강사 에이블런 이애리 강사
일정 1차) 2024년 8월 17일(토) ~ 9월 1일(일) / 6회
2차) 2024년 10월 14일(월) ~ 10월 31일(목) / 12회
시간 1차) (주말) 토, 일 9시-18시 / 48시간
2차) (평일) 월, 화, 수, 목 18시30분-22시30분 / 48시간
장소 이룸센터(국회의사당 4번 출구 앞)
*오프라인 참석이 어려운 분에 한해 실시간 ZOOM 수업 참여 가능(실시간 참여 시에만 출석 인정)
인원 23명 내외
신청접수기간 선착순 모집 *선착순으로 조기마감될 수 있습니다.
수강여부안내 교육 개강일 5일 전 17시
비용 무료
문의 금융 특화 AI사무국
(02-3274-9389, rhtndk1020@kma.or.kr, 카카오톡 채널 @금융특화ai사무국) 문의하기
이번 과정의 특징을 알아볼까요?
대상 | 금융 또는 핀테크 기업 재직자 *중소/스타트업부터 대기업까지 모두 가능 *2023년 동일 과정 수강자 신청 불가 | ||
목표 | - 오픈 및 공공데이터를 사용해 여신분야에서 활용할 수 있는 비즈니스 인사이트를 도출하고, 이를 기반으로 고객분류/신용평가를 진행 - 고객정보 데이터를 이용해서 분류 및 예측모형을 구현해서 고객 집단 분류, 고객의 특성을 반영한 특성 값 추출 - 신용평가, 고객이탈 예측, 금융상품 추천 등의 내용을 실습하여 여신분야의 인공지능 사용 흐름을 파악 - 데이터 분석과 인공지능을 통해 고객분류와 신용평가를 위한 인사이트를 추출하고 고도화 수행 | ||
특장점 | - 실제 금융 산업 현장의 데이터를 활용하는 맞춤형 커리큘럼 - 비전공자도 할 수 있도록 이론/실습/프로젝트로 체계적인 교육체계 구성 - 여신 분야에서 고객분류와 신용평가에서 활용할 수 있는 내용으로 실습 구성 - 데이터 분석과 인공지능을 통해 고객분류와 신용평가를 위한 인사이트를 추출하고 고도화 수행 가능 | ||
기간 | 1차) 2024년 8월 17일(토) ~ 9월 1일(일) / 6회 2차) 2024년 10월 14일(월) ~ 10월 31일(목) / 12회 | ||
시간 | 1차) (주말) 토, 일 9시-18시 / 48시간 2차) (평일) 월, 화, 수, 목 18시30분-22시30분 / 48시간 | ||
인원 | 23명 내외 | ||
비용 | 교육비 무료 | ||
장소 | 이룸센터(국회의사당 4번 출구 앞) *오프라인 참석이 어려운 분에 한해 실시간 ZOOM 수업 참여 가능(실시간 참여 시에만 출석 인정) | ||
신청 | - 신청접수기간 : 선착순 모집 *선착순으로 조기마감될 수 있습니다. - 수강여부안내 : 교육 개강일 5일 전 17시 - 제출 서류 : 금융산업 혹은 핀테크 분야 기업에 재직 확인 가능한 증빙서류 (사업자등록증, 재직증명서 등) *증빙서류 제출순으로 선착순 신청 완료 | ||
프로그램의 강사는 어떤 분이세요?
강사 | ![]() | 이애리 △삼성경제연구소 데이터분석, 머신러닝, Orange3 연구원 △충남대학교 일반대학원 컴퓨터공학 박사과정(인공지능) △㈜LG유플러스 정보통신연구소 소프트웨어 개발 △국립중앙과학관 본원 데이터분석, 머신러닝, 상명대 파이썬, C언어, 강원대 인공지능 부트캠프(3주) 등 강의 | ||
프로그램 커리큘럼이 궁금합니다!
