※ 방역 기준에 따라 다음과 같이 진행합니다.
1) 집체교육으로 진행 (단, 방역 강화시 실시간 온라인 교육으로 전환 실시)
2) 30명의 교육생만 선착순으로 모집
3) 교육생, 교수진, 운영진 전원 마스크 착용
4) 손소독제 및 손세정제 비치
※ 전문 교재 및 점심 제공
일정 |
분야 |
과목명 |
주요 교육 내용 |
|
날짜 |
시간 |
|||
6/30 (1일차) |
09:00 ~ 17:00 |
IIoT/데이터 수집/저장 및 처리 |
데이터 활용을 위한 IIoT 설계 및 데이터 수집 |
◾ 스마트 공장 구축 사업의 방향성 및 사전 준비 사항 - 스마트 공장 구축 선진 사례 연구 및 시사점 ◾ 제조 데이터의 범위 및 수집 방법 연구 - IIoT, OPC UA, Cloud, KAMP ◾ 제조 데이터 기반의 제조 시스템(ERP, MES, SCM 등) 구축 ◾ 제조 데이터 수집을 통한 빅 데이터 분석 및 활용
|
7/1 (2일차) |
09:00 ~ 13:00 |
제조 Big Data 개요 |
Big Data의 개요 및 제조 Big Data의 활용 전략 (1) |
◾ 제조 Big Data의 개요 및 기획 - 제조 Big Data의 개요 및 특징 - 제조 Big Data와 Digital Transformation 관계 및 활용 - 제조 Big Data 활용 전략 수립 ◾ 제조 Big Data의 활용 방안 - 제조 Big Data의 연계 (Data Source) 및 수집/활용 방안 - 공정 Data의 확보 및 제조 Data 분석
|
14:00 ~ 17:00 |
제조 Big Data 사례 |
Big Data의 개요 및 제조 Big Data의 활용 전략 (2) |
◾ 제조 Big Data 분석 사례 소개 - 업종별 Data 분석 및 활용 사례 소개 ◾ 분석 과제 정의 및 분석 프로젝트 기획
|
|
7/7 (3일차) |
09:00 ~ 17:00 | AI/데이터 분석 실습 | 인공지능 개념을 활용한 빅데이터 분석과 활용 |
[노트북 지참] ◾ Industry 4.0 & Python Programming - Industry 4.0 시대 제조업의 변화 - 인공지능과 파이썬의 필요성 - 조건문/반복문/함수를 통한 데이터 정제 과정의 이해 - 분석을 위한 라이브러리(Numpy, Pandas) 학습 ◾ 실무 제조 DataFrame Handling - 데이터 정제를 위한 DataFrame 개념 학습 - 현업에서 활용되는 제조 데이터를 활용한 Data 정제 실습 - 정제되어 있지 않은 실제 데이터에 대한 분석 과정 학습
|
7/8 (4일차) |
09:00 ~ 17:00 | AI/데이터 가시화 실습 | 인공지능 개념을 적용한 빅데이터의 가시화 |
[노트북 지참] ◾ 실무 제조 Data Visualization - Seaborn 라이브러리를 활용한 시각화 학습 - 현업에서 활용되는 제조 데이터에 대한 시각화 실습 ◾ 기계학습: Machine Learning - 머신러닝과 제조 데이터와의 관계 - 머신러닝을 위한 학습 및 훈련 데이터 분할 - 대표적인 의사결정나무모델 RandomForest 실습
|
7/14 (5일차) |
09:00 ~ 17:00 | 제조 데이터의 D/L 활용 실습 | 제조 데이터의 딥러닝 적용과 활용 실습 |
[노트북 지참] ◾ 딥러닝의 개요 - 신경망 개념과 딥러닝 핵심 개념 - 이미지 데이터의 딥러닝 이론 - 시계열 데이터의 딥러닝 이론 ◾ 제조 데이터를 활용한 딥러닝 실습 - 이미지 데이터 기반의 결함 검출 - 시계열 데이터 기반의 설비 예지보전
|
7/15 (6일차) |
09:00 ~ 17:00 | 분석 실습 | 분석 Tool 기반의 제조 Big Data 분석 및 활용 |
[노트북 지참] ◾ 분석 Tool(JMP)을 사용한 Data 변환및 분석 - 데이터 가져오기, 결측치 분석 및 처리, 이상치 분석 및 처리 ◾ 데이터의 시각화 실습 - 분포 그림, 그래프 빌더, 평행 그림, 산점도행열, 3차원 산점도, 버블 그림, 트리 맵 ◾ 다변량 분석 - 변수 선별, 주성분 및 요인 분석, 군집 분석 ◾ 머신 러닝을 적용한 데이터 분석 실습 - 다중회귀분석, 인공 신공망, 의사결정나무 ◾ Big Data 분석 사례 연구 - 의료, 공공 데이터, PCB 공정, 화학 산업 품질 데이터 등
|
※ 상기 일정은 사정에 따라 일부 변경될 수도 있습니다.