KOAI 3과목(컴퓨터 비전) 전 범위를 실전으로 숙달합니다. CNN부터 디퓨전 모델까지 사전학습 모델을 골라 쓰고, 분류·탐지·분할·생성 태스크를 직접 학습·평가할 수 있는 수준에 도달합니다. F1·F2 이수자를 위한 고등부 심화 코스입니다.
게시일: 2026년 5월 16일 | 최종 수정: 2026년 5월 16일 · KOAI 2026 요강 기준
트랙
심화 (Advanced)
고등부 응시자
대상
고등부
F1·F2 이수
권장 수업 시간
약 10시간
1:1 기준 · 6~14시간 변동
KOAI 매핑
3과목 전 범위
실라버스 3-1
A1을 마치면 학생은 KOAI 3과목(컴퓨터 비전) 전 범위를 실전으로 숙달합니다. CNN부터 디퓨전 모델까지 사전학습 모델을 골라 쓰고, 분류·탐지·분할·생성 태스크를 직접 학습·평가할 수 있는 수준에 도달하는 것이 목표입니다.
합성곱 레이어의 동작 원리를 이론으로 이해한 뒤, ResNet·EfficientNet 같은 사전학습 인코더로 전이학습을 수행하고, YOLO·DETR로 객체를 탐지하며, U-Net으로 이미지를 분할합니다. CLIP·자기지도학습·GAN·Stable Diffusion까지 다루어 비전 전 영역을 실전 코드로 정복합니다. F1·F2를 이수한 고등부 응시자를 위한 심화 트랙입니다.
아래는 1:1 기준 표준 진행안입니다. 학생의 사전 지식과 흡수 속도에 따라 일부 주차를 가속·압축하거나 더 깊게 다룹니다. 핵심 도구: PyTorch, torchvision, timm, albumentations, Ultralytics YOLO, Hugging Face, diffusers.
| 주차 | 주제 | 핵심 산출물 |
|---|---|---|
| 1 | 합성곱 레이어 (이론+실전), 이미지 분류 baseline | CIFAR-10 CNN |
| 2 | 사전학습 비전 인코더 (ResNet, EfficientNet) + transfer learning | 전이학습 노트북 |
| 3 | 이미지 증강 (torchvision, albumentations) | augmentation ablation |
| 4 | 객체 탐지: YOLO, SSD, DETR | YOLO 파인튜닝 |
| 5 | 이미지 분할: U-Net | 의료·위성 이미지 분할 |
| 6 | 비전-텍스트 인코더: CLIP | zero-shot 분류 |
| 7 | 비전 자기지도학습 (SimCLR/DINO 개념) | self-supervised 임베딩 |
| 8 | GAN 이미지 생성 | DCGAN 학습 |
| 9 | 디퓨전 모델 (Stable Diffusion 사용·이론) | 텍스트→이미지 생성 |
| 10 | 캡스톤: 실제 데이터셋 CV 프로젝트 | repo + 데모 |
※ 주차는 콘텐츠 단위이며 실제 소요 시간은 학생별로 다릅니다. 권장 약 10시간, 변동 범위 6~14시간.
매주 Jupyter 노트북을 작성합니다. 분류·탐지·분할·생성 태스크를 직접 학습·평가하며, 영문 노트북에 한국어 핵심 용어 주석을 병기해 KOAI 2차 한국어 서술형 시험도 동시에 대비합니다.
실제 데이터셋으로 ISEF/공모전급 CV 프로젝트 1편을 완성합니다. repo와 데모로 정리된 이 결과물은 KOAI 포트폴리오의 핵심 한 축이 됩니다.
A1은 GitHub repo 1개(koai-cv-projects)와 Huggingface Spaces 데모 1개를 권장합니다. 캡스톤 CV 프로젝트는 KOAI 포트폴리오의 핵심 한 축이 되며, 시험 직전 몇 주에 만들 수 없는 깊이를 누적 자산으로 적층합니다.
GitHub
정리된 repo 1개 koai-cv-projects
Huggingface
Spaces 데모 1개 (라이브 시연)
캡스톤
ISEF/공모전급 CV 프로젝트 1편
캡스톤 CV 프로젝트는 KOAI 1차 서류 포트폴리오 40%의 깊이를 만드는 핵심 산출물입니다. 일찍 시작할수록 응시 시점의 깊이가 깊어집니다.
A1은 KOAI 커리큘럼 심화 트랙의 첫 코스입니다. 전체 트랙 구조는 KOAI 대비 커리큘럼 허브에서 확인하세요.
F1·F2 이수(또는 동등 역량)가 필요합니다. 고등부 응시 예정자에게 권장합니다.
네. A1(CV)과 A2(NLP&Audio)는 병행 가능하며, 둘 다 KOAI 3·4과목 심화입니다.
실라버스 3과목(컴퓨터 비전) 전 범위(3-1)입니다. CNN·전이학습·객체 탐지·분할·CLIP·GAN·디퓨전까지 다룹니다.
ISEF/공모전급 CV 프로젝트 1편으로, KOAI 1차 서류 포트폴리오의 핵심 한 축이 됩니다. Huggingface Spaces 데모를 권장합니다.
A2(NLP&Audio) → C1 Portfolio Studio → C2 Mock Bootcamp → C3 Selection Camp 순입니다. 정확한 일정은 KOAI 대회 안내(https://citcoding.com/competitions/koai.html)를 확인하세요.