클래스 소개
#데이터사이언티스트 #빅데이터 #데이터과학 #기초 #실무 #올인원
교육 대상
관리, 분석, 해결을 위한 데이터 사이언티스트
데이터가 넘실거리는 이 시대의 각광받는 직종인 데이터사이언티스트.
체계적으로 데이터를 관리하고 분석함으로써 비즈니스 상에 발생되는 문제들을 해결하기 위해 적합한 솔루션을 활용하여 처리해가는 직무입니다. 데이터 엔지니어, 데이터 분석가와 함께 데이터 직무 3대장으로 꼽히고 있는 데이터 사이언티스트!
현대 시대의 기업활동에서는 여러모로 시간이 금이고, 순간의 선택이 평생을 좌우한다는 이야기 를 불과 몇 년 사이에 체감 할 수 있을 만큼 너무도 빠르고 순식간에 흘러가기 때문 일텐데요. 엄청난 양의 데이터를 획득하여 정제하고 모델링을 통해 본격적인 분석과 시각화를 거처 직면한 과제에 관한 해결책과 개선점을 분명하게 정리해 나가는데 도움이 됩니다.
그렇기에 점차 고도화되는 시대속에 기업들의 생존전략 구성에도 구체적인 정량화를 추구하는 상 황이기에 점차 많은 분들이 관심을 갖고 있는 직종이기도 하죠.
체계적으로 데이터를 관리하고 분석함으로써 비즈니스 상에 발생되는 문제들을 해결하기 위해 적합한 솔루션을 활용하여 처리해가는 직무입니다. 데이터 엔지니어, 데이터 분석가와 함께 데이터 직무 3대장으로 꼽히고 있는 데이터 사이언티스트!
현대 시대의 기업활동에서는 여러모로 시간이 금이고, 순간의 선택이 평생을 좌우한다는 이야기 를 불과 몇 년 사이에 체감 할 수 있을 만큼 너무도 빠르고 순식간에 흘러가기 때문 일텐데요. 엄청난 양의 데이터를 획득하여 정제하고 모델링을 통해 본격적인 분석과 시각화를 거처 직면한 과제에 관한 해결책과 개선점을 분명하게 정리해 나가는데 도움이 됩니다.
그렇기에 점차 고도화되는 시대속에 기업들의 생존전략 구성에도 구체적인 정량화를 추구하는 상 황이기에 점차 많은 분들이 관심을 갖고 있는 직종이기도 하죠.
각광받는 데이터 직무 3대장
빅데이터의 기초부터 실무 과정을 토대로 데이터 사이언티스트로써의 과정을 배워가는 본 클래스 는 겉으로 살펴보는 커리큘럼을 철저히 배제하고, 실제 입문과 이를 통한 발전을 추구하는 것을 목표로 제작되었습니다.
갈피를 잡기 어려운 데이터 사이언티스트라는 것에 대한 정의와 사례, 도구, 라이프사이클의 개요 를 시작으로 데이터를 어떤 식으로 수집하고 분석하며 이를 구축하여 운영할 것인지, 모델 설계 의 방법과 검증 등 데이터 분석에 관한 모든 내용을 담았습니다. 디테일한 면을 극대화 시키고자 노력하였음은 물론이고, 체계적으로 정리와 풀이를 통해 햇갈릴 수 있는 내용의 맥을 확실하게 잡고 나아가도록 하는 것이 본 클래스의 목표입니다.
시간이 갈수록 더욱 각광받게 될 데이터 사이언티스트
천리길도 한걸음부터 이듯!
이제부터 차근차근 데이터 사이언티스트 퍼펙트 클래스를 통해 시작해보세요!
갈피를 잡기 어려운 데이터 사이언티스트라는 것에 대한 정의와 사례, 도구, 라이프사이클의 개요 를 시작으로 데이터를 어떤 식으로 수집하고 분석하며 이를 구축하여 운영할 것인지, 모델 설계 의 방법과 검증 등 데이터 분석에 관한 모든 내용을 담았습니다. 디테일한 면을 극대화 시키고자 노력하였음은 물론이고, 체계적으로 정리와 풀이를 통해 햇갈릴 수 있는 내용의 맥을 확실하게 잡고 나아가도록 하는 것이 본 클래스의 목표입니다.
시간이 갈수록 더욱 각광받게 될 데이터 사이언티스트
천리길도 한걸음부터 이듯!
이제부터 차근차근 데이터 사이언티스트 퍼펙트 클래스를 통해 시작해보세요!
수강기간 / 환불정책 안내
학습 규정 안내
- 본 클래스는 총 124강, 약 89시간 15분 분량으로 구성되어 있습니다.
- 해당 클래스는 사전 공지 없이 가격, 할인 정책등이 변동 될 수 있습니다.
(1) 학습 기간
- 정수강 가능 기간은 1년(365일)이며 해당 기간 동안 자유롭게 학습 하실 수 있습니다.