1) 사전 동영상 강의
주제 | 강의내용 | 비고 | 시간 |
딥러닝의 깊이 있는 이해를 위한 머신러닝 | ● 머신 러닝을 위한 표현방법 ● 지도학습과 Decision Tree ● 확률적 구분기와 Naive Bayes ● Non-parametric 구분기와 ensemble 모델 | 이론 | 4H |
딥러닝의 깊이 있는 이해를 위한 머신러닝 | ● Linear Regression과 Least Square ● Linear Classification ● Linear Model의 한계점과 보완방법 | 이론 | 3H |
딥러닝의 깊이 있는 이해를 위한 머신러닝 | ● Non-linear Data 학습 방법 ● Unsupervised Learning ● Weak- & Semi- Supervision | 이론 | 3H |
딥러닝의 깊이 있는 이해를 위한 머신러닝 | ● Gradient Descent ● Deep Neural Network ● Supervised Learning & Unsupervised Learning with Deep Neural Network | 이론 | 3H |
핀테크 비즈니스 현황 및 트렌드 | ● 핀테크 산업의 트렌드 ● 핀테크 기반 BM 동향 ● 데이터 분석 및 인공지능 적용 비즈니스 혁신 사례 ● 금융 관련 핵심 이슈와 규제 | 이론 | 2H |
머신 러닝 | ● 머신 러닝의 학습 프레임워크 ● 머신 러닝과 딥 러닝의 차이 ● 다양한 머신 러닝 딥 러닝 사례 | 이론 | 1H |
핀테크 AI 모델과 데이터 | ● 핀테크 분야에서 사용하는 AI와 데이터에 대해 소개 ● 핀테크 직무과정 AI 리터러시 ● 핀테크 AI 모델의 동작원리 ● 핀테크 AI 모델의 사용 데이터 | 이론 | 1.5H |
금융데이터의 특징과 처리방법 | ● 금융 데이터 구조의 유형별 사례를 소개하며 분석 방법 교육 ● 데이터 구조에 따라 분석 시 주의사항 소개 ● 데이터 전처리와 탐색 ● AI 성능 평가 방법 | 이론 | 1.5H |
* 온라인 동영상 강의는 오프라인 강의에 도움이 될 수 있는 기초강의로 수료에는 미포함되며, 수료기준(80%이상)은 오프라인 강의에 적용됩니다.
2-1) 실시간 오프라인 강의 1차
일자 | 시간 | 주제 | 강의내용 | 비고 |
08/17 (토) | 09:00-18:00 | 인공지능 활용을 위한 금융데이터 리터러시 | ● 오픈 및 공공데이터를 이용한 금융 인사이트 분석 및 관련 사례를 공유해 본 교육과정에 대한 동기 부여 ● 데이터 기반 AI 활용 주요 분야(은행, 증권, 보험 등) 사례 소개 및 대표 서비스 소개 ● 인공지능을 활용한 새로운 서비스(AI 가상인간 은행원), 데이터 인사이트를 융합 신규 비즈니스(NFT, 메타버스)등의 사례 소개 | 이론 |
금융데이터와 인공지능 | ● 금융권에서 사용하는 데이터 사례 및 분석 방법론 소개 ● 각 산업별 고객 및 비즈니스 데이터를 통해 핀테크 및 인공지능 서비스에 사용되는 데이터 구조에 대한 이해 ● 협업 필터링 기반 추천 시스템에 대한 원리 및 알고리즘을 flow chart를 통해 설명 | 이론/실습 | ||
데이터 비즈니스 케이스 스터디 | ● 계좌 정보 데이터를 사용한 은행 고객 이탈 예측 케이스 실습 ● 고객 이탈 예측에 필요한 데이터의 주요 특징 및 기여도 분석 ● 고액 이탈 예측을 위한 분류 모델 실습 | 이론/실습 | ||
08/18 (일) | 09:00-18:00 | 분석 환경 숙달 실습 | ● 데이터분석을 위한 머신러닝 모델에 대한 이해 ● 신용 위험 데이터 사용을 위한 군집화와 회귀의 이해 ● 모델 평가 방법(실루엣스코어, MSE, MAE 등) | 이론/실습 |
분석 환경 숙달 실습 | ● 엑셀 및 오렌지 도구 기반 분석 방법 소개 ● 데이터 분석을 위한 엑셀 및, 오렌지 기본 사용법 연습 | 이론/실습 | ||
