본 논문에서는 밀리미터파 실내 환경에서 심층 학습 기반 빔 및 장애물 예측 방법을 제안한다. 제안하는 예측 방법은 오프라인 훈련과 온라인 예측 단계로 구성된다. 오프라인 훈련에서 DNN (Deep Neural Network)은 데이터 트래픽 요구와 함께 사용자 위치와 해당 최적의 빔 인덱스 및 장애물 상태 간의 매핑을 학습하도록 설계된다. 온라인 예측에서는 훈련된 DNN은 주어진 데이터 트래픽 요구에 따라 목표 사용자 위치에 대응하는 빔 및 장애물을 예측한다. 시스템 레벨 시뮬레이션은 3GPP (3rd Generation Partnership Project) NR (New Radio) 채널 및 장애물 모델을 기반으로 하였으며, 그 결과 제안하는 방법이 90% 이상의 장애물 예측 정확성을 보여준다. 또한, 최적의 밀리미터파 빔 예측이 가능하며 최적의 빔 선택 방법에 근접한 스펙트럼 효율을 갖는다.