||
데이터 분석 프로젝트: 피자 가게 데이터 |
프로젝트 소개 |
||
프로젝트 실습 |
|||
프로젝트 해설 |
|||
비개발자를 위한 SQL 데이터 분석 |
SQL로 하는 데이터 분석 |
데이터베이스 기본 개념 |
|
테이블 생성하기 |
|||
데이터 조회로 기본 다지기 |
|||
데이터 분석 단계로 나아가기 |
|||
테이블 조인을 통한 깊이있는 데이터 분석 |
|||
서브쿼리와 뷰를 활용한 유연한 데이터 분석 |
|||
인공지능 |
머신 러닝 |
머신 러닝 기본기 |
머신 러닝이란? |
선형대수학 필요한 만큼만 배우기 |
|||
미분 필요한 만큼만 배우기 |
|||
기본 지도 학습 알고리즘들 |
선형 회귀 (Linear Regression) |
||
다중 선형 회귀 (Multiple Linear Regression) |
|||
다항 회귀 (Polynomial Regression) |
|||
로지스틱 회귀 (Logistic Regression) |
|||
결정 트리와 앙상블 기법 |
결정 트리 (Decision Tree) |
||
랜덤 포레스트 (Random Forest) |
|||
에다 부스트 (Adaboost) |
|||
머신 러닝, 더 빠르고 정확하게 |
데이터 전처리 |
||
정규화(Regularization) |
|||
모델 평가와 하이퍼파라미터 고르기 |
|||
머신 러닝 기본 수학 지식 익히기 |
머신 러닝 기본기 |
머신 러닝이란? |
|
미분 필요한 만큼만 배우기 |
|||
선형대수학 필요한 만큼만 배우기 |
|||
머신 러닝 회귀 알고리즘으로 예측하기 |
기본 지도 학습 알고리즘들 |
다중 선형 회귀 (Multiple Linear Regression) |
|
다항 회귀 (Polynomial Regression) |
|||
로지스틱 회귀 (Logistic Regression) |
|||
선형 회귀 (Linear Regression) |
|||
머신 러닝 분류 알고리즘 |
결정 트리와 앙상블 기법 |
결정 트리 (Decision Tree) |
|
랜덤 포레스트 (Random Forest) |
|||
에다 부스트 (Adaboost) |
|||
머신 러닝 실전 |
머신 러닝, 더 빠르고 정확하게 |
데이터 전처리 |
|
모델 평가와 하이퍼파라미터 고르기 |
|||
정규화(Regularization) |
|||
추천 시스템 |
추천 시스템이란? |
||
내용 기반 추천 |
|||
협업 필터링 |
|||
행렬 인수분해 |
|||
딥 러닝의 기초 이론과 네트워크 구조 이해하기 |
딥 러닝 기본기 |
토픽 시작하기 |
|
딥 러닝의 세계 살펴보기 |
|||
딥 러닝 기초 이론 |
|||
딥 러닝 모델의 성능을 높이는 다양한 방법 |
|||
대표적인 딥 러닝 네트워크 이해하기 |
토픽 시작하기 |
||
CNN 이해하기 |
|||
RNN 이해하기 |
|||
Autoencoder 이해하기 |