| 교육일정 |
2026. 11. 9(월) ~ 10(화) 2일 · 12시간 |
| 모집마감 |
2026. 11. 6(금) 선착순 선발 |
| 정원 |
20명 이내 1인 1GPU |
| 교육비 |
무료 중식·교재·수료증 제공 |
| 교육대상 |
디스플레이·전장·반도체 소부장 기업 재직자 (1~4년 저년차 포함)
|
구조해석·설계 엔지니어 | |
해석 데이터 기반 AI 개발·활용 담당자 | |
선수 지식: 유한요소해석·응력·변위 개념 | |
Python 경험 불필요 (예제 코드 실행 중심) |
|
| 교육시간 |
10:00~17:00 (2일, 총 12시간) |
| 교육장소 |
한국디스플레이아카데미 서울교육장 서울 강남구 테헤란로 518, 섬유센터빌딩 2층 G룸 |
| 준비물 |
개인 노트북 지참 필수 |
| 신청방법 |
하단 신청하기를 통해 교육 신청 선발 완료 후 승인된 분께 수강 안내 메일을 개별 발송합니다. |
| 유의사항 |
노쇼 시 당해연도 타 교육 수강이 제한됩니다.
불참 시 교육 3일 전까지 담당자에게 연락 바랍니다. |
| 문의 |
인력개발본부 이지훈 매니저 |
|
|
|
DAY 1
1일차
데이터 준비와 AI 모델 이해
|
|
|
10:00
~12:00
|
교육과정 개요 설명
|
교육 흐름과 데이터·모델·결과의 관계 | |
Python / PhysicsNeMo / Omniverse 실습환경 준비 |
|
|
13:00
~14:50
|
학습 데이터와 Dataset 구성
|
Dataset·DataLoader와 모델 입력·정답 구성 | |
학습·검증·시험 데이터 분리와 데이터 누출 방지 | |
정규화·역정규화, 포인트 샘플링·배치 구성 |
|
|
15:00
~17:00
|
AI 모델 이해와 PhysicsNeMo 연결PhysicsNeMo
|
주요 AI 모델 계열의 입력 표현과 적용 특성 비교 | |
좌표·설계 조건 기반 응력·변위 예측 모델 이해 | |
PyTorch와 PhysicsNeMo의 관계, 손실 함수·역전파 | |
모델 저장과 복원 |
|
|
DAY 2
2일차
모델 학습과 예측 결과 활용
|
|
|
10:00
~12:00
|
모델 학습·검증과 성능 평가PhysicsNeMo
|
학습·검증 루프와 가중치 갱신, 최적화·학습률 조절 | |
과적합 판단과 최적 모델 선택, 학습 곡선 해석 | |
저장 모델 추론과 물리량 복원 | |
해석 정답 vs 예측 결과 정량·시각 비교 |
|
|
13:00
~14:50
|
고응력 영역과 하중 조건 변화
|
최대값·최대점 위치·고응력 영역 비교 | |
국부 오차·과소예측이 결과 해석에 미치는 영향 | |
하중 변화에 따른 모델 반응과 학습 범위의 관계 |
|
|
15:00
~17:00
|
API와 Omniverse 결과 시각화
|
모델 추론 → API → Omniverse 장면 연결 구조 | |
USD 형상에 응력 색상·최대점·주요 지표 표현 | |
FEA·AI·오차 시각적 비교 | |
Q&A 및 수료 |
|
|
