-----------------------------------------------------------------------------
¤·±³À° Ä¿¸®Å§·³ ±¸¼º(NVIDIA Ç÷§Æû ±â¹Ý ÀÚÀ²ÁÖÇàÂ÷ ±¸ÇöÀ» À§ÇÑ SW°³¹ß ¹× ÇÁ·ÎÁ§Æ®)
ÁÖÂ÷ | Ä¿¸®Å§·³ | ¼¼ºÎ ³»¿ë |
1ÁÖ(32h) | CÇÁ·Î±×·¡¹Ö ±â¹ý | • µ¥ÀÌÅÍÀÇ Ç¥Çö°ú ¿¬»ê • ¿¬»êÀÚ, Á¦¾î¹®, ÇÔ¼ö • ¹è¿, Æ÷ÀÎÅÍ, ÇÔ¼ö • ¹®ÀÚ¿, º¯¼ö, Æ÷ÀÎÅÍ ¹è¿ • µ¿ÀûÇÒ´ç ÇÔ¼ö, ±¸Á¶Ã¼¿Í À¯»çÇü • ÆÄÀÏ ÀÔÃâ·Â, Àüó¸® Áö½ÃÀÚ, ºÐÇÒ ÄÄÆÄÀÏ |
2ÁÖ(32h) | ÀÓº£µðµå C ÄÚµù È°¿ë | • ÀÓº£µðµå ½Ã½ºÅÛ ÀÌÇØ, °³¹ß ȯ°æ, ÄÄÆÄÀÏÀÇ Á¤Ã¼ • µ¥ÀÌÅÍ Å¸ÀÔ, ±âº» ¿¬»êÀÚ, Çϵå¿þ¾î Á¦¾î ¿¬»êÀÚ ¹× ½Ç½À • ¹è¿, ÇÔ¼ö, Æ÷ÀÎÅÍ • ¹è¿, ÇÔ¼ö, Æ÷ÀÎÅÍÀÇ °ü°è • Çϵå¿þ¾î Á¦¾î ¹æ½Ä ÀÌÇØ, Keypad Á¦¾î ½Ç½À |
3ÁÖ(32h) | C++ ÇÁ·Î±×·¡¹Ö | • ±âº»ÀûÀÎ C++ÀÇ ÀÔÃâ·Â, À̸§°ø°£ • ÇÔ¼ö ¿À¹ö·Îµù, ±âº» Àμö, Constº¯¼ö, Æ÷ÀÎÅÍ, ¹Ýȯ • ÂüÁ¶º¯¼ö, new, delete, ±¸Á¶Ã¼¿Í µ¿ÀûÇÒ´ç • °´Ã¼ÁöÇâ ÇÁ·Î±×·¡¹Ö °³³ä, Ŭ·¡½º ¼±¾ð, ºÐÇÒ ÄÄÆÄÀÏ • °´Ã¼ Æ÷ÀÎÅÍ, µ¿Àû °´Ã¼, °´Ã¼ ¹è¿, ÂüÁ¶ °´Ã¼ • µðÆúÆ® »ý¼ºÀÚ, º¹»ç »ý¼ºÀÚ • ¿¬»êÀÚ ¿À¹ö·Îµù, ÇÁ·»µå °ü°è, Ưº°ÇÑ Å¬·¡½º ¸â¹ö • Æ÷ÇÔ, »ó¼Ó, ÅÛÇø´, ¿¹¿Ü ó¸® |
4ÁÖ(32h) | ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö ¹× È°¿ë | • ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö °³¿ä, Á¤¼öÇü, ½Ç¼öÇü, ¹®ÀÚÇü, ¹®ÀÚ¿Çü µ¥ÀÌÅÍÀÇ Ã³¸®, ÀÚ·áÇüº¯È¯ • ¼ýÀÚ¸¦ »ç¿ëÇÑ ¿¬»ê, RAW ÀÔ·Â, ³í¸®Ç¥Çö »ç¿ë, ¹Ýº¹¹® • ÇÔ¼öÀÇ ¼±¾ð, »ç¿ëÀÚ Á¤ÀÇ ÇÔ¼ö, ÇÔ¼ö, À̸§°ø°£°ú ¸ðµâ, ¸Þ¼µå¿Í ÇÁ·Î±×·¥ ³í¸®, ÆÄÀÏ À§Ä¡ ¿±â, Àбâ, ÀÌÁø ÆÄÀÏ ÀúÀå • try¹®°ú finally¹®, ¸®½ºÆ®, ÁýÇÕ, µñ¼Å³Ê¸® • ½Ã°£ °´Ã¼¿Í ½Ã¹Ä·¹À̼Ç, ±×·¡ÇÈ À¯Àú ÀÎÅÍÆäÀ̽º(GUI), À̺¥Æ® 󸮱â Á¦¾î, »ç¿îµå Àç»ý ¹× À½·® Á¶Àý, Á¦¾î |