08/24 (토) | 09:00-18:00 | 데이터 전처리 기법 | ● 보험사기청구 감지 데이터 전처리 ● 일반적인 데이터 전처리 기법 소개 ● 데이터세트를 확인하고 기본적인 데이터 전처리 수행 ● 엑셀과 오렌지를 이용하여 각각 데이터 전처리 수행 ● 결측치 처리, 이상치 제거, 정규화 등 | 이론/실습 |
데이터 시각화 기법 | ● 보험사기청구 감지 데이터 시각화 ● 탐색적 데이터 분석을 위한 데이터 시각화 기법 소개 ● 시각화 도표의 종류와 활용법 익히기 ● 엑셀과 오렌지를 활용해 데이터를 시각화 하는 방법 실습 | 이론/실습 | ||
08/25 (일) | 09:00-18:00 | 금융 상품 추천을 위한 고객 군집화 | ● 신용 위험 데이터 탐색 ● 데이터 내 노이즈를 제거하기 위해 데이터 전처리와 분석 모델링을 위한 탐색 교육 수행 ● 데이터 결측치 및 이상치 확인 ● 탐색적 분석을 통한 특성별 중요성 확인 ● 인코딩을 통한 범주형 데이터 처리 ● 변수 값 스케일링 | 이론/실습 |
금융 상품 추천을 위한 고객 군집화 | ● 군집으로 묶어내는 근거가 되는 거리(Distance)의 개념 ● 고객 정보 및 활동 데이터를 통한 군집화 모델 구성 | 이론/실습 | ||
금융 상품 추천을 위한 고객 군집화 | ● 군집화 작업에 필요한 특성 추출 및 가공 ● 실루엣스코어가 최적이 되는 고객 군집화 | 이론/실습 | ||
08/31 (토) | 09:00-18:00 | 인공지능 모델 기반 서비스 개발 과정 | ● 신용 위험 데이터를 기반으로 추후 대출이 필요하게 될 잠재 고객을 위한 금융 상품 설계 ● 추가적으로 필요한 데이터 수집 ● 데이터 가공 | 이론/실습 |
인공지능 모델 기반 서비스 개발 과정 | ● 오렌지에서 활용할 수 있는 군집화, 분류, 회귀 기법 활용한 모델 구성 ● 모델 성능 평가 및 최적화 ● 금융 상품의 유효성 검증 | 이론/실습 | ||
인공지능 모델 기반 서비스 개발 과정 | ● 구현한 모델의 성능을 향상시키기 위해 모델 튜닝 작업을 수행 ● 구현부터 튜닝까지 조언 및 가이드 제공 | 이론/실습 | ||
09/01 (일) | 09:00-18:00 | 미니 해커톤 | ● 문제 정의 및 데이터 설계 ● 데이터의 특성과 분석 모형에 맞는 군집화 모델, 회귀 모델, 분류 모델 선택 | 프로젝트 |
미니 해커톤 | ● 모델 성능 향상을 위한 모델 최적화 작업 ● 보고서 작성 | 프로젝트 | ||
미니 해커톤 | ● 결과 공유 및 상호 피드백 | 프로젝트 |
2-2) 실시간 오프라인 강의 2차
일자 | 시간 | 주제 | 강의내용 | 비고 |
10/14 (월) | 18:30-22:30 | 인공지능 활용을 위한 금융데이터 리터러시 | ● 오픈 및 공공데이터를 이용한 금융 인사이트 분석 및 관련 사례를 공유해 본 교육과정에 대한 동기 부여 ● 데이터 기반 AI 활용 주요 분야(은행, 증권, 보험 등) 사례 소개 및 대표 서비스 소개 ● 인공지능을 활용한 새로운 서비스(AI 가상인간 은행원), 데이터 인사이트를 융합 신규 비즈니스(NFT, 메타버스)등의 사례 소개 | 이론 |
금융데이터와 인공지능 | ● 금융권에서 사용하는 데이터 사례 및 분석 방법론 소개 ● 각 산업별 고객 및 비즈니스 데이터를 통해 핀테크 및 인공지능 서비스에 사용되는 데이터 구조에 대한 이해 | 이론/실습 | ||
10/15 (화) | 18:30-22:30 | 금융데이터와 인공지능 | ● 협업 필터링 기반 추천 시스템에 대한 원리 및 알고리즘을 flow chart를 통해 설명 | 이론/실습 |
데이터 비즈니스 케이스 스터디 | ● 계좌 정보 데이터를 사용한 은행 고객 이탈 예측 케이스 실습 ● 고객 이탈 예측에 필요한 데이터의 주요 특징 및 기여도 분석 ● 고액 이탈 예측을 위한 분류 모델 실습 | 이론/실습 | ||
10/16 (수) | 18:30-22:30 | 분석 환경 숙달 실습 | ● 데이터분석을 위한 머신러닝 모델에 대한 이해 ● 신용 위험 데이터 사용을 위한 군집화와 회귀의 이해 ● 모델 평가 방법(실루엣스코어, MSE, MAE 등) | 이론/실습 |