유료수강기간(환불산정기간)은 최초 1개월 (30일)입니다. - 유/무료 수강기간 모두 동일한 환경으로 학습이 가능합니다.
- 수강 시작일(유료 수강기간)은 결제일로부터 기간이 산정되며, 결제를 완료하시면 ‘내 강의실’을 통해 확인 가능합니다.
- 이지업클래스의 사정으로 인해 수강 시작이 늦어진 경우에는 해당 일정 만큼의 수강기간이 연장됩니다.
(2) 환불 규정
- 이지업클래스의 환불규정은 아래와 같습니다.
* 전액환불- 수강 시작 후 14일 이내, 5차시 & 5%(시간) 미만 수강 시
- 수강 시작 후 14일 이내, 10차시 & 10% 미만 시간 수강시: 실 결제금액의 2/3을 환불
- 수강 시작 후 14일 이내, 15차시 & 15% 미만 수강시: 실 결제금액의 1/3을 환불
- 요청일 기준 수강 시작 후 15일 초과 또는 15차시 또는 15% 이상 수강시 : 환불금액 없음
(3) 주의 사항
- 본 강의는 상황에 따라 사전 공지나 안내 없이 할인이 조기 마감 또는 연장 될 수 있습니다.
- 천재지변, 폐업 등 서비스 중단이 불가피한 상황에는 사전 안내 없이 종료될 수 있습니다.
- 무제한 강의의 경우, 내 강의실 수강기간 연장 신청을 통해 무제한으로 연장 가능합니다.
- 구매한 무제한 강의의 연장 진행을 하지 않아 종료될 경우 복구되지 않습니다.
- 강의 컨텐츠는 향후 이지업클래스의 사정에 따라 추가 또는 업데이트 될 수 있습니다
이 강의를 담당하시는 강사님을 소개합니다
김동식
: 데이터 사이언티스트로 활동중인 현직 전문가가 제작한 클래스 입니다.
: 빅데이터 개발부터 분석, 실무 등의 다양한 노하우를 전달해 드리는 과정입니다.
: 빅데이터에 관한 전반적인 이해와 내용, 실습을 풍부하게 진행하고 있는 과정입니다.
‘안녕하세요. 김동식 강사 입니다.’
데이터사이언티스트 클래스를 담당하고 계신 김동식 강사님은 데이터 분야의 전문 자격을 보유하 고 계시며, 관련 분야의 다양한 강좌를 제작 및 교육하고 계십니다.
: 빅데이터 개발부터 분석, 실무 등의 다양한 노하우를 전달해 드리는 과정입니다.
: 빅데이터에 관한 전반적인 이해와 내용, 실습을 풍부하게 진행하고 있는 과정입니다.
‘안녕하세요. 김동식 강사 입니다.’
데이터사이언티스트 클래스를 담당하고 계신 김동식 강사님은 데이터 분야의 전문 자격을 보유하 고 계시며, 관련 분야의 다양한 강좌를 제작 및 교육하고 계십니다.
주요 이력
- 고려대학교 대학원 컴퓨터교육전공- 더조은아카데미 빅데이터 강의
- 에스디아카데미 Oracle 강의
커리큘럼
맛보기 영상 | |
01_빅데이터 수집 - 1 | |
1강 데이터 사이언스의 정의, 사례, 도구, 라이프사이클 | |
2강 수집 방식의 정의,수집 방식의 종류,수집 방식의 결정 | |
3강 내 · 외부 데이터 수집을 위한 환경을 구축 | |
4강 우분투 설치, 이클립스, 파일질라, putty 설치 | |
5강 비정형 데이터 수집 방식(jupyter notebook을 이용한 스크레이핑 실습) | |
6강 html, css, javascript,구문 분석기,wget으로 이미지 가져오기,빅데이터 수집 방식 결정 | |
7강 수집시 HTTPError, URLError 에러 처리 | |
8강 스크레이핑 기초, 리눅스(우분투)에서 데이터 수집 관련 명령어 | |
9강 리눅스(우분투)에서 데이터 수집 관련 명령어 | |
10강 정규표현식을 이용한 도서 목록 가져오기1 | |
11강 정규표현식을 이용한 도서 목록 가져오기2 | |
12강 정규표현식을 이용한 도서 목록 가져오기3 | |
13강 빅데이터 수집 모델 설계 및 검증 및 관계법령 | |
02_빅데이터 수집 - 2 (시스템구성) | |
14강 빅데이터 수집 모델 설계 및 검증하기 | |
15강 빅데이터 수집 모듈 개발 | |
16강 스크래파이 실습1 | |
17강 스크래파이 실습2 | |
18강 스크래파이 실습3 | |
19강 스크래파이 실습4 | |
03_빅데이터 적재 | |
20강 빅데이터 저장 모델 설계 | |
21강 관계형 데이터베이스 | |
22강 하둡 에코 시스템(hadoop eco-system) | |
23강 하둡환경설정파일 | |
24강 하둡 클러스터 설정 | |
25강 하둡 환경 설정1 | |
26강 하둡 환경 설정2 | |
27강 하둡 환경 설정3 | |
