[패키지] 데이터사이언스 MASTER과정

과정카테고리 데이터분석
학습방법 온라인강의 + 주1회 화상강의 + 4개 실전 과제
환급여부 비환급
교육비 800,000 원
환급액 없음
학습기간 120 일
학습시간 118H
정원 100 명
학습개요
본 과정은 Python을 활용하여

● 모듈1: 데이터분석 및 시각화,
● 모듈2: 텍스트 마이닝,
● 모듈3: 머신러닝,
● 모듈4: 딥러닝
으로 구성된 4개의 과정을 4개월동안 집중적 관리를 통해 데이터사이언스 전문가로 완성하는 패키지입니다.

※복습수강기간 8개월 추가 제공(총 12개월간 수강가능)

데이터 분석이 기업의 핵심역량이 되고, 개인의 차별화 가치가 되는 현재, 데이터분석을 한다는 것은 단지 분석도구를 다루는 것만을 의미하지 않습니다.
○ 기본적이며 핵심적인 통계적 원리와 개념을 이해해야 하며 (모듈1: 데이터분석과 시각화),
○ 비정형 자료인 문서를 처리하여 다양한 의견, 전문자료의 분석 등을 할 수 있어야 합니다(모듈2: 텍스트마이닝)
○ 또한 머신러닝의 다양한 기법을 알고 이를 현업에 적용하여 서비스 및 업무의 정확성을 높이는 예측 작업은 차별화 역량의 핵심입니다(모듈3: 머신러닝 + 모듈4: 딥러닝)

데이터사이언티스트(Data Scientist)란, Python 또는 R과 같은 데이터분석 도구의 기초적 분석을 해 본 사람이 아니라 원리를 알고, 다양한 방법론을 현업에 적용할 줄 하는 사람들 말합니다.
본 과정은 단기간 내에 이러한 과정을 충실히 학습내용에 반영하여 수강생들이 4차 혁명시대에 필요한 인력으로 자리잡을 수 있도록 기획되었습니다.

교육대상
● 연구원 및 실무자: 빅데이터분석의 이론과 실무를 동시에 체계적으로 학습하길 원하시는 분
● 학생 및 취업준비생: 데이터분석의 차별화된 능력을 갖추어 본인의 가치를 높이고자 하는 분
● 개발자: 프로그래밍에 머신러닝/딥러닝과 같은 예측 알고리즘을 익히고 실무에 적용하고자 하는 분
● 멘토링을 통한 집중관리와 실전 프로젝트 수행으로 데이터전문가로 실력을 갖추고 싶으신 분


학습목표
● 모듈1: '데이터분석과 시각화'를 통해 Python을 이용하여 데이터 전처리 부터 분석 및 시각화를 표현할 수 있다. 또한 데이터 사이언스가 되기 위한 통계적 기초지식과 개념 및 원리, 회귀분석의 개념과 원리를 배운다

● 모듈2: '텍스트마이닝'에서는 문서(텍스트) 데이터의 전처리, word analysis, 감성분석, clustering, 최신 고급 텍스트분석까지 다양한 텍스트 처리와 처리된 결과를 시각화로 표현하는 방법을 배운다. 또한 텍스트의 데이터 방법의 3가지인 BOW, TF-IDF, word2vec에 대한 개념과 원리, 실습을 익힌다.