5ÁÖ(32h) | Â÷·®¿ë ÇÁ·Î¼¼¼ È°¿ë ¹× µð¹ÙÀ̽º Á¦¾î | • °³¹ßȯ°æ ±¸Ãà • GPIO Ãâ·Â, ÀÔ·Â Á¦¾î • ŸÀÌ¸Ó ½Ã°£ Á¦¾î, ÀÎÅÍ·´Æ® ÀÔ·Â Á¦¾î • UART Åë½Å, ºí·çÅõ½º Åë½Å Á¦¾î • ADCÀÔ·Â, PWM Ãâ·Â Á¦¾î • ARM Assembly, Startup code ºÐ¼® • ½Ã½ºÅÛÃʱâÈ, C Run-Time Startup, Memory Controller, NAND Flash Controller • I/O Ports / UART, PWM Timer, RTC • WDT, IIC/IIS, Interrupt Controller, Vectored Interrupt Controller • SW DMA, Timer DMA, ADC Ư¼º ¹× È°¿ë, Touch Screen Interface • Touch LCD, Palletized LCD, Non-Palletized LCD Controller Audio PCM Data, Audio deviceÁ¦¾î, AC97 ¼³Á¤ ¹× ÀÀ¿ë |
6ÁÖ(32h) | ÀÚÀ²ÁÖÇà ±â´É ±¸ÇöÀ» À§ÇÑ Â÷·®¿ëSW°³¹ß | • Electric control system, SW build system, Automotive SW development environment • C language overview, AURIX C programming, AURIX assemble language • Automotive device control, Device control practice |
7ÁÖ(32h) | Â÷·®¿ë OS ¹× µð¹ÙÀ̽º °³¹ß | • ¸®´ª½º °³¿ä • ÀÓº£µðµå ¸®´ª½º °³¹ß ȯ°æ ±¸Ãà • ÆÄÀÏ ¿¬»ê ¹× ÇÁ·Î¼¼½º °³³ä • ½Ã±×³Î, SysV IPC, ¾²·¹µå °³³ä, µ¿±âÈ • µð¹ÙÀ̽º µå¶óÀ̹ö °³¿ä • Ä¿³Î¼ºñ½º¿Í ¸ðµ¨ • ij¸¯ÅÍ µð¹ÙÀ̽º • ºí·Ï µð¹ÙÀ̽º |
8ÁÖ(32h) | ||
9ÁÖ(32h) | ÀÚÀ²ÁÖÇà °³¹ßÀ» À§ÇÑ ÄÄÇ»ÅͺñÀü | • OpenCV °³¿ä • ¿µ»óó¸® Áغñ, È¼Ò ´Ù·ç±â, Ä÷¯ ó¸® • È÷½ºÅä±×·¥À¸·Î È¼Ò ¼¼±â, ÇüÅÂÇÐ ¿¬»êÀ¸·Î ¿µ»óº¯È¯ • ¿µ»ó ÇÊÅ͸µ, ¼±, ¿Ü°û¼±, ¼ººÐ ÃßÃâ, °ü½ÉÁ¡ °ËÃâ • Åõ¿µ°ü°è ÃßÁ¤, 3DÀå¸é À籸¼º, ºñµð¿À ½ÃÄö½º ó¸® |
