•
조사 목적: 커리큘럼 변경(난이도 하향 조정)
◦
현재 전공자 대상 심화를 목적으로 1회차 운영중 → 낮은 모집률, 수강 난이도가 높아 중도 이탈이 많은 상황
◦
2회차 커리큘럼 난이도 조정 필요
▪
난이도 상향 조정: 석-박사 이상 전공자 대상 심화 과정
▪
난이도 하향 조정: 비전공자 AI 개발자 대상
•
•
교육시간: 920시간
기존 커리큘럼
수정 커리큘럼
[Lecture Lab이 생각한 방향성]
•
현 문제점
◦
높은 난이도 → 훈련대상의 모수가 적음 → 낮은 모집 & 높은 중탈
•
개선방향
◦
난이도를 낮추고 훈련 대상의 범위를 넓혀 모집 인원을 늘릴 필요가 있음
1. AI 웹 서비스 개발 프로세스 별 찍먹(난이도 낮춤) + 기획자 PM 요소 가미 → AI 웹 서비스 PM 양성과정
2. AI 웹 서비스 개발 프로세스 별 찍먹(난이도 낮춤) + 개발자 양성 → 생성형 AI를 활용한 AI 웹 개발자 양성과정
◦
현재 커리큘럼 변경 세부 논의 필요 → 담당 프로, 강사님, 서베이 결과 바탕
◦
목표 일정: 내년 1월에 있을 변경심사 대비 → 12월 내 커리큘럼 및 세부 운영 사항 완성
•
기대효과
◦
모집 인원 증대
◦
중도탈락 인원 감소
◦
운영 및 관리 편의 (높은 난이도에 맞는 강사진 섭외 등의 어려움, 훈련생 만족도 등)
•
참고자료
스파르타 코딩클럽 - 생성형 AI를 활용한 데이터드리븐 프로덕트 매니저 양성과정
•
채용공고
AI 웹 서비스 PM → 경력 3년 이상 희망하는 경우 多, 수료 후 취업률 저조 우려
생성형 AI 웹 개발자
[강사 풀 등록 리스트 - AI 분야]
•
24년도 하반기 KDT 사업 선정 과정
◦
신기술 직종: 인공지능
◦
전체 134개 중 21개 과정(재직자 2, 일반19)
NO. | 회사명 | 과정명 |
1 | 한글과컴퓨터 | |
2 | 모두의연구소 | [아이펠]생성형AI를 활용한 프로덕트 데이터 분석 과정 |
3 | 엘리스그룹 | 엘리스 AI 사업개발자 트랙 |
4 | 코드잇 평생교육원 | 딥러닝 모델(자연어처리, 컴퓨터비전) 기반 AI 엔지니어 부트캠프 |
5 | 국립안동대학교산학협력단 | 클라우드 기반 인공지능 전문가 양성과정 |
6 | 전남대학교산학협력단 | 심화_생성형 AI 모델링(비전 트랜스포머의 구현과 데이터 적용) |
7 | 광주국제직업전문학교 | 고품질 이미지 AI 모델 개발자 양성과정 |
8 | 국제직업전문학교 | AI 융합 VR 게임콘텐츠 창작자 양성과정 |
9 | 메가넥스트평생교육원 | |
10 | 알파코 | [End-to-End] AI 개발자 마스터 과정 |
11 | 에이치아카데미 D&D교육센터 | 융합_웹툰콘텐츠제작을 위한 AI(미드저니, ChatGPT)활용 전문인력(PD,콘티,캐릭터,배경,연출) 양성 |
12 | 연희직업전문학교 | AWS 클라우드 환경의 AI 적용 백엔드 API 서버 개발자 양성 과정 |
13 | 우리인재개발원 | AI기반 지능형 솔루션 개발 과정 |
14 | 하이미디어IT인재개발학원 | 자바 풀스택&AI를 활용한 개발자양성 취업과정(APS플랫폼 개발) |
15 | 하이미디어IT인재개발학원 | 자바와 생성형AI를 활용한 차세대 CRM플랫폼 개발 |
16 | 하이미디어컴퓨터학원 | 클라우드환경 자바(JAVA) 풀스택 AI융합 웹개발자(AWS, SpringBoot, React.js) |
17 | 한국IT교육원 | 메티컬 AI with 스마트웰니스 |
18 | 한국직업전문학교 | AI 서비스 개발자 (Search, 객체탐지, 판독) |
19 | 휴먼IT교육센터_내일배움카드교육 | 단기_인공지능(AI) 서비스 기반 웹 개발자 심화 프로젝트 |
모두의연구소 | 재직자_[아이펠]서비스 개발자를 위한 LLM 역량 강화 과정 | |
패스트캠퍼스강남학원 | 재직자_INNER CIRCLE : 인공지능(AI) 마스터 Course |
•
