💡 7차 미니 프로젝트 7차 미니 프로젝트의 강사님은 S 대리님이었다. 그동안 베일에 가려져 있던 S 대리님이 드디어 강의를 해주셨다. 6차 미니 프로젝트에 이어 동일한 사업 주제로 프로젝트가 진행되었다. 7차 미니프로젝트는 무려 4일 동안 진행되었는데 제안 전략을 수립하고 제안서 PT를 작성해 발표하는 순서로 진행되었다. 모든 에이블러가 개인별 발표를 하였고 그것에 대한 피드백도 받았다. 📕 프로젝트 개요 목표 고객의 요구사항(RFP)에 맞는 사업에 대한 이해와 전략 도출 및 제안서 제작. 산출물 고객 요구사항 조견표(일반, 사업 관리) 고객 요구사항 조견표(기술) 제안전략 수립서(기업 경쟁 우위/열위 분석) 제안 PT 📅 프로젝트 일정 Day 1 사업이해 및 경쟁 분석 고객 요구사항 조견표 작성 사업..
📅 16주 차 일정 15주 차에 미니프로젝트 6차 후 제안 전략 수립에 대하여 배웠다. 제안 전략 수립 5일, 제안서 작성 2일 동안 비즈니스에 대한 이해와 사업 정의 등 경영 관련 내용을 배웠다. DX 컨설턴트 교육 과정 중 가장 들어보고 싶던 강의였다. 그리고 한번도 접해본 적 없어 가장 어려웠던 수업이었다. 📕 수업 내용 1. 제안 전략 수립 비즈니스 이해 환경 및 고객 분석 고객 가치 정의 및 아이디어 도출 실행계획 수립 사업 정의(비즈니스 모델) 2. 제안서 작성 제안서 요소 정의 제안서 작성 방법 제안서 작성 실습 제안서 사례 ✏️ 생각 정리 마지막 교육이 끝났다. 미니프로젝트 7차와 빅 프로젝트가 남았지만 이제 더 이상 이론 교육은 없다. 앞으로 지금까지 배운 것을 토대로 프로젝트를 수행해야..
👨💻 AICE 시험 AICE 시험이란? KT가 개발하여 한국경제신문과 함께 주관하는 인공지능 능력시험이다. AI Certificate for Everyone라는 인공지능 능력 시험이다. KT 에이블스쿨에서는 AICE Associate 시험을 지원해 준다. 시험 몇 주 전에는 특강도 진행해 주었다. Associate 등급에서는 데이터 분석/처리 및 AI 모델링을 통한 비즈니스 혁신 역량을 평가 한다. 아래는 AICE Associate 에 관한 설명이다. 문항 : 14문항 시간 : 90분 합격 기준 : 80점 이상 시험 비용 : 80,000원(VAT 포함) 시험 형태 : 온라인(오픈북) 자격 유효 기간 : 3년 출제 범위 : 탐색적 데이터 분석, 데이터 전처리, 머신러닝/딥러닝 모델링, 모델 성능평가 AI..
💡 5차 미니 프로젝트 5차 미니프로젝트는 Step1(파이썬기초~딥러닝+데이터분석표현)에서 배운 내용을 모두 적용해 볼 수 있는 프로젝트였다. 프로젝트 주제는 '119 구급대원의 빠른 병원선정 솔루션 기획'이었다. 데이터 수집 - 전처리 - 분석 - 머신러닝(딥러닝) - 프로토타입(Streamlit) 순서로 미니 빅프로젝트의 느낌이었다. Streamlit은 프론트 엔드 느낌이라 시간이 많이 걸리고 귀찮은 것도 많았지만 우리 팀원 중 한명이 수업이 끝나고 새벽까지 혼자서 다 만들어와 수업시간에 작업 시간을 굉장히 줄일 수 있었다. 📕 프로젝트 개요 주제 119 구급대원의 빠른 병원 선정 솔루션 고객 보건복지부 프로젝트 주요 내용 공공 데이터 수집 및 가공, 추가 데이터를 크롤링하거나 API 활용 중증 질환..
📅 11주 차 일정지금까지 데이터를 전처리하고 머신러닝과 딥러닝으로 결과를 예측하는 과정을 학습하였다.머신러닝과 딥러닝의 결과로 나온 것들을 분석하고 표현하는 것에 대한 수업을 일주일 동안 진행하였다. 📕 수업 내용스트림릿(Streamlit)스트림릿이란?스트림릿은 파이썬(Python) 기반의 웹어플리케이션으로 대시보드를 쉽게 만들수 있다.빠르고 공유 가능하며 상호 작용적이어서 프로토타입 등을 만들 때 굉장히 효과적이다. 주요 학습 내용라이브러리 및 기본 elements그래프 작성 실습 및 데이터 시각화 실습 Power BIPower BI란?Excel, Web, SQL, Server, Azure SQL Server 등 다양한 데이터에 연동되는 보고서와 대시보드를 작성하는 tool.셀프 서비스 및 엔..
💡 4차 미니 프로젝트 4차 미니 프로젝트의 주제는 딥러닝을 이용한 차량 이미지 검출이었다. Object Detection에서 제일 많이 사용하는 YoloV5 모델을 사용하였으며, 기존 데이터뿐만 아니라 직접 라벨링을 하여 만든 데이터도 같이 학습을 시켜 성능을 올렸다. Roboflow에서 라벨링된 데이터들을 가져왔고, 추가적으로 labelImg 툴을 이용하여 직접 라벨링 작업을 하였다. 다른 조들 발표를 들어보면 새로운 데이터를 많이 가져와 사용하였는데, 딥러닝은 확실히 데이터가 제일 중요한 것 같다. 데이터의 양과 질에 의해 모델 성능이 크게 영향을 받는다. 따라서 딥러닝을 이용하는 프로젝트 시작 전 데이터를 확인하고 확보하는데 많은 시간을 써야 할 것 같다. 📕 프로젝트 개요 주제 실시간 차량 통행..