10ÁÖ(32h) | ÀÚÀ²ÁÖÇà °³¹ßÀ» À§ÇÑ visualization Nvidia TXº¸µå¸¦ È°¿ëÇÑ µö·¯´×ÀÇ ÀÌÇØ | • QT ÇÁ·Î±×·¡¹Ö ±âº» • QT ÇÁ·Î±×·¡¹Ö ÀÀ¿ë • QML°ú C++¿¬µ¿Çϱ⠕ QT ¸ÖƼ ¾²·¹µå |
• Neural Network • Deep Learning • Python Basic ½Ç½À • Tensorflow ½Ç½À • Machine Learning ½Ç½À • Deep Learning ½Ç½À • Tensorflow µµÁ¦ÇнÀ ½Ç½À | ||
11ÁÖ(32h) | Digits¼¹ö¿Í Nvidia TX±â¹ÝÀÇ ¿µ»óó¸® µö·¯´× | • CNN ÀÇ ¼Ò°³¿Í È°¿ë, Àΰø½Å°æ¸ÁÀÇ °³¿ä µö·¯´× ÇÁ·¹ÀÓ¿öÅ© (Caffe, tensorflow, digits, cudnn) DIGITS Image Classification • CNN ±âÃÊ °³³ä, ±¸Á¶, Alexnet, lenet, • DIGITS Object Detection • Localization, Detection, Image Segmentation CNN ½Ç½À, • Training Neural Network, Deployment with TX1½Ç½À • CuDNN À» ÀÌ¿ëÇÑ MNIST with TX1 ½Ç½À • TensorRT À» ÀÌ¿ëÇÑ MNIST with TX1 ½Ç½À • RNN-LSTM À» ÀÌ¿ëÇÑ word2vec with TX1 ½Ç½À |
12ÁÖ(32h) | Drive PX2 ±â¹Ý µö·¯´×À» È°¿ëÇÑ ADAS°³¹ß | • Drive PX2 ¿Í Driveworks SDK ¼Ò°³¿Í È°¿ë ¹æ¾È • Driveworks PDK ¿Í »ùÇÃÀ» È°¿ëÇÑ ½Ç½À Ä«¸Þ¶ó¸¦ ÀÌ¿ëÇÑ Object Detection ½Ç½À • CNN ±â¹Ý Object Detection ÀÌ·Ð ¹× training ½Ç½À Matlab À» ÀÌ¿ëÇÑ Ä«¸Þ¶ó Ķ¸®ºê·¹ÀÌ¼Ç • Ä®¸¸ÇÊÅÍ¿Í Â÷·® Á¦¾î·ÎÁ÷°ú Matlab ½Ç½À ÀÚÀ²ÁÖÇàÀ» À§ÇÑ ¼¾¼ Ç»Àü ¹æ¾È • CAN Åë½Å ½Ã¹Ä·¹À̼ÇÀ» ÀÌ¿ëÇÑ ACC ±¸Çö°ú ½Ç½À • trainingµÈ Object Detection ¸ðµ¨ÀÇ DrivePX2 Deployment ½Ç½À |
13ÁÖ(32h) | ÀÚÀ²ÁÖÇà »óȲÀÎÁö¸¦ À§ÇÑ Tensorflow Object Detection | • CNN ¿µ»ó ºÐ¼® ÀÌ·Ð • Tensorflow Test ȯ°æ ¼³Á¤ • Object Detection ÀÌ·Ð (Fast RCNN / Yolo / SSD) • Kitti Dataset ¼Ò°³, tfrecord »ý¼º º¯È¯ ½Ç½À • Yolo Æ®·¹ÀÌ´× ¹× ½Ç½À • SSD Æ®·¹ÀÌ´× ¹× TensorBoard ¸ð´ÏÅ͸µ • Training °á°ú ¹èÆ÷ ¹× PB ¸¸µé±â • Object Detection Å×½ºÆ® : Open CV ·Î À̹ÌÁö ÆÄÀÏ / ¿µ»ó ÆÄÀÏ º¸±â ½Ç½À • Cuda ¿Í TensorRT ¸¦ ÀÌ¿ëÇÑ SSD with TX1 ½Ç½À |