● 모듈3과 모듈4의 '머신러닝', '딥러닝'에서는 예측(prediction), 분류(classification), 군집(cluster), 연관 및 추천(association & recommendation) 등 머신러닝의 4대 방법론과, 최근 높은 예측력으로 각광받는 신경망 분석인 딥러닝 알고리즘을 이용하여 예측 분석을 익혀 실무에 적용할 수 있도록 한다.
평가기준
진도 시험 과제 진행단계
반영율 100% - - -
강의내용
회차 강의명
1 [모듈1. 데이터분석과 시각화] Python 소개
2 [모듈1. 데이터분석과 시각화] Python 설치하기
3 [모듈1. 데이터분석과 시각화] Python 기초
4 [모듈1. 데이터분석과 시각화]Numpy 분석함수
5 [모듈1. 데이터분석과 시각화] Pandas함수와 데이터다루기
6 [모듈1. 데이터분석과 시각화] 분석 데이터 살펴보기
7 [모듈1. 데이터분석과 시각화] 데이터 탐색과 빈도분석
8 [모듈1. 데이터분석과 시각화] 데이터 탐색과 기술통계분석
9 [모듈1. 데이터분석과 시각화] 통계학과 추정
10 [모듈1. 데이터분석과 시각화] 가설검정
11 [모듈1. 데이터분석과 시각화] 교차분석의 개념과 원리
12 [모듈1. 데이터분석과 시각화] 교차분석의 실습과 시각화
13 [모듈1. 데이터분석과 시각화] 독립표본 t-test분석의 개념과 원리
14 [모듈1. 데이터분석과 시각화] 독립표본 t-test분석의 실습과 시각화
15 [모듈1. 데이터분석과 시각화] 대응표본 t-test분석의 개념과 원리
16 [모듈1. 데이터분석과 시각화] 대응표본 t-test분석의 실습과 시각화
17 [모듈1. 데이터분석과 시각화] 분산분석의 개념과 원리
18 [모듈1. 데이터분석과 시각화] 분산분석의 실습과 시각화
19 [모듈1. 데이터분석과 시각화] 상관관계분석의 개념과 원리
20 [모듈1. 데이터분석과 시각화] 상관관계분석의 실습과 시각화
21 [모듈1. 데이터분석과 시각화] 선형회귀분석의 개념과 원리
22 [모듈1. 데이터분석과 시각화] 선형회귀분석의 실습과 시각화
23 [모듈1. 데이터분석과 시각화] 더미회귀분석의 개념과 원리
24 [모듈1. 데이터분석과 시각화] 더미회귀분석의 실습과 시각화
25 [모듈1. 데이터분석과 시각화] 로지스틱회귀분석의 개념과 원리
26 [모듈1. 데이터분석과 시각화] 로지스틱회귀분석의 실습과 시각화
27 [모듈2. 텍스트마이닝] Text Mining의 개념과 활용
28 [모듈2. 텍스트마이닝]Text Mining 프로세스와 자료의 확보
29 [모듈2. 텍스트마이닝] 분석패키지 설치와 자료 불러오기
30 [모듈2. 텍스트마이닝] Text 자료의 전처리
31 [모듈2. 텍스트마이닝] 단어 빈도분석과 Word Clouding
32 [모듈2. 텍스트마이닝] 단어 및 불용어 2차 정제
33 [모듈2. 텍스트마이닝] 단어 연관분석과 Word Network
34 [모듈2. 텍스트마이닝] Sentiment Analysis 개념 및 활용
35 [모듈2. 텍스트마이닝] Sentiment Analysis 실습
36 [모듈2. 텍스트마이닝] Text Clustering 개념 및 활용
37 [모듈2. 텍스트마이닝] Word Clustering 실습
38 [모듈2. 텍스트마이닝] Document Clustering 실습
39 [모듈2. 텍스트마이닝] LDA와 Topic Modeling 개념 및 활용
40 [모듈2. 텍스트마이닝] LDA 분석과 결과의 해석
41 [모듈2. 텍스트마이닝] LDA 결과의 시각화
42 [모듈2. 텍스트마이닝] word2vec의 개념 및 원리
43 [모듈2. 텍스트마이닝] word2vec Modeling 실습
44 [모듈2. 텍스트마이닝] doc2vec modeling 실습
45 [모듈2. 텍스트마이닝] 한글문서의 전처리
46 [모듈2. 텍스트마이닝] 한글 빈도분석과 Word Clouding
47 [모듈2. 텍스트마이닝] 한글 단어연관과 Word Network
48 [모듈2. 텍스트마이닝] 한글 Sentiment Analysis
49 [모듈2. 텍스트마이닝] 한글 Word Clustering
50 [모듈2. 텍스트마이닝] 한글 Document Clustering
51 [모듈2. 텍스트마이닝] 한글 LDA와 Topic Modeling
