딥러닝으로 설계하는 AI 모델링

PART 1 · AI 모델 구현을 위한 수학 기초 (100h)

평균·분산·확률·벡터·행렬·미분이 데이터와 AI 학습 안에서 어떤 역할을 하는지 이해하는 토대 구축.

• 학습 목표: 평균·분산으로 데이터의 특성과 분포 파악 / 확률로 데이터에 근거한 예측과 판단 이해 / 벡터·행렬로 많은 데이터와 모델 연산 표현 / 미분으로 오차를 줄이기 위해 값을 수정할 방향 계산 / 수학 개념을 공정·품질 데이터 예측 문제에 적용
• 활용 도구: 공정·품질 데이터 예제, 수학 개념 시각화 자료

PART 2 · 순수 Python 기반 AI 모델 구현 기초 (100h)

데이터를 불러오고 정리·분석하며, 평균·분산·오차와 AI 내부 계산을 Python 코드로 직접 구현.

• 학습 목표: Python 기초 문법·자료구조 이해 / 데이터 불러오기·정리·탐색·분석 / 결측값·이상값 처리와 정규화·인코딩 / 평균·분산·오차를 직접 계산 / AI 내부 계산 과정을 순수 Python으로 표현하고 결과 해석
• 활용 도구: Python, NumPy, Pandas, Jupyter

PART 3 · 선형모델 구현 (80h)

선형모델·손실함수·미분·경사하강법으로 이어지는 학습 원리를 라이브러리 없이 직접 구현.

• 학습 목표: 가중치·편향으로 선형모델 설계 / SSE·MSE 손실함수로 예측 오차 계산 / 시그모이드 활성화함수 합성 / 접선의 기울기와 미분으로 변화량 측정 / 극솟값으로 손실의 최솟값 탐색 / 경사하강법으로 가중치 반복 갱신과 학습률 조정 / 연쇄법칙·편미분으로 다변수 가중치 동시 갱신
• 활용 도구: Python(표준 문법), Matplotlib

PART 4 · MLP 구현 (80h)

순전파·활성화함수·손실함수·역전파·가중치 업데이트로 이어지는 MLP 학습 전 과정을 직접 구현.

• 학습 목표: MLP 구조와 퍼셉트론의 한계 이해 / 순전파로 입력 데이터에서 예측값 생성 / 시그모이드·ReLU·소프트맥스 활성화함수 선택 / 손실함수로 예측 오류 측정 / 연쇄법칙 기반 역전파로 오차 원인 추적 / 가중치·편향 업데이트와 학습률·배치 크기·은닉층 조정 / 순수 Python MLP를 데이터 예측·분류에 적용
• 활용 도구: Python, NumPy, Pandas, Matplotlib

PART 5 · 통합 프로젝트 및 모델 경쟁 (80h)

1~4단원 역량을 통합해 실제 공정·품질 데이터 문제를 팀별로 해결하고, 팀 간 성능 경쟁으로 작동하는 모델을 완성.

• 학습 목표: 공정·품질 데이터 문제 분석 및 적절한 모델 선택·설계 / 데이터 탐색·전처리·구현·성능 개선 전 과정 팀 수행 / 평가지표로 성능 측정 및 개선 방향 도출 / 모델 결과를 실무 언어로 해석·발표
• 활용 도구: Python, NumPy, Pandas, scikit-learn, Matplotlib

PART 6 · 취업 경쟁력 강화 & 산업 이해 (160h)

배운 역량을 합격으로 연결하는 마무리 단계. 산업 이해와 서류·면접 경쟁력 강화.

• 학습 목표: 품질·공정·설비 데이터 직무 이해로 지원 방향 구체화 / 산업 현장 안전·실무 감각 습득 / 협업·소통 역량과 자기 이해(MBTI·DISC) 강화 / 데이터분석 프로젝트 기반 이력서·자기소개서 완성 / 직무별 면접 대응 전략 수립
• 활용 도구: 이력서·자기소개서 클리닉, 모의 면접, MBTI·DISC 진단, 직무·산업 사례 분석