14ÁÖ(32h) ~ 15ÁÖ(16h) | ¸ðÅÍÁ¦¾î¿Í ROS/SLAM, µö·¯´× ±â¼ú Àû¿ë | • Àüµ¿±âÀÇ ¿ø¸® • ÅäÅ©Á¦¾î • BLDC Àüµ¿±â • ±³·ùÀüµ¿±âÀÇ È¸Àü ¿ø¸® • Àüµ¿±âÀÇ ¸ðµ¨¸µ • ROS ¼Ò°³ ¹× ³ëµåÀÛ¼º • ROSÀÇ ÀÌÇØ¿Í µö·¯´× È°¿ë • ROS/SLAM ±â¼ú ±¸Çö |
15ÁÖ(16h) ~ 16ÁÖ(32h) | ¼¾¼Ç»ÀüÀ» È°¿ëÇÑ ÀÚÀ²ÁÖÇà ±â¼ú ±¸Çö | • ¶óÀÌ´Ù ¼¾¼ Ç»Àü - Ŭ·¯½ºÅ͸µ, ¼¼±×¸àÅ×À̼Ç, ÇÊÅ͸µ • ·¹ÀÌ´Ù ¼¾¼ Ç»Àü • Ä«¸Þ¶ó ¼¾¼ Ç»Àü • Ä®¸¸ÇÊÅÍ • ÀÚÀ²ÁÖÇà¸ðÇüÂ÷ È°¿ë °³¹ß ȯ°æ ±¸Ãà • ¸ðÅÍ Á¦¾î¸¦ ÀÌ¿ëÇÑ Â÷·®ÀÇ driving Á¦¾î ½Ç½À • Usb Ä«¸Þ¶ó¸¦ ÀÌ¿ëÇÑ Â÷¼±Àνİú ÁÖÇà ½Ç½À • TX1 ÀÇ Object Detection ¸ðµ¨ inference • Lidar ¸¦ ÀÌ¿ëÇÑ ´ë»ó°úÀÇ °Å¸® ÃøÁ¤ ½Ç½À • Àå¾Ö¹° Ãæµ¹À» ÇÇÇϱâ À§ÇÑ ±ä±Þ Á¦µ¿ ±¸Çö°ú Å×½ºÆ® • RNN-LSTM ±â¹ÝÀÇ ¾ÕÂ÷¿ÍÀÇ °Å¸® »óȲÀÎÁö • Àå¾Ö¹°À» ÇÇÇϱâ À§ÇÑ °æ·Î »ý¼º ¾Ë°í¸®Áò ½Ç½À |
1ÁÖ~24ÁÖ (6°³¿ù) | ÀÚÀ²ÁÖÇàÂ÷ ±¸ÇöÀ» À§ÇÑ Ç÷§Æû ±¸Ãà ¹× S/W °³¹ß | • ÇÁ·ÎÁ§Æ® ±¸Çö, °³¹ß • ÆÀº° ºÐ¼®°á°ú º¸°í¼ ÀÛ¼º • ÆÀº° ¸®Çã¼³ ¹ßÇ¥¿Í ÆÄÀ̳Π¼öÁ¤¡¤º¸¿Ï • ÆÀº° ÇÁ·ÎÁ§Æ® ¹ßǥȸ¿Ü Çǵå¹é |
¤·»êÇп¬°è ÆÀ ÇÁ·ÎÁ§Æ® - ÀÚÀ²ÁÖÇà ±â¼úÀû¿ëÀ» À§ÇÑ ÀÚÀ²ÁÖÇà ¾Ë°í¸®Áò °³¹ß - ¿µ»óó¸® ¹× ¼¾¼Á¦¾î¸¦ ÅëÇÑ ÀÚÀ²ÁÖÇà¸ðÇüÂ÷ (·¹À̽ÌÄ«, ±â´ÉÄ«) ±¸Çö ¹× °³¹ß - ±â¾÷ü ¼±Çà ÇÁ·ÎÁ§Æ®(Áö´ÉÇü ·Îº¿ °³¹ß µî) | ||
ÃÑ 24ÁÖ, 960½Ã°£(±³À° 512½Ã°£, ÇÁ·ÎÁ§Æ® 448½Ã°£) |
´ÙÀ½±Û ¡â [¹«·á°úÁ¤] IoT ÀÓº£µðµå ½Ã½ºÅÛ SW °³¹ßÀÚ ¾ç¼º°úÁ¤ ±³À°»ý ¸ðÁý
ÀÌÀü±ÛÀÌ ¾ø½À´Ï´Ù.