교육

심층 데이터 분석 솔루션 개발자 과정

KDT 심화과정 — 시계열/CNN/RNN 고급 분석, 팀 프로젝트 2개 수행

2025.11 ~ 2026.01 (349시간)

휴먼IT교육센터

PythonMLDLAI

💁 정보

고급 데이터 분석 및 모델링: 시계열 데이터 및 음향 신호 데이터 등 비정형 데이터 처리 기법 학습. CNN, RNN 등 딥러닝 아키텍처의 실무 적용 능력 강화.
지능형 매장 수요 예측 시스템 개발 (팀 프로젝트): 해외 매장 데이터를 벤치마킹하여 데이터 부족 문제를 해결하고, 시계열 기반의 재고 예측 모델 설계.
자동차 소음 탐지(Signal Processing) 프로젝트 (팀 프로젝트):

데이터 제약 조건의 창의적 해결: 데이터가 부족한 환경에서도 도메인 벤치마킹과 외부 데이터 융합(MCP 활용)을 통해 모델의 신뢰성을 확보하는 전략적 접근법을 익힘.
프롬프트 엔지니어링의 시스템화: 단순 챗봇을 넘어, 데이터 전처리 자동화 등 백엔드 로직의 효율성을 극대화하기 위한 LLM 활용 방안을 경험함.
도메인 맞춤형 피처 엔지니어링: 소음 탐지 프로젝트를 통해 원천 데이터(Raw Data)를 성격에 맞게 다각화(Spectrogram 등)하여 분석하는 것이 모델 성능에 결정적임을 깨달음.
백엔드 아키텍처와 모델의 통합: 분석 모델이 단순 실험에 그치지 않고, 사용자 편의성을 고려한 API 및 시스템 아키텍처로 구현될 때의 서비스 가치를 체감함.

자동차 브레이크, 엔진 공회전, 시동 시 발생하는 소리를 딥러닝으로 분석하여 이상 여부를 진단하는 시스템입니다. CNN(~2.5M), CRNN(~3.5M), Transformer(~4M) 3종 모델을 비교 실험했습니다.

월별 워드-스코어 데이터와 시계열 매출 데이터를 결합하여 다음 달 매출을 예측하는 시스템입니다. LSTM(시계열) + Dense(텍스트 피처) 하이브리드 모델과 LLM 기반 인사이트를 제공합니다.