과정 소개

• 수학기초부터 순수 Python으로
• 데이터에 직접 적용하는
• 딥러닝 모델링 부트캠프.
• 수학기초 → 선형모델 → MLP → 공정·품질 데이터 적용까지 직무 440시간 + 비직무 160시간 K-뉴딜 아카데미 과정.
• 440h
• 직무 시간
• 160h
• 비직무 시간

이런 고민을 하고 있다면

• 라이브러리로 코드는 돌아가는데, "왜 그렇게 동작하냐"는 질문엔 막힌다
• 프레임워크 예제는 따라 해봤지만, 모델을 처음부터 설계해본 적은 없다
• 비전공이라, 수식이 나오면 수업을 못 따라갈까 봐 망설여진다
• 강의·인턴 경험은 조각조각인데, 실제 데이터로 직접 만들고 설명할 결과물이 없다

교육 안내

• 교육 안내
• 교육 기간
• 2026.07.21 (화) ~ 2026.11.10 (화)
• 직무 440h + 비직무 160h
• 강의 시간
• 월~금 09~18시
• 하루 8h · 점심시간 휴게 1h
• 지원 자격
• 만 15세~34세 구직자
• 내일배움카드 필요 X
• 교육 장소
• 오프라인
• 포항 포스코 인재창조원 (지곡로 120, 세부 교육장 미정)
• 훈련을 위한 장비 대여 필요 시, 내부 대여 절차를 통해 대여가 가능합니다.
• 2026.7.21 (화) 개강
• 포항 포스코 인재창조원 (지곡로 120)

사용 도구

• 확률·통계
• 미분·경사하강법
• 선형대수
• Python 구현
• 선형모델·활성화함수
• 손실함수·경사하강법
• 연쇄법칙·편미분
• 퍼셉트론·다층신경망(MLP)
• 하이퍼파라미터 튜닝
• PART 1 · 대표값·분산·확률·정규분포·오차·상관관계. 실제 데이터를 읽는 통계적 토대.
• PART 1 · 함수와 변화율, 편미분, 경사하강법. 모델이 '학습'하는 원리의 핵심.
• PART 1 · 벡터·행렬·내적·역행렬·선형변환. 데이터와 모델 연산의 언어.
• PART 2 · 기초 문법·자료구조와 NumPy·Pandas로 수학 개념을 직접 코드로 구현.
• PART 3 · 선형모델 y=w₁x₁+…+b 와 시그모이드 활성화함수를 라이브러리 없이 직접 구현.
• PART 3 · SSE·MSE 손실 곡선 위에서 학습률을 바꿔가며 오차가 줄어드는 과정을 코드로 체득.
• PART 3 · 접선의 기울기와 연쇄법칙·편미분으로 다변수 손실 곡면에서 가중치를 동시에 갱신.
• PART 4 · 순전파·역전파(연쇄법칙)·활성화함수를 순수 Python으로 처음부터 구현.
• PART 4 · 학습률·배치 크기·은닉층 구조·그리드 서치로 모델 성능 최적화.
• ※ 세부 내용은 강의 차수 / 수강생 수준에 따라 일부 조정될 수 있습니다.

추천 대상

• 도구 사용에 머문 걸 넘고 싶은 분
• 라이브러리·AI 툴은 써봤지만, 모델을 직접 설계·구현하는 힘을 갖고 싶은 분
• 수식·원리를 설명하고 싶은 분
• 코드는 돌아가는데 '왜'를 설명 못 해 답답했던 분
• 비전공·수학이 두려운 분
• 수학기초부터 시작해, 비전공이라 못 따라갈까 걱정인 분도 함께
• 산업 데이터 직무에 관심 있는 분
• 현장·데이터 경험은 있으나 딥러닝 경험이 없어, 산업 AI 분야를 노리는 분
• 조각난 학습을 하나로 잇고 싶은 분
• 단일 강의·인턴·독학 경험은 있지만 체계적으로 통합된 실력이 없는 분
• 직접 만든 결과물이 필요한 분
• 남이 만든 걸 쓴 게 아니라, 내가 설계·구현했다고 설명할 수 있는 프로젝트가 필요한 분

지원 방법

• 모집 절차
• 1
• 서류 지원
• ~ 7.15 (수)
• 지원 동기와 학습 계획을 간단히 작성해주세요.
• 2
• 온라인 인터뷰
• 상시 진행
• 인터뷰 희망자 대상으로 개별 안내해드려요.
• 3
• 결과 발표
• 개인별 상시 안내
• 꼼꼼히 살펴보고 빠르게 결과를 알려드릴게요.
• 4
• 최종 합류
• 7.21 (화) 개강
• 안내 카카오톡과 함께 본 과정 여정이 시작돼요.

