Python and ML Education Curriculum

📘 1단계. Python 기반 데이터/머신러닝 기초

1-1. Python 프로그래밍 기초

• 변수, 조건문, 반복문, 함수
• 리스트, 딕셔너리, 클래스, 모듈 사용법
• numpy, pandas, matplotlib 기본

1-2. 데이터 분석 & 시각화

• 데이터 불러오기 (CSV, Excel, 이미지 등)
• EDA(탐색적 데이터 분석) 실습
• seaborn, plotly, pandas-profiling 활용

1-3. 머신러닝 기본 이론

• 지도학습 vs 비지도학습 개념
• 분류, 회귀, 군집화 개요
• Train/Test Split, K-Fold, 일반화/과적합 이해

1-4. Scikit-Learn 실습

• 분류: 로지스틱 회귀, KNN, 결정트리
• 회귀: 선형회귀, 랜덤포레스트 회귀
• 성능 평가 (Confusion Matrix, ROC AUC 등)
• 하이퍼파라미터 튜닝 (GridSearchCV)

---

📗 2단계. 딥러닝 및 이미지 처리

2-1. 딥러닝 개념

• 인공신경망(ANN) 기본 구조
• 활성화 함수, 손실 함수, 옵티마이저
• 과적합 방지: Dropout, EarlyStopping

2-2. TensorFlow/Keras 실습

• Sequential 모델로 손글씨(MNIST) 분류
• CNN(합성곱 신경망)으로 이미지 분류
• 모델 저장, 로딩, 배치 학습

2-3. 이미지 처리 + OpenCV

• 이미지 읽기, 자르기, 필터링
• 얼굴 인식, 윤곽선 추출
• OpenCV + NumPy 조합 실습
• OpenCV + GPU(CUDA) 간단 연동

---

📕 3단계. 생성형 AI 기반 이미지 생성

3-1. 생성형 AI 이해

• GAN, VAE, Diffusion 개념 비교
• 텍스트 → 이미지: Stable Diffusion 원리
• HuggingFace diffusers 소개

3-2. Stable Diffusion 실습

• diffusers 설치 및 파이프라인 실행
• 텍스트→이미지 (text2img)
• 이미지→이미지 (img2img)
• 제어형 생성 (ControlNet, pose2img)

3-3. 실전 프로젝트

• 나만의 프롬프트 라이브러리 만들기
• 실시간 프롬프트 → 이미지 저장 시스템
• 생성 이미지 → OpenCV로 편집 or 필터링
• 결과물 ZIP / PDF / 슬라이드 자동 저장

---

💼 보너스: 배포 및 연계

• Streamlit or Gradio로 웹앱 만들기
• 이미지 생성 자동화 파이프라인 구성
• GPU 환경 설정: Colab / 로컬 CUDA / Docker

---

✅ 단계별 구성 방식 (총 3단계)

단계	이름	키워드
1단계	Python + ML	numpy, pandas, sklearn
2단계	딥러닝 + CV	keras, tensorflow, opencv, cnn
3단계	생성형 AI 이미지	diffusers, torch, ControlNet

---

📦 패키지 요약표

분류	주요 패키지
ML 기본	pandas, numpy, scikit-learn, matplotlib
딥러닝	tensorflow, keras, torch (선택)
이미지처리	opencv-python, PIL
이미지 생성	diffusers, transformers, accelerate, safetensors

---

💻 개발 환경 초기 설정 (Windows)

# 가상환경 생성
C:\Python312\python.exe -m venv venv

# 가상환경 활성화
venv\Scripts\activate

# pip 업그레이드
python.exe -m pip install --upgrade pip

# ML 패키지 설치
pip install gensim
pip install scikit-learn

# requirements.txt 가 있을 경우
pip install -r requirements.txt