실업자 훈련과정

국민내일배움카드 실업자 훈련과정

실업자 훈련과정

 

epass AICE
- 고용24 및 잡고 수강신청은 개강일 전일 오전 10시에 마감됩니다. - 고용24 및 잡고 2곳에 동일과정으로 수강신청 해야 합니다. - 본인부담액 결제는 발급받은 국민내일배움카드로만 결제해야 합니다. - 평가 및 과제는 모바일 참여가 불가하며, 꼭 PC로 해야 합니다.
  • NCS코드    20010703
  • 훈련 차시/기간    26시간 / 8주

실업자 환급 PC 모바일 베스트 교재제공  

epass AICE
  • NCS코드    20010703
  • 훈련 차시/기간    26시간 / 8주
훈련비용 77,220원

학습기간

본인부담액

19,310원
0원
19,310원
9,660원
총 훈련비 77,220원
정부지원금 0원
본인부담액 총 결제금액 77,220원
교재정보

교재명 데이터분석 초보도 4주만에 합격하는 2026 이패스 AICE Associate

가격 0원

교재 값은 훈련비용에 포함되어 있으며 따로 결제하지 않습니다.
수강신청시 교재는 자동신청되며 주소지로 배송됩니다.

총 1 권

출판사 : 이패스코리아
저자 : 신성진, 김용재
출간 : 2026년

※ 교재는 별도 신청 및 결제 없이 최종등록 된 후 택배로 발송됩니다.

과정안내
✔️ AICE Associate 자격증은 데이터 분석·처리와 AI 모델링을 통해 비즈니스 혁신 역량을 인증하는 공인 자격입니다.
✔️ 실무에서 가장 많이 쓰는 Tabular Data를 중심으로, 코딩(파이썬) 기반 데이터 분석·처리·AI 모델링 방법을 초심자 맞춤형으로 배울 수 있습니다.
✔️ ASSOCIATE
✨ 탐색적 데이터 분석 : 필요한 라이브러리 설치ㆍTabular(시계열 포함)데이터 로딩ㆍ데이터의 구성 확인, 상관분석ㆍ데이터 시각화
✨ 데이터 전처리 : 데이터 결측치 처리ㆍ라벨 인코딩/원-핫 인코딩ㆍX,Y데이터 분리ㆍ데이터 정규분포화, 표준화
✨ 머신러닝/딥러닝 모델링 : Scikit-learn,TensorFlow 등을 활용하여 문제에 제시된 예측/분류를 위한 머신러닝/딥러닝 모델링
✨ 모델 성능평가 : 모델 성능평가 및 그래픽 출력




* 콘텐츠는 25년에 촬영되었으며, 교재는 26년판으로 제공되고 있습니다.
* 자격시험 대비에 필요한 개정사항이 있을 경우 별도로 학습게시판에서 자료를 제공하고 있으니 학습 시 참고 부탁드리겠습니다.
  • 과정소개
  • 자격증소개
  • 수료기준
  • 강의구성
  • 강사소개

과정목표

1. 파이썬을 활용하여 데이터 분석 역량을 성장 시킬 수 있다.
2. 나만의 데이터를 활용한 가장 합리적인 비즈니스 의사결정 능력을 성장 시킬 수 있다.
3. AI프로젝트의 간접 체험을 통한 AI 실무 역량을 성장 시킬 수 있다.