52 [모듈2. 텍스트마이닝] 한글 word2vec
53 [모듈2. 텍스트마이닝] 한글 word2vec
54 [모듈3. 머신러닝] 머신러닝의 개념
55 [모듈3. 머신러닝] 머신러닝 프로세스
56 [모듈3. 머신러닝] K-최근접 이웃(KNN)의 개념과 원리
57 [모듈3. 머신러닝] 머신러닝 맛보기
58 [모듈3. 머신러닝] 데이터 스케일링과 범주특성의 변환
59 [모듈3. 머신러닝] 데이터 셋 나누기
60 [모듈3. 머신러닝] 모델 훈련과 세부튜닝
61 [모듈3. 머신러닝] 모델 평가
62 [모듈3. 머신러닝] 다중분류
63 [모듈3. 머신러닝] 로지스틱 회귀분석의 개념과 원리
64 [모듈3. 머신러닝] 로지스틱 회귀분석 실습
65 [모듈3. 머신러닝] 서포트 벡터 머신(SVM)의 개념과 원리
66 [모듈3. 머신러닝] 서포트 벡터 머신 분석실습
67 [모듈3. 머신러닝] 의사결정나무(Decision Tree)의 개념과 원리
68 [모듈3. 머신러닝] 의사결정나무 분석실습
69 [모듈3. 머신러닝] 랜덤 포레스트(Random Forest)의 개념과 원리
70 [모듈3. 머신러닝] 랜덤 포레스트 분석실습
71 [모듈3. 머신러닝] 투표기반 앙상블 기법과 분석실습
72 [모듈3. 머신러닝] 선형회귀분석의 개념과 원리
73 [모듈3. 머신러닝] 선형회귀분석 실습
74 [모듈3. 머신러닝] 릿지회귀분석의 개념과 실습
75 [모듈3. 머신러닝] 라소회귀분석의 개념과 실습
76 [모듈3. 머신러닝] 종합과제: 유방암 진단분류1
77 [모듈3. 머신러닝] 종합과제: 유방암 진단분류2
78 [모듈3. 머신러닝] 군집분석의 개념과 원리
79 [모듈3. 머신러닝] 군집분석 실습
80 [모듈3. 머신러닝] DBSCAN의 개념과 원리
81 [모듈3. 머신러닝] DBSCAN 분석실습
82 [모듈3. 머신러닝] 연관규칙분석의 개념과 원리
83 [모듈3. 머신러닝] 연관규칙분석 실습
84 [모듈3. 머신러닝] 추천과 협업필터링의 개념과 원리
85 [모듈3. 머신러닝] 협업필터링 분석실습1
86 [모듈3. 머신러닝] 협업필터링 분석실습2
87 [모듈4. 딥러닝] 딥러닝의 개요와 역사(공통)
88 [모듈4. 딥러닝] 신경망의 이해와 다층 퍼셉트론의 필요성(공통)
89 [모듈4. 딥러닝] Tensorflow의 설치와 이해
90 [모듈4. 딥러닝] Tensor의 이해
91 [모듈4. 딥러닝] Placeholder와 Variable
92 [모듈4. 딥러닝] 행렬의 이해와 연산의 수행
93 [모듈4. 딥러닝] 선형회귀와 Cost Function(공통)
94 [모듈4. 딥러닝] 전통적 회귀와 TensorFlow 활용 선형회귀분석
95 [모듈4. 딥러닝] TensorFlow의 선형회귀와 학습단위의 이해
96 [모듈4. 딥러닝] 데이터 스케일링과 데이터셋 분할
97 [모듈4. 딥러닝] 활성화함수의 이해
98 [모듈4. 딥러닝] 은닉층의 이해와 생성하기
99 [모듈4. 딥러닝] 역전파와 고속옵티마이저
100 [모듈4. 딥러닝] 학습율과 선형회귀 종합
101 [모듈4. 딥러닝] 로지스틱회귀와 Cost Function(공통)
102 [모듈4. 딥러닝] 전통적 로지스틱과 TensorFlow 로지스틱
103 [모듈4. 딥러닝] Loss Function과 모델평가지표
104 [모듈4. 딥러닝] 다항로지스틱과 Softmax
105 [모듈4. 딥러닝] MNIST data의 Softmax
106 [모듈4. 딥러닝] 깊은 심층망에서 규제방법
107 [모듈4. 딥러닝] DNN 실전가이드(공통)
108 [모듈4. 딥러닝] CNN의 개념과 원리(공통)
109 [모듈4. 딥러닝] CNN 연산의 기초
110 [모듈4. 딥러닝] openCV와 이미지 전처리
111 [모듈4. 딥러닝] 내 데이터를 이용한 이미지 DNN학습
112 [모듈4. 딥러닝] MNIST 이미지 DNN학습
113 [모듈4. 딥러닝] MNIST 이미지 CNN학습
114 [모듈4. 딥러닝] 내 데이터를 이용한 이미지 CNN학습
115 [모듈4. 딥러닝] RNN의 개념과 원리(공통)
116 [모듈4. 딥러닝] RNN의 기본구조
117 [모듈4. 딥러닝] RNN의 심층구조
118 [모듈4. 딥러닝] RNN을 이용한 주가예측
PC버전으로 보기