기존 운영 중 과정(HRD-Net 검색)
◦
비전공자 8, 전공자 7
NO. | 회사명 | 과정명 | 난이도 | 비전공자
학습 가능성 | 필요 사전지식 |
1 | 엠비씨(MBC)아카데미 컴퓨터교육센터 수원점 | 중-고급 | X | 프로그래밍의 기본 개념, 특히 자바와 파이썬 기초 | |
2 | 주식회사 이젠컴퓨터아카데미 | 중-고급 | O | 프로그램의 기본 개념, 자바, 파이썬의 이해, 클라우드 컴퓨팅과 데이터베이스 관리 기초 등 | |
3 | 미래융합교육원 | 초-중급 | O | 기본 프로그래밍 개념(변수, 조건문, 반복문 등), 리눅스와 데이터베이스 기초 | |
4 | 엠비씨(MBC)아카데미컴퓨터학원 천호점 | 중-고급 | O | 기본적인 컴퓨터 공학 지식(데이터 구조, 알고리즘 등), 그래픽스 기초 | |
5 | 한국소프트웨어인재개발원 | 초-중급 | O | 기본적인 컴퓨터와 프로그래밍 언어에 대한 이해. 수학 기초(통계와 확률) | |
6 | 대한상공회의소 서울기술교육센터 | 고급 | X | C/C++ 프로그래밍 언어의 기초, 변수, 함수, 배열, 포인터 등, 기본적인 알고리즘 개념 | |
7 | 모블교육센터평생교육원 | 중-고급 | X | C/C++ 프로그래밍 언어,기본적인 알고리즘 이해 및 데이터 구조 | |
8 | 에이아이아카데미학원 | 중-고급 | X | Python, Java, SQL 및 데이터베이스 설계 개념에 대한 이해 | |
9 | 라인컴퓨터아트학원 | 초급 | O | JAVA와 같은 기본적인 프로그래밍 언어 | |
10 | 안산 그린컴퓨터아카데미 | 중-고급 | O | Java, Python, HTML, CSS 기초 | |
11 | 한국ICT인재개발원 | 중급 | O | JAVA, Python 언어, AI 모델 및 머신러닝의 기본 개념, 클라우드 기술(AWS, Azure 등) | |
12 | 하이미디어아카데미인재개발원 | 중급 | X | 프로젝트 위주이므로 사전지식 있는 전공생이 적합 | |
13 | 한국ICT인재개발원 | 중-고급 | X | 파이썬 프로그래밍 기초, 웹 개발 기초, 데이터 분석 기초 등 | |
14 | 한국ICT인재개발원 | 중-고급 | O | 프로그래밍 기초나 웹 개발에 대한 기본적인 이해 | |
15 | 한국ICT인재개발원 | 중-고급 | X | 프로그래밍 기초 지식, Java, Python, 웹 개발 기초(HTML, CSS, JavaScript) 등 |
엠비씨(MBC)아카데미 컴퓨터교육센터 수원점 - AI기반 시스템 및 응용소프트웨어 개발자 양성과정
주식회사 이젠컴퓨터아카데미 - 클라우드기반 AI Automation 스마트관리시스템(물류관리,생산관리)자바 백엔드개발
미래융합교육원 - 실무 프로젝트_IoT & AI(인공지능) SW 개발자 과정
엠비씨(MBC)아카데미컴퓨터학원 천호점 - (기업연계형) AI와 유니티엔진을 활용한 게임제작 부트캠프
한국소프트웨어인재개발원 - 빅데이터기반 인공지능 융합 서비스 개발자
대한상공회의소 서울기술교육센터 - AI 시스템반도체 설계
모블교육센터평생교육원 - AI를 활용한 지능형 영상처리 프로그램 개발 과정
에이아이아카데미학원 - 클라우드기반 AI 서비스 개발자 양성과정
라인컴퓨터아트학원 - (K-DIGITAL)기업요구 생성형 AI를 활용한 개발자 양성 과정
안산 그린컴퓨터아카데미 - AI프로젝트 풀스택(Java, Python, React) 딥러닝(자연어처리) 개발자 양성과정
한국ICT인재개발원 - 클라우드기반 AI 대화형 서비스 웹개발자 양성
하이미디어아카데미인재개발원 - (K-디지털트레이닝) 인공지능(AI-X) 프로젝트 부트캠프
한국ICT인재개발원 - 지능형 도우미 서비스 융합 웹서비스 개발자 과정
한국ICT인재개발원 - 클라우드기반 AI 대화형 서비스 웹개발자 양성
한국ICT인재개발원 - 클라우드환경 패스워드리스 보안 AI 웹개발자 양성
1.
