2026 PROFESSIONAL LEARNING
기술과 산업의 흐름을 읽고, 현업에서 바로 쓰는 실무 중심 교육을 설계합니다. 자동차 SW부터 AI·품질·엔지니어링까지, 조직에 필요한 과정을 확인해 보세요.
지식을 전달하는 교육에서,
COURSE CATALOG
필요한 기술 분야를 선택하거나 과정명을 검색해 보세요.각 과정을 누르면 세부 커리큘럼을 확인할 수 있습니다.
분산형 ECU에서 도메인 및 중앙 컴퓨팅 구조로 변화하는 차량 E/E 아키텍처를 출발점으로, 소프트웨어 계층화와 서비스 지향 설계, AUTOSAR 플랫폼의 역할, 차량 통신 및 OTA 구조를 연결하여 학습하고 차량 상태 모니터링 기능을 공통 사례로 활용하여 추상적인 아키텍처 개념을 기능 배치도와 인터페이스 다이어그램으로 구체화한다.
커넥티드카와 OTA 기반 소프트웨어 업데이트가 확대되면서 차량 보안은 개별 ECU의 기술적 보안만이 아니라 차량 수명주기 전체의 위험관리, 소프트웨어 변경관리, 검증 및 증적관리 업무로 확장되고 있다. 규정 조항을 암기하는 방식보다 차량 기능과 E/E 아키텍처에서 실제 공격표면을 찾고 TARA를 수행한 뒤, 보안 요구사항과 OTA 업데이트 통제를 설계하고 규제 대응 증적으로 연결하는 업무 흐름을 중심으로 구성하며 학습한다.
자동차 ECU의 하드웨어 요구사항과 회로 블록을 기반으로 FMEDA를 직접 작성하는 실무형 교육이다. 부품별 고장 모드와 안전 목표 영향을 분류하고, FIT·고장 모드 분포·진단 커버리지를 활용하여 SPFM·LFM·PMHF를 계산한다. 계산 과정에서 발생하는 단위 오류, 고장 분류 오류, 진단 커버리지 중복 적용 등의 문제를 수정하고, 안전 메커니즘 변경에 따른 메트릭 변화를 비교한다.
SDV에서는 차량 기능의 상당 부분이 소프트웨어와 데이터의 지속적인 결합을 통해 개발·검증·개선되어, 차량에서 발생하는 신호와 로그를 단순 조회하는 것을 넘어, 데이터의 의미를 파악하고 품질을 검증하며 개발·품질 이슈를 분석하는 역량이 중요하다. 차량 데이터의 구조와 SDV 소프트웨어 맥락을 함께 이해한 뒤 실제 형태의 차량 운행·진단 데이터를 Python으로 분석하여 개발 및 품질 업무에 활용하는 흐름으로 구성하며 학습한다.
차량 고장은 단일 ECU의 문제뿐 아니라 메시지 누락, 신호 값 이상, 통신 지연 또는 ECU 간 연계 동작의 불일치로 나타날 수 있다. CAN 원시 로그를 단순 조회하는 수준을 넘어 DBC 기반 신호 해석, 이상 구간 탐색, 정상·고장 로그 비교, 고장 원인 후보 도출까지 연결하며 학습한다.
센서 데이터의 시간·공간 정합에서 시작하여 객체 인지 성능을 주행 시나리오와 연결하고, 실패 사례를 정량적으로 분류한 뒤 안전 관련 지표와 판정 근거를 구성 과정으로 하나의 주행 사례에 대해 데이터 정합 근거, 시나리오 정의, 인지 성능, 실패 사례, 판정 결과를 연결한 재현 가능한 검증 패키지를 완성한다.
제조 현장에서 발생하는 설비·품질·공정·정비·기술문서 데이터를 생성형 AI가 근거 기반으로 활용할 수 있도록 RAG(Retrieval-Augmented Generation) 아키텍처를 설계하는 과정으로, 단순한 RAG 구현 실습보다 제조 데이터의 특성 분석, 문서 수집·정제·청킹, 메타데이터와 임베딩 설계, 검색 및 재순위화, 답변 생성과 출처 추적, 평가·보안·운영 구조까지 엔터프라이즈 관점에서 학습한다.
