이지업클래스 | 모두를 위한 온라인 IT CLASS

메뉴
데이터사이언티스트 - 빅데이터 기초 실무 퍼펙트 클래스
비환급 사업주지원 근로자카드 모바일지원 추천 SALE NEW

데이터사이언티스트 - 빅데이터 기초 실무 퍼펙트 클래스

강사 : 이지업클래스

#데이터사이언티스트#빅데이터#데이터과학각광직종#기초#실무#올인원
빅데이터 실무를 한방에!
250,000 180,000원

클래스 소개

데이터 사이언티스트
#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.
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!
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
    * 일부환불
    • 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.
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

수강후기