기존
교과목명 | 세부내용 | 훈련시간 |
웹서비스 개발 초급 | - 웹 개발 기초(HTML& CSS& JavaScriptChrome Browser& Visual Studio Code)
- GitHub(Git 기본 사용법Visual Studio Code& Git) | 64 시간 |
웹서비스 개발 중급 | 1. Vue.js를 이용한 Front-End Web App 구현
- Introduction
- Component
- Directive
- SFC
- VRouting
- Vuex
2. 데이터베이스 및 연동
- MySQL 소개 및 설치
- MySQL 기본 운영
- MySQL 구성 요소
- SQL 기본
- SQL 고급
3. Python 프로그래밍
- 환경 설정
- 데이터타입 및 제어문
- 함수 및 객체지향
- 모듈 및 package
- 데이터베이스 연동
- 프로그래밍 실습
4. Flask를 이용한 웹 서비스 구현
- 소개 및 설치
- Routing
- 템플릿
- request & response
- Session
- Web App 구현 | 224 시간 |
AI | 1. 데이터 탐색 및 분석(Numpy, Pandas, Pandas 실습)
- 시각화
- 데이터분석 실습
2. 머신러닝 기초(Google Colab& Python& TensorFlow& Scikit-learn& matplotlib)
- 미분 및 구현
- Regression
- Regression& 이상치와 정규화
- Logistic Regression
- 평가 및 성능지표
- Multinomial
- TensorFlow 구현
3. 머신러닝 모델 성능 개선
- 머신러닝 과적합 및 개선방법
- 머신러닝 OverSampling 및 개선방법
- 머신러닝 기타 성능개선방법
4. 딥러닝 기초
- 기본 이론
- Vision 기본
- CNN
- CNN 예제
- Transfer Learning
- Transfer Learning 실습
- Object Detection 응용
- RNN
- LSTM
- 어텐션
5. 딥러닝 모델 성능 개선
- 딥러닝 트랜스포머
- 딥러닝 Vision 모델 성능 개선
- 딥러닝 자연어처리 모델 성능 개선 | 280 시간 |
AI를 활용한 서비스 구현 | 1. AI 모델 통합
- 딥러닝 Vision 모델 개발
- Flask를 활용한 웹 서비스 구현
- Vue.js를 이용한 Front-End 웹 앱 구현
- 서비스 연동 | 40 시간 |
미드 프로젝트 | - [데이터 처리 및 분석] '집무실' 서비스의 공기질 모니터링 및 환기 알림 기능 | 140 시간 |
파이널 프로젝트 | - [딥러닝 영상처리] 'ASA' 서비스의 AI 영상처리를 통한 자동 모니터링 기술 구현 | 160 시간 |
OT | - 개강식(과정 소개 및 출석 안내) | 4 시간 |
종강 | - 종강식(종강 안내) | 4 시간 |
특강1 | - 인공지능, 데이터 관련 직무 이해 | 2 시간 |
특강2 | - 이력서/포트폴리오 | 2 시간 |
총 훈련시간 | 920 시간 |
2.
수정본
교과목명 | 세부내용 |
웹 프로그래밍 개발 기초 | •웹 동작 머커니즘
• HTML, CSS 기초
•JavaScript 기초 |
Front-End Web 개발 | •Vue.js 기본개념
•Vue Component
•SFC 구현
•Vue Routing
•Vue 상태관리(Pinia) |
Database | •데이터베이스의 기본 개념
•MySQL 기본
•Data Modeling
•SQL
•데이터베이스 주요 구성 요소(Table, View, Index, Stored Procedure) |
Python | •Python 문법
•테이터 타입
•제어 흐름
•함수
•클래스
•데이터베이스 연결 학습 |
Back-End Web 개발 | •Flask 소개 및 동작 메커니즘
•Request와 Response 처리
•Template
•로깅
•쿠키와 세션
•Blueprint
•데이터 베이스 연동 및 인증
•RESTful API
•게시판 구현 |
데이터 탐색 및 분석 | •Numpy
•Pandas
•DataFrame의 이해와 활용
•데이터 정제
•기술 통계 및 가설 검정 |
머신러닝 기초 1 | •Tensorflow Framework
•Regression 개념
•Linear Regression
•Logistic Regression
•Evaluation 및 Metrics
•Multinomial Classification |
머신러닝 기초 2 | •SVM, Decision Tree
•KNN
•Ensemble
•비지도학습 알고리즘(K-Means, DBSCAN) |
딥러닝 기초 | •Perceptron
•Deep Learning Initialization & Activation Function
•DNN 구현 |
딥러닝 심화 | •Image 특성
•CNN 특징 및 원리
•CNN 구현
•Transfer Learning, Fine Tune
•TFRecord를 이용한 고도화
• Object Detection
•YOLO Model 재학습 실습
•RNN 특징 및 원리
•RNN 구현
•LSTM을 이용한 한국어 감성 분류 구현 |
딥러닝 성능개선 | •Model HyperParameter 조정을 통한 성능 개선
•Overfitting
•데이터 불균형 처리
•Regularization(규제), Normalization(정규화) 세부사항 이해 |
AI 통합 서비스 | •웹 서비스와 AI 모델 결합
•Flask와 머신러닝 Model 연동 |
미드 프로젝트 | •데이터 처리 및 분석 프로젝트 수행 및 포트폴리오 구축 |
파이널 프로젝트 | •딥러닝 영상처리 프로젝트 수행 및 포트폴리오 구축 |
3.