10/17 (목) | 18:30-22:30 | 분석 환경 숙달 실습 | ● 엑셀 및 오렌지 도구 기반 분석 방법 소개 ● 데이터 분석을 위한 엑셀 및, 오렌지 기본 사용법 연습 | 이론/실습 |
10/21 (월) | 18:30-22:30 | 데이터 전처리 기법 | ● 보험사기청구 감지 데이터 전처리 ● 일반적인 데이터 전처리 기법 소개 ● 데이터세트를 확인하고 기본적인 데이터 전처리 수행 ● 엑셀과 오렌지를 이용하여 각각 데이터 전처리 수행 ● 결측치 처리, 이상치 제거, 정규화 등 | 이론/실습 |
10/22 (화) | 18:30-22:30 | 데이터 시각화 기법 | ● 보험사기청구 감지 데이터 시각화 ● 탐색적 데이터 분석을 위한 데이터 시각화 기법 소개 ● 시각화 도표의 종류와 활용법 익히기 ● 엑셀과 오렌지를 활용해 데이터를 시각화 하는 방법 실습 | 이론/실습 |
10/23 (수) | 18:30-22:30 | 금융 상품 추천을 위한 고객 군집화 | ● 신용 위험 데이터 탐색 ● 데이터 내 노이즈를 제거하기 위해 데이터 전처리와 분석 모델링을 위한 탐색 교육 수행 ● 데이터 결측치 및 이상치 확인 ● 탐색적 분석을 통한 특성별 중요성 확인 ● 인코딩을 통한 범주형 데이터 처리 ● 변수 값 스케일링 ● 군집으로 묶어내는 근거가 되는 거리(Distance)의 개념 | 이론/실습 |
10/24 (목) | 18:30-22:30 | 금융 상품 추천을 위한 고객 군집화 | ● 고객 정보 및 활동 데이터를 통한 군집화 모델 구성 ● 군집화 작업에 필요한 특성 추출 및 가공 ● 실루엣스코어가 최적이 되는 고객 군집화 | 이론/실습 |
10/28 (월) | 18:30-22:30 | 인공지능 모델 기반 서비스 개발 과정 | ● 신용 위험 데이터를 기반으로 추후 대출이 필요하게 될 잠재 고객을 위한 금융 상품 설계 ● 추가적으로 필요한 데이터 수집 ● 데이터 가공 ● 오렌지에서 활용할 수 있는 군집화, 분류, 회귀 기법 활용한 모델 구성 ● 모델 성능 평가 및 최적화 | 이론/실습 |
10/29 (화) | 18:30-22:30 | 인공지능 모델 기반 서비스 개발 과정 | ● 금융 상품의 유효성 검증 ● 구현한 모델의 성능을 향상시키기 위해 모델 튜닝 작업을 수행 ● 구현부터 튜닝까지 조언 및 가이드 제공 | 이론/실습 |
10/30 (수) | 18:30-22:30 | 미니 해커톤 | ● 문제 정의 및 데이터 설계 ● 데이터의 특성과 분석 모형에 맞는 군집화 모델, 회귀 모델, 분류 모델 선택 ● 모델 성능 향상을 위한 모델 최적화 작업 | 프로젝트 |
10/31 (목) | 18:30-22:30 | 미니 해커톤 | ● 보고서 작성 ● 결과 공유 및 상호 피드백 | 프로젝트 |
교육 신청 하려면 어떻게 해야 하나요?
방법 | - 하단 버튼을 클릭하시고 양식에 맞춰 작성하신 후 제출해 주세요. 신청하기 - 교육 개강일 5일 전 17시에 신청 시 작성해주신 이메일 또는 문자로 연락 드릴 예정입니다. | ||
자주하는 질문
Q. 인공지능 사전 지식이 없어도 수강이 가능한가요? | ||
A. 본 교육과정은 인공지능 교육이 아닌 인공지능의 금융산업 활용 교육입니다. 때문에 금융산업에 특화된 인공지능 기술에 관심이 있으신 분이라면 충분히 수강 가능합니다. | ||
Q. 교육생 선발은 어떻게 되나요? | ||
A. 교육 신청 시 제출하신 해당산업분야 대상여부 확인이 가능한 증빙서류를 통해 자격 요건을 확인하고 있습니다. 과정별 대상자 부합 여부 및 선착순으로 선정됩니다. | ||
Q. 수료기준은 어떻게 되나요? | ||
A. 실시간 강의 기준 출석률 80%이상(사전교육영상 수강시간 미포함) 참여 시 수료 됩니다 | ||
Q. 수료증 발급이 되나요? | ||
A. 수료증은 기본적으로 한국핀테크지원센터 명의 수료증이 발급되며, 필요한 경우 교육 운영사인 한국능률협회 명의 수료증도 추가 발급 가능합니다. | ||
이번 과정의 특징을 알아볼까요?
