[Coursera/IBM] IBM AI Engineering PC 및 Machine Learning with Python 코스 소개

IBM AI Engineering PC 🔗 https://www.coursera.org/professional-certificates/ai-engineer

Machine Learning with Python 🔗 https://www.coursera.org/learn/machine-learning-with-python/

 

IBM Professional Certificate(PC) 란?

• IBM AI Engineering PC
• IBM Data Science PC

 

IBM AI Engineering PC

여기서 IBM AI Engineering PC란?

• 데이터 과학자, 머신러닝 엔지니어, 소프트웨어 엔지니어를 위한 AI 기술 교육
• Python, SciPy, Keras, PyTorch, TensorFlow를 활용해 모델 구축, 학습, 배포 방법 학습
• 각 주제는 2~6개의 모듈로 구성된 자기 주도형 온라인 코스
• 실습 프로젝트와 함께 이수 시, IBM Professional Certificate 획득 가능

 

IBM AI Engineering PC의 학습 내용

머신러닝 기초

• Python으로 선형 회귀, 로지스틱 회귀, 결정 트리 등 알고리즘 구현
• 지도학습 개념 이해 및 실제 문제 해결에 응용

딥러닝 핵심 개념

• 오토인코더, RBM, CNN, RNN 등 비지도 및 심층 신경망 학습
• Keras로 딥러닝 모델 개발, TensorFlow 2.x와 통합
• 시계열 및 순차 데이터 처리를 위한 CNN 및 Transformer 모델 학습

PyTorch 실습

• 신경망 설계, 학습, 최적화 수행
• 2D 텐서, 미분, 손실함수, 경사 하강법 등 기본 개념
• Softmax, 다중 클래스 분류, 오버피팅, 역전파, 활성화 함수(ReLU, sigmoid 등) 다룸

생성형 AI (Generative AI)

• RNN, Transformer, GAN, VAE, Diffusion Models 이론과 활용
• LLM (예: GPT, BERT) 실습 및 tokenization, data loader 다룸
• Word2Vec, N-gram, Seq2Seq 기반 텍스트 생성
• BLEU Score 기반 생성 텍스트 평가

Transformer & NLP 실무

• GPT, BERT 등 Transformer 기반 모델 학습
• Position Embedding, Attention Mechanism, MLM, NSP 등 구현
• Hugging Face, PyTorch 기반의 고급 파인튜닝 기법 학습

LLM 최적화 기법

• PEFT, LoRA, QLoRA, Prompting 등 최신 파인튜닝 기술
• Human Feedback 기반 강화 학습(RLHF, PPO) 실습
• LangChain, Prompt Engineering, RAG를 활용한 응용 서비스 구현

최종 프로젝트

• LangChain 기반 문서 QA 챗봇 개발
• Watsonx, 벡터 DB, 텍스트 분할, RAG 기법 활용
• Gradio 인터페이스 제작으로 인터랙티브 데모 구현
• 프로젝트 보고서로 포트폴리오 완성

 

아래와 같이 강의 완주를 위한 팁도 제공하는데, 이미지, 글자, 음성 모두를 지원하는 것이 IBM이 많은 요소들을 고려하여 준비한 강의라는 생각이 든다.

꽤나 세심한듯!

Helpful Tips for Course Completion

1. Familiarize yourself with the course content

• Browse module overviews and objectives
• Understand topics and associated assets
• Familiarize yourself with the content order
• Identify upcoming topics
• Connect ideas to create a completion plan for the course

2. Form your plan and make a rough timeline for course completion

• Review completion time estimates for module assets
• Set a reasonable time goal for each module
• Determine the course completion deadline
• Schedule daily study time

3. Actively manage your learning

Complete your independent tasks:

• Take notes during the course
• Download transcripts for reference
• Highlight important parts in transcripts
• Complete all labs
• Review terms using glossaries

Get support:

• Actively participate in discussion forums

Pass your quizzes:

• Review study notes
• Complete practice quizzes and review feedback
• Complete graded quizzes
• Review related videos or readings for incorrect answers
• Review video/transcript/reading for correct answers
• Retake quizzes until you pass them

4. Talk with your friends and family about the course

• Stay accountable, commit to the course
• Talk to friends and family about it
• Engage in conversations about interesting topics
• Seek beneficial perspectives from others

5. Follow your plan

• Stay motivated with your plan
• Set achievable goals in step 2
• Reward yourself upon achieving goals

 

[IBM AI course #1] Machine Learning with Python

파이썬을 활용한 실전 머신러닝 기술 습득

• 과정명: IBM AI Engineering Specialization의 1번 코스
• 강의 대상 : 머신러닝 경력을 시작하고자 하는 사람, 기술 향상을 원하는 실무자
• 레벨: 중급 (Intermediate) → 다음과 같은 선수 지식이 있으면 좋음!
  • Python, Pandas, NumPy 사용 경험
  • 데이터 전처리 및 분석 경험
  • 머신러닝 기초 개념에 대한 이해
• 소요 기간: 주당 3~6시간 기준, 총 5~6주 학습
• 언어: 영어 (자막 지원: 한국어 포함 총 25개 언어)
• 이수 조건: 모든 평가 과제 통과 시 수료
• 주요 학습 주제 :
  • 다중 선형 회귀 (Multiple Linear Regression)
  • 로지스틱 회귀 (Logistic Regression)
  • 예측 모델링 (Prediction)
  • 이상 탐지 (Fraud Detection)
  • K-최근접 이웃 (KNN)
  • 서포트 벡터 머신 (SVM)