메가넥스트평생교육원 - AI 활용 웹서비스 개발
교과목명 | 세부내용 | 훈련시간 |
인터랙티브 웹 애플리케이션 개발 | 인터랙티브 웹 애플리케이션 개발 | 90 시간 |
이미지 인식 웹 애플리케이션 | 의류 이미지 인식 식물 식별 애플리케이션 음식 칼로리 추정 애플리케이션 | 72 시간 |
개인화 추천 시스템 | 영화 추천 시스템 전자 상거래 추천 시스템 음악 추천 시스템 학습 자료 추천 시스템 | 72 시간 |
파이썬 머신러닝 딥러닝 GenAI | 파이썬 기초, 파이썬 심화, 데이터 처리 기초, 파이썬 복습 및 실습 머신러닝 개요, 지도학습 기초&심화, 비지도학습 기초 딥러닝 개요, 딥러닝 심화 클라우드기반 챗봇 서비스 이해, 파이썬 라이브러리를 활용한 웹 서비스 구현 GenAI개요, 심화, 실습, 챗봇 개요 및 설계, 챗봇 실습 | 160 시간 |
프론트엔드 | 웹 페이지 구조와 스타일링 이해 및 작성 기본 문법과 DOM 조작을 통해 동적인 웹 페이지 구현 사용자 경험(UX)과 사용자 인터페이스(UI) 디자인 원칙 학습 다양한 디바이스에 대응하는 웹 페이지 제작 ReactJS를 사용한 컴포넌트 기반 개발 고급 문법, 비동기 프로그래밍 개념 및 적용 "최신 JavaScript 문법과 활용법 테스트 프레임워크 사용법, 디버깅 기법" | 168 시간 |
CS | 컴퓨터의 기본 구성 요소와 작동 원리 이해 / 배열, 리스트, 스택 큐 등 자료구조 학습 "정렬, 탐색 알고리즘 및 복잡도 분석 / 운영체제의 역할과 주요 기능 / TCP/IP 프로토콜 이해" | 24 시간 |
백엔드 | 백엔드 프레임워크의 기본 개념과 주요 기능에 대한 소개 템플릿 엔진을 사용하여 동적 웹 페이지 생성 ORM을 사용하여 데이터베이스와 객체를 연동 백엔드 시스템의 기본 개념과 역할 RESTful API의 기본 개념과 설계 원칙 | 216 시간 |
합성데이터를 활용하여 자동화된 고객 상담 AI 챗봇 개발 | 불만 처리 AI 챗봇 개발 제품 설명 AI 챗봇 개발 심리 상담 AI 챗봇 개발 도서 추천 AI 챗봇 개발 | 80 시간 |
클라우드 | 클라우드 컴퓨팅의 기초 개념과 서비스 소개 AWS의 주요 서비스와 사용 방법 소개 AWS의 EC2, S3, RDS 서비스 개요 AWS 관리 콘솔의 사용법 소개 AWS 환경에서 테스트하고, 실제 운영 환경에 배포하는 방법 학습 |
1. 기존 | 2. 1차 수정 | 3. AI 웹 서비스 기획자 과정 |
웹서비스 개발 초급
웹서비스 개발 중급
AI
AI를 활용한 서비스 구현
미드 프로젝트
파이널 프로젝트
특강1
특강2 | 웹 프로그래밍 개발 기초
Front-End Web 개발
Database
Python
Back-End Web 개발
데이터 탐색 및 분석
머신러닝 기초 1
머신러닝 기초 2
딥러닝 기초
딥러닝 심화
딥러닝 성능개선
AI 통합 서비스
미드 프로젝트
파이널 프로젝트 | 인터랙티브 웹 애플리케이션 개발
이미지 인식 웹 애플리케이션
개인화 추천 시스템
파이썬 머신러닝 딥러닝 GenAI
프론트엔드
CS
백엔드
합성데이터를 활용하여 자동화된 고객 상담 AI 챗봇 개발
클라우드 |
1. 공통점
1.
