강좌소개
- 온디바이스 AI·TinyML 기본 이해: 개념과 필요성 파악, 핵심 기술 전반에 대한 이해
- 모바일·임베디드 환경 적용 역량: 해당 환경에 적합한 AI 모델 개발 방법 학습
- 최신 기술 동향 습득: 경량화 고려 AI기술, 실시간 처리 중심의 최신 기술 동향 폭넓게 학습
강좌 상세페이지 배경
참여기관 목록
강좌소개
학습목표
- 스마트폰, IoT디바이스, 센서 기반 시스템에 온디바이스 AI 적용 능력 향상
- 초경량 AI 기술을 산업 현장에 활용 가능하도록 하는 실무 역량 강화
- 국가 AI 전략에 부합하는 인재 양성
- 스마트 기술 분야 전문 인력 배출에 효과적
강좌 운영일정
- 수강신청기간 : 2026. 04. 01. ~ 2026. 04. 30.
- 강좌운영기간 : 2026. 04. 01. ~ 2026. 06. 05.
이수 및 평가기준
- 출석 20%
- 퀴즈 20%
- 중간고사 30%
- 기말고사 30%
- 총 100점 중 60점 이상 충족 시 이수
수업계획서
주차 | 주차명(주제) | 차시 | 차시명(학습내용) | 평가방법 |
1 | 온디바이스 AI 개념과 구성요소 | 1 | 온디바이스 AI 개념과 구성요소 |
|
2 | TinyML 필요성과 딥러닝 기본 원리 | 2 | IoT와 TinyML | 퀴즈 |
3 | 머신러닝 분류 모델과 분류 방법 비교 | 3 | 머신러닝 학습의 원리 | 퀴즈 |
4 | 머신러닝 성능 지표와 분류 모델 평가 | 4 | 온디바이스 AI를 위한 머신러닝 분류 알고리즘의 이해와 비교 | 퀴즈 |
5 | 딥러닝 분류 모델과 이미지 분류 이해 | 5 | 딥러닝 기본 회귀 모델 | 퀴즈 |
6 | CNN기반 이미지 분류 심화 및 데이터 확장 | 6 | CNN의 한계와 최적화와 이미지분류 과정 | 퀴즈 |
7 | 모델 성능 개선과 온디바이스 경량화 기술 | 7 | 모델 성능 평가 및 개선 |
|
8 | 중간고사 | 8 | 중간고사 |
|
9 | 온디바이스 모델 경량화 전략 | 9 | 비지도 학습 기반 K-Means클러스터링과 이상탐지 | 퀴즈 |
10 | TinyML Kit 개요 | 10 | TinyML Kit 개요 및 설정 방법 | 퀴즈 |
11 | TinyML Kit 기반 센서 활용과 분류 모델 최적화 | 11 | TinyML 기반 온디바이스 분류 모델 설계 및 최적화 | 퀴즈 |
12 | 센서 융합 및 온디바이스 분류 고도화 | 12 | 온디바이스 이미지 분류 모델 | 퀴즈 |
13 | 이상 탐지 기반 데이터 수집과 융합 분석 | 13 | 키워드 탐지 | 퀴즈 |
14 | 센서 스펙트럼 분석을 활용한 온디바이스 AI 실전 적용 | 14 | 운송 환경에서의 온디바이스 AI 기반 동작 분류 |
|
15 | 기말고사 | 15 | 기말고사 |
|