대상 | 금융 또는 핀테크 기업 재직자 *중소/스타트업부터 대기업까지 모두 가능 *2023년 동일 과정 수강자 신청 불가 |
목표 | - 오픈 및 공공데이터를 사용해 여신분야에서 활용할 수 있는 비즈니스 인사이트를 도출하고, 이를 기반으로 고객분류/신용평가를 진행 - 고객정보 데이터를 이용해서 분류 및 예측모형을 구현해서 고객 집단 분류, 고객의 특성을 반영한 특성 값 추출 - 신용평가, 고객이탈 예측, 금융상품 추천 등의 내용을 실습하여 여신분야의 인공지능 사용 흐름을 파악 - 데이터 분석과 인공지능을 통해 고객분류와 신용평가를 위한 인사이트를 추출하고 고도화 수행 |
특징 | - 실제 금융 산업 현장의 데이터를 활용하는 맞춤형 커리큘럼 - 비전공자도 할 수 있도록 이론/실습/프로젝트로 체계적인 교육체계 구성 - 여신 분야에서 고객분류와 신용평가에서 활용할 수 있는 내용으로 실습 구성 - 데이터 분석과 인공지능을 통해 고객분류와 신용평가를 위한 인사이트를 추출하고 고도화 수행 가능 |
기간 | 1차) 2024년 8월 17일(토) ~ 9월 1일(일) / 6회 2차) 2024년 10월 14일(월) ~ 10월 31일(목) / 12회 |
시간 | 1차) (주말) 토, 일 9시-18시 / 48시간 2차) (평일) 월, 화, 수, 목 18시30분-22시30분 / 48시간 |
인원 | 23명 내외 |
비용 | 교육비 무료 |
장소 | 이룸센터(국회의사당 4번 출구 앞) *오프라인 참석이 어려운 분에 한해 실시간 ZOOM 수업 참여 가능(실시간 참여 시에만 출석 인정) |
신청 | - 신청접수기간 : 선착순 모집 *선착순으로 조기마감될 수 있습니다. - 수강여부안내 : 교육 개강일 5일 전 17시 - 제출 서류 : 금융산업 혹은 핀테크 분야 기업에 재직 확인 가능한 증빙서류 (사업자등록증, 재직증명서 등) *증빙서류 제출순으로 선착순 신청 완료 |
프로그램의 강사는 어떤 분이세요?
강사 | ![]() |
이애리 △삼성경제연구소 데이터분석, 머신러닝, Orange3 연구원 △충남대학교 일반대학원 컴퓨터공학 박사과정(인공지능) △㈜LG유플러스 정보통신연구소 소프트웨어 개발 △국립중앙과학관 본원 데이터분석, 머신러닝, 상명대 파이썬, C언어, 강원대 인공지능 부트캠프(3주) 등 강의 |
커리큘럼이 궁금합니다!
1) 사전 동영상 강의
주제 | 시간 |
딥러닝의 깊이 있는 이해를 위한 머신러닝 | 4H |
딥러닝의 깊이 있는 이해를 위한 머신러닝 | 3H |
딥러닝의 깊이 있는 이해를 위한 머신러닝 | 3H |
딥러닝의 깊이 있는 이해를 위한 머신러닝 | 3H |
핀테크 비즈니스 현황 및 트렌드 | 2H |
머신 러닝 | 1H |
핀테크 AI 모델과 데이터 | 1.5H |
금융데이터의 특징과 처리방법 | 1.5H |
* 온라인 동영상 강의는 오프라인 강의에 도움이 될 수 있는 기초강의로 수료에는 미포함되며, 수료기준(80%이상)은 오프라인 강의에 적용됩니다.