웹 개발 기초 학습:
•
HTML, CSS, JavaScript 등 기초 웹 기술, 프론트엔드와 백엔드 모두 포함
•
Flask나 Vue.js와 같은 웹 개발 도구 및 프레임워크 활용을 강조
2.
AI 및 딥러닝:
•
머신러닝 및 딥러닝의 기본 개념과 실습, 데이터 처리, 모델 성능 개선 과정을 다룹니다.
•
이미지 인식, 추천 시스템, Object Detection 등 AI의 실제 활용 사례를 포함합니다.
3.
실무 중심의 프로젝트:
•
3번은 특히 추천 시스템, 이미지 인식, 챗봇 개발 등 다양한 실무 활용 사례에 특화된 프로젝트를 다루고 있습니다.
•
모두 중간 및 최종 프로젝트를 통해 실습을 진행하며 포트폴리오 제작을 지원합니다.
4.
클라우드와 배포:
•
3번 커리큘럼에서는 클라우드(AWS)를 포함하여 배포 환경을 학습하며, 다른 두 커리큘럼에서는 서비스 배포의 일부만 다룹니다.
2. 차이점
항목 | 1번 | 2번 | 3번 |
프론트엔드 | Vue.js 활용, 상태 관리(Vuex) | Vue.js 활용, Pinia로 상태 관리 | ReactJS 기반 고급 기능 학습, 최신 JavaScript 문법과 비동기 프로그래밍 포함 |
백엔드 | Flask 중심, 기본 Routing 및 템플릿 처리 | Flask 중심, RESTful API 설계, Blueprint | 다양한 백엔드 프레임워크 소개, ORM 사용 및 템플릿 엔진 구현 |
AI 심화 | TensorFlow, Transfer Learning, Attention 등 최신 기술 포함 | YOLO 모델 및 LSTM 실습 | Generative AI(GenAI) 도입, 챗봇 설계 및 실습 |
데이터베이스 | MySQL 기본 및 SQL 심화 | MySQL + Data Modeling | ORM을 사용한 데이터베이스 연동 및 AWS 기반 RDS 사용 |
특화된 주제 | 딥러닝 기반 Object Detection과 영상 처리 | 데이터 불균형 및 모델 개선 방법 상세 학습 | 합성 데이터 활용 및 AI 챗봇 개발, 클라우드 배포 |
클라우드 | 포함되지 않음 | 포함되지 않음 | AWS EC2, S3, RDS 활용, 클라우드 배포 학습 |
CS 기초 | 명시되지 않음 | 명시되지 않음 | 운영체제, 네트워크, 자료구조 및 알고리즘 학습 포함 |
프로젝트 주제 | 공기질 모니터링, AI 영상 처리 | 데이터 처리 및 영상 처리 기반 | AI 챗봇 개발, 추천 시스템, 이미지 인식 등 프로젝트 주제가 다양하고 실무 활용도 높음 |
3. 분석 및 추천
1.
1번 커리큘럼: 광범위한 AI 기술과 웹 개발을 통합적으로 배우며, 최신 딥러닝 모델과 성능 개선 방법을 배우고 싶은 학습자에게 적합합니다. 프로젝트에서 공기질 모니터링 등 IoT와 연계된 AI 서비스를 다룹니다.
2.
2번 커리큘럼: 실무에서 빠르게 적용 가능한 기술에 중점을 둡니다. YOLO 모델, 데이터 불균형 처리, Regularization 등 실무 중심의 딥러닝 기법을 배우고 싶거나, 비지도 학습 기법을 학습하려는 경우 적합합니다.
3.
3번 커리큘럼: 가장 실무 중심으로 설계되어 있으며, AWS 클라우드 활용, GenAI(생성형 AI), 챗봇 개발 같은 최신 기술과 비즈니스 연계 프로젝트를 포함합니다. 다양한 추천 시스템 구현, ReactJS 학습, CS 기초를 다루기 때문에 신입 개발자로서의 기반을 단단히 다지고 싶다면 추천됩니다.
정리
•
AI 최신 기술 중심 학습: 1번
•
실무 중심의 딥러닝 기술과 웹 개발: 2번
•
클라우드, 챗봇, GenAI 중심의 실무와 최신 기술: 3번