교육유의사항

* 훈련시작 이후에는 절대로 수강취소가 불가합니다. 개강일 후 취소는 수강포기로 등록되오니 신중하게 신청해주시기 바랍니다.
* 훈련 시작 후 취소할 경우 수강포기로 처리됩니다.
* 수강포기 시 제공받은 도서가 있는 경우 왕복 택배비를 포함 반환하여야 합니다.
* 내일배움카드제 인터넷 원격훈련과정은 고용노동부 지원하에 이루어지므로, 적절한 사유(질병 · 사고, 훈련기간 사정, 천재지변 등) 없이
수강포기 시 고용노동부의 다음과 같은 패널티가 적용됩니다.
1) 1회 4만원
2) 2회 10만원
3) 3회 이상 20만원
다만 현재 계좌의 잔액이 부족한 경우 '차기' 갱신되는 계좌에서 차감(국민내일배움카드 운영규정 제15조 1항)
* 반드시 휴대폰인증, 아이핀인증(무료) 중 1개의 방법으로 본인인증 후 수강가능 합니다.
* 구직자 과정을 수강 신청한 경우 훈련시작일까지 고용보험 가입 사업장에 취업 시 관할고용센터 및 본 기관으로 즉시 통보해야 하며,
미통보 시 정부지원금은 학습자에게 청구됩니다. 훈련기관에 알리지 않고, 과정 수강 시 부정수급으로 신청자에게 불이익이 발생할 수 있습니다.
(단, 개강일 이후 취업 시에는 과정 수강이 가능합니다.)

시험응시방법

* 진행단계평가(있을 경우) : 진도율 50% 이상 훈련 후 응시 가능 (응시하여야 다음 차시 수강 가능)
* 최종평가 : 진도율 80% 이상 훈련 후 ~ 훈련 종료일까지 응시 가능
* 과제 : 진도율 80% 이상 훈련 후 ~ 훈련 종료일까지 응시 가능
★ 모든 평가는 PC에서만 응시하여야 합니다.

* 수료기준
- 진도율 80% 이상, 평가 반영 점수 60점 이상
미수료 시 진도율 80% 미만인 경우 국민내일배움카드 계좌 잔액의 차감이 발생됩니다.
1) 1회 4만원
2) 2회 10만원
3) 3회 이상 20만원

복습기간

* 수료자에 한하여 학습종료일로부터 1년

* 미수료 시 진도율이 100%일 경우 8개월

* 미수료 시 진도율이 50% 이상 일 경우 6개월
구분 내용
자격증명 AICE (Associate)
관련링크 https://aice.study/main
자격증 일정
회차 구분 접수시작 접수마감 시험일 합격자 발표
::: 등록된 일정이 없습니다. :::
자격증소개 1. AICE 자격증 개요
AICE는 KT와 한국경제신문이 주관하는 국내 최초의 AI 실무 능력 자격시험입니다. 이론 중심의 시험과 달리, 실제 데이터를 활용해 AI 모델을 직접 구현하는 실무 역량을 평가하는 데 중점을 둡니다.

2. 등급별 상세 안내
시험은 응시자의 코딩 숙련도와 목적에 따라 다섯 가지 등급으로 나뉩니다.
-Future (초등): 코딩을 배우지 않은 어린이들을 대상으로 하며, 블록 코딩 도구를 이용해 AI의 기초 원리를 체험하고 이해하는 단계입니다.
-Junior (중·고등): 파이썬 기초와 블록 코딩을 결합하여 기본적인 데이터 분석 과정을 학습하는 청소년 대상 등급입니다.
-Basic (비전공자/직장인): 코딩 지식이 없어도 응시 가능합니다. 'AIDUez'라는 노코딩 툴을 사용하여 데이터 분석과 AI 모델링의 전체적인 흐름을 평가합니다. 기획자나 마케터 등 비기술 직군에 추천됩니다.
-Associate (준전문가): 파이썬 라이브러리(Pandas, Scikit-learn 등)를 직접 활용하여 데이터를 전처리하고 머신러닝 모델을 구축하는 능력을 평가합니다. 대학생이나 관련 직군 취업 준비생들이 가장 많이 응시하는 등급입니다.
-Professional (전문가): 데이터 사이언티스트 수준의 역량을 요구합니다. 딥러닝 기반의 고난도 알고리즘을 설계하고 모델을 최적화하는 능력을 다룹니다.

