강좌소개
- 센서와 생활 데이터 등 멀티모달 데이터를 통합하여 분석하는 실무형 AI 교육 과정입니다. 순환신경망(RNN) 및 딥러닝 기반의 시계열 모델을 이해하고 개인 맞춤형 혈당 예측 모델을 구현하고 주차별 마일스톤에 따른 프로젝트 수행 및 멘토링 중심 운영으로 실전 프로젝트 역량을 기릅니다. 나아가 모델링부터 결과 해석 및 의사결정까지 산업 현장에서 요구되는 데이터 분석 전문가의 소양을 함양할 수 있습니다
강좌 상세페이지 배경
-
AI 기반 헬스케어 데이터 가치 발굴 실무 진행중 이수증
-
AI 기반 헬스케어 데이터 가치 발굴 실무
참여기관 목록
강좌소개
학습목표
- CGM(연속혈당측정) 데이터와 생활로그 데이터를 이해할 수 있다
- Python 기반 데이터 처리 및 시각화 기초를 습득할 수 있다
- 머신러닝 기초 개념을 이해하고 혈당 데이터에 적용할 수 있다
- 시계열 데이터를 활용한 기본적인 예측 모델을 구현할 수 있다
강좌특성
- CGM 및 라이프로그 데이터를 활용한 프로젝트 기반 학습(PBL) 중심 교육
- multi-modal 데이터(센서 + 생활데이터)를 통합 분석하는 실무형 AI 교육
- 주차별 milestone 기반 프로젝트 수행 및 멘토링 중심 운영
- 머신러닝 및 딥러닝 모델을 활용한 개인 맞춤형 혈당 예측 문제 해결 능력 강화
- 산업 현장에서 요구되는 데이터 분석, 모델링, 결과 해석 및 의사결정 역량 함양
강좌 운영일정
- 수강신청기간 : ~ 2026. 11. 15.
- 강좌운영기간 : 2026. 9. 28. ~ 2026. 11. 15.
- 세부일정
1) 온라인(이론) : ~2026. 11. 15.
2) 오프라인(zoom 동시운영, 실습) : 2026. 11. 7.(토) 9시~17시 + 2026. 11. 8.(일) 9시~16시
이수 및 평가기준
- 총점 60점 이상 이수증 발급
- - 진도율, 퀴즈, 과제, 총괄평가에 따른 점수를 합산하여 60% 이상 기준에 도달하면 학업의 최저 기준치를 충족한 것으로 간주함
수업계획서
주차 | 주차명(주제) | 차시 | 차시명(학습내용) | 평가방법 |
1 (온라인) | 디지털 헬스케어와 AI 개요 | 1-1 | 디지털 헬스케어 개요 | 퀴즈(1) |
1-2 | Numpy, Pandas, Matplotlib을 활용한 데이터 분석 및 시각화 | |||
1-3 | 분석 파이프라인 및 데이터 전처리 | |||
2 (온라인) | 특성 공학 및 머신러닝 모델 | 2-1 | feature 설계 및 실습 | 퀴즈(2) |
2-2 | 머신러닝을 이용한 혈당 회귀 문제 | |||
2-3 | 머신러닝을 이용한 혈당 본류 문제 | |||
3 (온라인) | 딥러닝 및 인공신경망/심층 신경망 모델 | 3-1 | 인공 신경망 개요 | 과제(1) |
3-2 | 심층 신경망 개요 | |||
3-3 | 신경망 모델 훈련 및 실습 | |||
4 (온라인) | 합성곱 및 순환신경망 모델 | 4-1 | 합성곱 신경망 | 퀴즈(3) |
4-2 | 순환신경망 개요 | |||
4-3 | LSTM 및 GRU 셀 | |||
5 (온라인) | 모델 성능 개선 및 평가 | 5-1 | 평가지표 | 토론(1) |
5-2 | 하이퍼파라미터 및 교차검증 | |||
5-3 | 파이프라인 조립 | |||
6 (오프라인,zoom) | 프로젝트 구현 시작 | 6-1 | 프로젝트 주제 선정 및 문제 정의 | 내부TA평가(1) |
6-2 | baseline 모델 구현 및 학습 | |||
6-3 | 초기 결과 분석 및 문제점 도출 | |||
7 (오프라인,zoom) | Baseline 모델 구현 | 7-1 | 모델 성능 개선 전략 | 외부멘토평가(1) |
7-2 | 모델 구현 및 학습 | |||
7-3 | 결과 분석 및 개선 방향 도출 | |||
8 (오프라인,zoom) | 모델 개선 및 Feature 확장 | 8-1 | 헬스케어 데이터 feature engineering 전략 | 내부TA평가(2) |
8-2 | Feature 개선 전략 점검 | |||
8-3 | 모델 성능 개선 실습 | |||
9 (오프라인,zoom) | 고급 모델 적용 및 결과 해석 |
| 시계열 모델(LSTM) 및 해석 방법 | 외부멘토평가(2) |
| 고급 모델 적용 점검 | |||
| 인사이트 도출 및 정리 | |||
10 (오프라인,zoom) | 최종 모델 완성 및 발표 준비 |
| 결과 정리 및 스토리텔링 방법 | - |
| 최종 모델 성능 점검 | |||
| 결과 시각화 및 스토리 구성 | |||
11 (오프라인,zoom) | 총괄평가 | 11 | 실습결과물 발표 | |
강좌운영진
-
남연식 교수- 소속 : 광운대학교 화학과
- 직급 : 조교수
- 전공 : 이학박사 (계산화학/물리화학)
- 교수자 대표 이력
- Argonne National Laboratory 박사후연구원
- University of California, Irvine 박사후연구원
- 2016 Global Ph.D. Fellowship, 2017-2019 POSCO Science Fellowship 선정
- SCI 국제학술지 논문 30여편 게재 (제1·교신저자 20편 이상)
- AI 기반 계산화학 및 분자 시뮬레이션 연구