강의 계획서

주차

주차명

(주제)

주차별 학습 목표

차시

차시명

학습내용

1

시계열

분석 기초

시계열의 이해하고 기본모형을 구현할 수 있다

1-1.

데이터 준비

1-2.

데이터 클린징

1-3.

시계열의 전처리과정과 시각화

2

시계열의 모델링

기초

시계열의 전처리를 할 수 있다

2-1.

시계열데이터 교차검증 모형

2-2.

시계열의 모델링개념

2-3.

머신러닝 모델

3

딥러닝

시계열과 머신러닝을 설명을 할 수 있다

3-1.

시계열과 머신러닝기초

3-2.

딥러닝의 개념(뉴럴 네트워크)

3-3.

RNN알고리즘

4

중간고사 (2023년 1월 25일~2023년 1월 31일)

5

탄소중립과 전력균형

탄소 중립 목표 달성을 위해 인공지능 활용의 필요성을 이해한다

5-1.

탄소중립과 신재생 에너지

5-2.

전기 에너지 발전 및 소비 예측을 위한 데이터 분석

5-3.

전기 에너지 발전량과 소비량 균형을 맞추기 위한 접근방법

6

에너지 데이터 실습 1

신재생에너지 발전량 예측을 위해 인공지능 기법을 사용할 수 있다

6-1.

전기 에너지 자립 및 에너지 클라우드

6-2.

Renewables.ninja

6-3.

DKA Solar Cente

7

에너지 데이터 실습 2

전력 소비 예측을 위해 인공지능 기법을 사용할수 있다

7-1.

에너지 데이터의 전처리

7-2.

에너지 데이터의 시각

7-3.

에너지 데이터를 이용한 인공지능 예측 모델

8

기말고사 (2023년 2월 20일~2023년 2월 26일)