2-1) 실시간 오프라인 1차
일자 | 시간 | 주제 | 비고 |
08/17 (토) | 09:00-18:00 | 인공지능 활용을 위한 금융데이터 리터러시 | 이론 |
금융데이터와 인공지능 | 이론/실습 | ||
데이터 비즈니스 케이스 스터디 | 이론/실습 | ||
08/18 (일) | 09:00-18:00 | 분석 환경 숙달 실습 | 이론/실습 |
분석 환경 숙달 실습 | 이론/실습 | ||
08/24 (토) | 09:00-18:00 | 데이터 전처리 기법 | 이론/실습 |
데이터 시각화 기법 | 이론/실습 | ||
08/25 (일) | 09:00-18:00 | 금융 상품 추천을 위한 고객 군집화 | 이론/실습 |
금융 상품 추천을 위한 고객 군집화 | 이론/실습 | ||
금융 상품 추천을 위한 고객 군집화 | 이론/실습 | ||
08/31 (토) | 09:00-18:00 | 인공지능 모델 기반 서비스 개발 과정 | 이론/실습 |
인공지능 모델 기반 서비스 개발 과정 | 이론/실습 | ||
인공지능 모델 기반 서비스 개발 과정 | 이론/실습 | ||
09/01 (일) | 09:00-18:00 | 미니 해커톤 | 프로젝트 |
미니 해커톤 | 프로젝트 | ||
미니 해커톤 | 프로젝트 |
2-2) 실시간 오프라인 2차
일자 | 시간 | 주제 | 비고 |
10/14 (월) | 18:30-22:30 | 인공지능 활용을 위한 금융데이터 리터러시 | 이론 |
금융데이터와 인공지능 | 이론/실습 | ||
10/15 (화) | 18:30-22:30 | 금융데이터와 인공지능 | 이론/실습 |
데이터 비즈니스 케이스 스터디 | 이론/실습 | ||
10/16 (수) | 18:30-22:30 | 분석 환경 숙달 실습 | 이론/실습 |
10/17 (목) | 18:30-22:30 | 분석 환경 숙달 실습 | 이론/실습 |
10/21 (월) | 18:30-22:30 | 데이터 전처리 기법 | 이론/실습 |
10/22 (화) | 18:30-22:30 | 데이터 시각화 기법 | 이론/실습 |
10/23 (수) | 18:30-22:30 | 금융 상품 추천을 위한 고객 군집화 | 이론/실습 |
10/24 (목) | 18:30-22:30 | 금융 상품 추천을 위한 고객 군집화 | 이론/실습 |
10/28 (월) | 18:30-22:30 | 인공지능 모델 기반 서비스 개발 과정 | 이론/실습 |
10/29 (화) | 18:30-22:30 | 인공지능 모델 기반 서비스 개발 과정 | 이론/실습 |
10/30 (수) | 18:30-22:30 | 미니 해커톤 | 프로젝트 |
10/31 (목) | 18:30-22:30 | 미니 해커톤 | 프로젝트 |
교육신청 하려면 어떻게 해야 하나요?
방법 | - 하단 버튼을 클릭하시고 양식에 맞춰 작성하신 후 제출해 주세요. - 교육 개강일 5일 전 17시에 신청 시 작성해주신 이메일 또는 문자로 연락 드릴 예정입니다. |
자주하는 질문
Q. 인공지능 사전 지식이 없어도 수강이 가능한가요? |
A. 본 교육과정은 인공지능 교육이 아닌 인공지능의 금융산업 활용 교육입니다. 때문에 금융산업에 특화된 인공지능 기술에 관심이 있으신 분이라면 충분히 수강 가능합니다. |
Q. 교육생 선발은 어떻게 되나요? |
A. 교육 신청 시 제출하신 해당산업분야 대상여부 확인이 가능한 증빙서류를 통해 자격 요건을 확인하고 있습니다. 과정별 대상자 부합 여부 및 선착순으로 선정됩니다. |
Q. 수료기준은 어떻게 되나요? |
A. 실시간 강의 기준 출석률 80%이상(사전교육영상 수강시간 미포함) 참여 시 수료 됩니다. |
Q. 수료증 발급이 되나요? |
A. 수료증은 기본적으로 한국핀테크지원센터 명의 수료증이 발급되며, 필요한 경우 교육 운영사인 한국능률협회 명의 수료증도 추가 발급 가능합니다. |