강사

• 미정
• K-뉴딜 아카데미 · PADDLE 트랙 리드 강사
• 수학기초가 없어도 따라올 수 있는 페이스로, 확률·통계·미분·선형대수부터 선형모델 / MLP를 순수 Python으로 처음부터 설계하고, 공정·품질 데이터 문제에 적용하는 실전 위주 수업을 진행합니다.
• 수학부터 직접 구현
• 모델 설계 역량
• 비전공자 친화 수업

학습 지원

• 월 50만원 훈련장려금
• 출석 기준 충족 시 최대 50만원의 훈련장려금이 지급됩니다.
• 모델 구현 1:1 피드백
• 순수 Python으로 모델을 짜다 막히는 지점을, 코드와 수식 단위로 함께 풀어드립니다.
• 기숙사 지원
• 포항 외 거주자를 대상으로 기숙사를 지원합니다. (정원 한정)
• 현장 밀착 코칭
• 교육 기간 내내 강사진에게 코드 리뷰·디버깅·도메인 질문을 상시 할 수 있습니다.

참여 전 확인사항

• 수강 전 준비 사항
• 필수
• 실습용 PC
• Python이 돌아가는 PC면 충분합니다. 라이브러리 없이 직접 구현하는 과정이라, 고사양 PC도 GPU도 필요 없습니다.
• 끝까지 해보겠다는 의지
• 이 과정은 "AI가 다 해주니 쉽다"가 아닙니다. import 한 줄에 가려진 원리를 직접 손으로 짜며 익히는 만큼, 완주 의지가 가장 중요한 준비물입니다.
• 권장
• '왜 그렇게 되는지' 궁금해하는 마음
• 모델이 왜 학습하는지, 오차가 왜 줄어드는지 결과를 그냥 받아들이지 않고 원리를 파고드는 데서 재미를 느낀다면 잘 맞습니다.
• 커리큘럼 포함
• 수학·코딩 사전 지식
• 미분·확률·선형대수도, Python도, 딥러닝도 전부 PART 1부터 처음 다룹니다. 미리 공부해 올 필요 없습니다. 기초가 없다는 게 이 과정에선 단점이 아닙니다.
• 숫자 뒤에 숨은 원리를 보고 싶은 호기심
• 남들이 라이브러리로 끝내는 모델을, 수식부터 코드까지 직접 뜯어보고 싶었다면 이 과정이 그 기회입니다.

수강료·수료 혜택

• 전액 국비지원
• 전액 국비 지원 (자비부담 0원)
• 월 50만원 훈련수당 지급
• 내일배움카드 필요 X
• 수강 가능 대상: 만 15세~34세 구직자
• 기숙사 지원 (포항 외 거주자 한정)
• 강사진에게 상시 질문 가능 (코드 리뷰 · 도메인 · 진로 상담)

수료 후

• AI가 예측·오차 계산·역전파·가중치 업데이트를 반복하며 학습하는 원리를 설명할 수 있습니다.
• 데이터의 형태와 문제 목적에 맞춰 모델 구조·손실함수·평가지표를 설계할 수 있습니다.
• TensorFlow·PyTorch의 완성된 학습 기능 없이 Python으로 선형모델과 MLP를 직접 구현할 수 있습니다.
• 평가지표와 학습 결과를 바탕으로 AI 모델의 성능과 결과를 분석할 수 있습니다.
• 데이터 품질·학습률·손실함수·모델 구조를 점검해 성능 저하 원인과 개선 방향을 판단할 수 있습니다.

마무리

• 모델을 가져다 쓰는 사람이 아닌 직접 설계하는 사람이 되세요.
• 수식을 이해하고 손으로 구현해본 경험은 어떤 라이브러리를 만나도 흔들리지 않는 실력이 됩니다.
• 청년 대상 · 100% 국비지원