기존 C++ 실무 개발자가 레거시 C++ 코드베이스를 현대화하고 C++23의 언어·표준 라이브러리 기능을 실제 코드에 적용하며, C++26으로의 단계적 전환에 필요한 호환성·빌드·품질 검증 전략까지 수립하는 과정으로, 단순 신문법 소개가 아니라 기존 코드 진단, 타입·오류 처리 개선, ranges 기반 데이터 처리, 동시성 구조 개선, 모듈화, 성능 측정, 마이그레이션 의사결정을 하나의 누적 실습 코드베이스에 적용하는 데 초점을 두고 학습한다.
임베디드 개발에서는 C 문법 자체보다 제한된 하드웨어 자원에서 센서와 주변장치를 안정적으로 제어하고, 요구사항을 기능 단위로 분해하여 검증 가능한 코드로 구현하는 역량이 중요하므로 C 프로그래밍 경험을 실제 스마트 임베디드 시스템 개발 업무로 전환하도록 설계한다.
경영·기획·혁신 리더들이 조직 내 비효율을 진단하고 기술(AI) 기반의 과제를 직접 정의하여 AX 실행 로드맵을 수립하는 과정으로, 도메인 프로세스 분석부터 ROI·보안 메트릭 평가, 로드맵 프레임워크 적용까지 실무 산출물을 단계적으로 도출하도록 학습한다.
디지털 서비스의 목표를 측정 가능한 지표로 구조화하고, 실제 운영 데이터를 정제·분석·시각화하여 서비스 현황과 사용자 행동을 해석한 뒤 개선 의사결정으로 연결하는 과정으로 특정 분석도구의 숙련 자체보다 서비스 목표-KPI-데이터-분석-개선안이 연결되는 실무형 분석 역량에 초점을 두고 학습한다.
Python 사용자가 수학 개념을 코드와 연결하며 딥러닝 학습 과정을 이해하고, NumPy 연산에서 Tensor·Gradient로 확장해 완전연결망과 CNN을 직접 학습합니다.
AI를 업무 프로세스의 구성요소로 적용하고 위험·인간 통제·성과지표가 포함된 개선안을 설계합니다.
생성형 AI를 사고와 문서 작성의 보조 도구로 활용하여 현안 분석부터 전략 대안 도출, 보고서 구조 설계, 초안 작성, 검증과 개선까지 하나의 업무 흐름으로 구성하여 단순 프롬프트 예제보다는 실제 기업 현안을 가정한 누적형 실습을 통해 재사용 가능한 기획·보고서 작성 방법을 학습한다.
서비스 기획·제품·개발·운영 업무에서 반복적으로 발생하는 정보 정리, 문서 생성, 데이터 처리, 업무 요청 분류, 결과 검증 등의 작업을 AI와 자동화 흐름으로 연결하는 과정으로, 복잡한 AI 모델 개발보다 업무 분석, 프롬프트·구조화 출력 설계, 업무 데이터 활용, 자동화 워크플로 구성, 품질 검증과 운영 기준 수립에 집중하며 학습한다.
생성형 AI로 콘텐츠 전략, 대본·스토리보드, 이미지·음성·영상 제작·편집과 채널별 배포를 수행합니다.
데이터 분석 비전공자도 생성형 AI로 자료수집·정제·분석·시각화와 인사이트 보고서 작성까지 수행합니다.
생성형 AI와 고객·마케팅 데이터로 시장·고객분석, 페르소나, 캠페인, 콘텐츠·광고소재 제작과 성과측정을 수행합니다.
디자인 비전공자도 생성형 AI로 브랜드 전략·네이밍·로고 방향·컬러·타이포그래피·이미지 스타일과 실무 템플릿을 제작합니다.
비개발자가 자연어와 AI 코딩도구를 활용하여 웹서비스를 기획·구현·테스트·배포하고 최소기능제품(MVP)을 완성합니다.
ROS2의 노드·토픽·서비스·액션 구조를 설계하고 패키지를 구현·시험합니다.
자율이동로봇의 LiDAR·IMU·Odometry 데이터를 ROS2 토픽으로 연결하고, TF2 좌표 변환과 타임스탬프 정합성을 확인한다. Gazebo 시뮬레이터에서 센서 입력에 따른 속도 명령과 장애물 정지 로직을 구현하며, QoS 설정 오류와 센서 데이터 누락 등을 직접 재현해 원인을 분석한다.