3. 시험 방식 및 절차
모든 시험은 온라인 실기 기반으로 진행됩니다. 응시자는 웹브라우저를 통해 제공되는 실습 플랫폼(AIDU)에 접속하여 다음과 같은 과정을 수행하게 됩니다.
데이터 전처리: 결측치 보정, 이상치 제거, 데이터 시각화 등을 통해 원시 데이터를 분석 가능한 상태로 만듭니다.
모델 학습: 문제 의도에 맞는 알고리즘을 선택하여 AI 모델을 생성하고 학습시킵니다.
결과 도출 및 평가: 학습된 모델을 통해 데이터를 예측하고 정확도 등 성능 지표를 확인합니다.

4. 주요 혜택 및 활용
기업 채용 가산점: KT 및 주요 계열사, 신한은행 등 여러 대기업과 금융권에서 채용 시 서류 전형 면제 또는 가산점 혜택을 제공합니다.
실무 인증: 단순 지식 습득을 넘어 실제 데이터를 다루는 '핸즈온(Hands-on)' 역량을 증명할 수 있어 포트폴리오에 활용하기 좋습니다.
공신력: 국내에서 널리 인정받는 민간 자격증으로서 AI 활용 능력을 객관적으로 보여주는 지표가 됩니다.
수료기준 진도율 80% 이상, 평가(반영비율 합산) 60점 이상
평가 유형 진행단계평가 최종평가
10 문항/객관식/60분 20 문항/객관식/60분
점수반영비율 10% 90%
응시요건 진도율 50% 이상 진도율 80% 이상
응시방법 PC에서만 응시 가능(태블릿, 스마트폰 응시불가)


복습기간 : 훈련 종료일로부터~
수료 미수료
1 년 진도율 100% 진도율 50%
240 일 180 일
차시 주요내용 훈련시간
1 AI시대의 필수 언어 및 파이썬 설치 및 분석 환경 구축 01:05:35
2 파이썬 AI 분석을 위한 기본 문법 01:03:10
3 데이터 불러오기 및 데이터 구조 탐색 00:57:52
4 데이터 전처리 - 결측치와 이상치 01:00:54
5 데이터 전처리 - 수치형 및 범주형 데이터 전처리 00:55:29
6 데이터 전처리 - 데이터삭제, 컬럼변경, 정렬 00:39:31
7 데이터 전처리 - 구조변경 : 그룹화, 집계, 데이터병합과 추가 01:16:39
8 탐색적 데이터 분석 - 기초통계 00:32:49
9 탐색적 데이터 분석 - 상관 분석과 교차분석 00:36:25
10 탐색적 데이터 분석 - 시각화 1 00:49:34
11 탐색적 데이터 분석 - 시각화 2 00:33:08
12 AI모델링의 이해 01:08:55
13 학습 데이터의 분할 방법 및 모델 평가하기 00:49:52
14 머신러닝 지도학습 AI모델링 - 선형회귀 00:45:23
15 머신러닝 지도학습 AI모델링 - 로지스틱 회귀 00:47:06
16 머신러닝 지도학습 AI모델링 - 의사결정나무 00:28:51
17 머신러닝 지도학습 AI모델링 - 앙상블 00:47:01
18 머신러닝 지도학습 AI모델링 - 랜덤포레스트 00:32:12
19 머신러닝 지도학습 AI모델링 - 그래디언트 부스팅 00:27:04
20 머신러닝 지도학습 AI모델링 - 모델 간 성능 비교 01:09:10
21 딥러닝 지도학습 AI모델링 - 인공신경망 00:35:49
22 딥러닝 지도학습 AI모델링 - 심층신경망 00:29:30
23 딥러닝 지도학습 AI모델링 01:03:23
24 비지도학습 AI모델링 - 차원축소 및 군집 00:48:59
25 AI모델 성능향상 01:25:27
강사명

교강사


강사소개

  • 0/0