28강 하둡 환경 설정4 | |
29강 하둡 환경 설정5 | |
30강 하둡 환경 설정6 | |
31강 하둡 테스트1 | |
32강 하둡 테스트2 | |
33강 하둡 설치 확인1 | |
34강 하둡 설치 확인2 | |
35강 하둡 설치 확인3 | |
36강 배치성 로그 데이터 적재 | |
37강 실시간 데이터 적재 | |
04_탐색 및 통계기반 데이터분석 - 1 (기술 통계학) | |
38강 통계학의 분류 | |
39강 변수 종류, 추정 | |
40강 좋은 추정량 | |
41강 표본추출방법 | |
42강 R 자료구조 | |
43강 기술통계 | |
44강 질적자료와 연속자료 | |
45강 R 데이터 가져오기 | |
46강 중심위치 산포 경향 | |
47강 산점도, 막대그래프, 히스토그램 | |
48강 중심 경향도, 산포도 | |
49강 평균, 중간값, 최빈값 | |
50강 모분산, 표본분산 | |
51강 분위수, 박스플롯 | |
52강 이상치 판별 | |
53강 변동계수 | |
54강 확률변수 | |
55강 베르누이 시행 | |
56강 정규분포 | |
57강 정규화 표준화 | |
58강 표본분포 | |
59강 프아송 분포 | |
60강 표준오차 | |
05_탐색 및 통계기반 데이터분석 - 2 (추론 통계학) | |
61강 추정 | |
62강 신뢰구간 | |
63강 부트스트랩 | |
64강 가설 검정 | |
65강 t 검정 | |
66강 모 비율의 가설검정 | |
67강 통계 분석 개요 | |
68강 모 집단이 두 개인 경우 가설 검정 | |
69강 모집단 분산의 구간 추정 | |
70강 모 집단이 세 개인 경우 가설 검정 | |
71강 이원 분산 분석 | |
72강 상관 | |
73강 회귀 | |
06_데이터마이닝기반 빅데이터분석 및 시각화 - 1 | |
74강 비지니스 애널리틱스 | |
75강 데이터 마이닝 프로세스 및 핵심 아이디어 | |
76강 웨스트 록스베리 지역 주택 가치 예측 | |
77강 데이터 분할의 사용과 방법 | |
78강 모델 구축 : 선형 회귀 분석을 이용한 예제 | |
79강 막대차트, 선 그래프, 산점도 | |
80강 박스플롯,히스토그램 | |
81강 히트맵, 다차원 시각화 | |
82강 스케일 조절, 집계와 계층 구조, 확대축소, 필터링 | |
83강 네트워크 데이터 시각화 | |
84강 주성분 분석 | |
85강 피벗 테이블 | |
86강 PCA | |
07_데이터마이닝기반 빅데이터분석 및 시각화 - 2 | |
87강 예측 성능의 평가 | |
88강 분류 모형 평가 | |
89강 향상 차트(Lift Chart) | |
90강 데이터에 맞는 적합한 머신러닝 알고리즘 기법 선정 | |
91강 분류 목적의 머신러닝 기법 적용 | |
92강 knn | |
93강 나이브 베이즈(Naive Bayes) 기법 | |
94강 분류 회귀 나무 | |
95강 실전 데이터 분석(전처리) | |
96강 실전 데이터 분석(추정) | |
97강 실전 데이터 분석(일원배치분산분석) | |
08_인공지능기반 데이터분석 - 1 | |
98강 기계 학습 개요 | |
99강 다차원 특징 공간, 간단한 기계학습 예제 | |
100강 영상처리 개요 | |
101강 머신러닝 시스템의 종류 | |
102강 머신 러닝의 주요 도전 과제 | |
103강 회귀 기반 머신러닝 기초 | |
104강 회귀 기반 머신러닝 기초데이터 이해를 위한 탐색과 시각화 | |
105강 머신러닝을 위한 회귀 개념 및 수학 기초 | |
106강 머신러닝을 위한 기초 | |
107강 수치 예측 머신러닝 시각화 | |
108강 기계학습을 위한 회귀 최종정리와 비정형 데이터마이닝 실전 | |
109강 확률과 베이즈통계학 정리 | |
09_인공지능기반 데이터분석 - 2 | |
110강 로지스틱 회귀 | |
111강 KNN | |
112강 모델 진단(rmse) | |
113강 CI | |
114강 의사 결정 나무 | |
115강 로지스틱 회귀 | |
116강 분류모델 평가1 | |
117강 분류모델 평가2 | |
118강 분류모델 평가3 | |
119강 텐서플로 설치 | |
120강 다층퍼셉트론 | |
121강 활성화 함수 | |
122강 openCV를 위한 넘파이 | |
123강 퍼센트론 실습 | |
124강 ReLU |