ROS2의 기능을 단순 명령어 수준에서 익히는 데 그치지 않고, 교육생이 직접 패키지와 노드를 작성하여 데이터 송수신, 기능 호출, 좌표계 처리, 로봇 이동 제어 및 실행 구성까지 구현하고, 각 기능을 누적하여 최종적으로 센서 입력에 따라 이동 명령을 생성하고 실행 상태를 확인할 수 있는 ROS2 기반 로봇 애플리케이션을 완성한다.
Gazebo에서 이동로봇과 매니퓰레이터의 모델·센서·제어기를 구성합니다.
Pinky Pro의 액추에이터·센서·통신을 ROS2와 연계하고 기본 주행 성능을 확인합니다.
LiDAR·오도메트리 자료로 지도를 작성하고 품질을 평가·저장합니다.
Nav2로 경로계획·추종·회피를 구현하고 주행 KPI를 충족하도록 튜닝합니다.
OpenARM 7DOF 양팔의 모델·제어·MoveIt2 계획을 구성해 안전한 조작 과제를 수행합니다.
RGB-D 기반 대상 인지 결과를 로봇 좌표계로 변환하고 조작 가능한 자세로 보정합니다.
OMX 원격조작으로 행동 궤적을 수집하고 품질기준에 따라 정제·버전관리합니다.
두산로보틱스 엔지니어 양성 과정 다양한 실무적 경험과 문제해결 능력 향상을 중심으로 현장 밀착형 로봇 엔지니어 양성
협동로봇 기반 서비스 기획, 디지털 도구 설계, 비즈니스모델 고도화, 사업계획서 작성을 통해 비즈니스 실행 수준의 결과물 완성
산업·기술·고객 변화를 분석해 사업기회를 발굴하고 고객문제·가치제안·비즈니스모델·MVP 검증계획과 실행 로드맵을 완성합니다.
행동데이터로 모방학습 모델을 학습·평가하고 로봇 추론 파이프라인에 배포합니다.
제조 현장에서는 생산량, 설비 상태, 공정조건, 검사결과 등 다양한 데이터가 축적되지만, 이를 실제 개선 의사결정으로 연결하기 위해서는 데이터의 의미와 공정 맥락을 함께 이해가 필요하기에 본 과정은 제조·품질 담당자가 현장 문제를 데이터로 정의하고, 신뢰할 수 있는 지표와 분석 결과를 바탕으로 원인과 개선 우선순위를 판단하도록 학습한다.
차량 바디 제어 ECU를 대상으로 기능을 SWC로 분리하고, Sender-Receiver·Client-Server 인터페이스와 Runnable을 설계한 뒤 ARXML 설정에서 RTE 생성 및 C 코드 연동까지 연결한다. 생성된 RTE와 BSW 서비스의 실행 경로를 추적하고, 의도적인 설정 오류와 변경 시나리오를 통해 설계 판단 및 문제 진단을 수행하는 것이 특징이다.
BASE·FLEX·PLUGIN 구조와 평가 논리를 이해하고 실제 산출물을 심사 증적에 매핑합니다.
생성형 AI의 기본 활용법과 보안 가이드를 익히고 기초 업무문서를 안전하게 완성합니다.
요구사항·아키텍처·행동·검증 모델을 Digital Thread로 연결합니다.
복수 자료와 데이터를 AI로 분석하고 출처·수치·논리를 교차 검증해 고품질 산출물을 완성합니다.
산업별 AI 활용 사례를 출발점으로 직무 변화의 방향을 분석하고, 생성형 AI의 작동 원리와 활용 방법을 학습하는 교육으로 AI 기술을 단순히 소개하는 데 그치지 않고 산업 사례 분석, 직무 변화 워크시트, 프롬프트 비교 실습, AI 결과 검증 활동을 연결하여 기술 이해와 업무 적용 판단을 함께 학습한다.
이동·인지·조작·학습 모듈을 임무 단위로 통합하고 성능·안전·복구성을 검증합니다.
HOW WE WORK
과정 선택부터 조직 맞춤형 편성까지, 교육 목표와 현장 환경에 맞게 함께 조정합니다.
교육 대상과 현장 과제, 기대효과를 확인합니다.
난이도·일정·실습 비율을 조직에 맞게 구성합니다.
이론을 최소화하고 사례·실습·피드백으로 진행합니다.
결과물과 후속 가이드를 현업 적용으로 연결합니다.
READY TO LEARN?