컨텐츠 내용
- 수강신청
- 과정정보
[패키지] Python 에센셜 과정
과정소개
▪ 데이터전문가를 위한 빅데이터(Python) 에센셜 과정!
▪ Python 핵심+ 텍스트마이닝+ 머신러닝+ 딥러닝4개과목, 총 92강의패키지!
▪ 빅데이터 분석과 관련된 최신 트렌드를 반영한 업데이트된 강의 내용!
▪ (NEW) 데이터 정제과정 심화, 한글 텍스트마이닝, 머신러닝 핵심 알고리즘 추가, 텐서플로우 2.0기반의 딥러닝
▪ 분석도구인 Python 활용법뿐만아니라 통계적 해석에 필수적인 추정 및 가설검정에 대한 이해를 다룹니다.
▪ 본 과정을 수강하시면 분석의 핵심개념, 과정 별 실전체크, 분석과정에서 부딪치는 문제와 해결방법 등 실전을 마스터하실 수 있습니다.
▪ 본 과정을 수강하시면 빅데이터 알고리즘의 이론과 실전을 동시에 마스터 하실 수 있습니다.
학습목표
▪ 파이썬 에센셜 과정을 수강하신 후 다음과 같은 분석능력을 갖추게 됩니다.
- 텐서플로우 2.0 기반으로 Python을 활용한 빅데이터분석을 마스터 할 수 있습니다.
- 빅데이터의 구조를 이해하고 분석과 전전반을 이해하게 됩니다.
- 빅데이터의 전처리과정의 중요성을 알고, 전처리방법, 핵심 체크포인트를 습득하게 됩니다.
- 여러 알고리즘의 조합으로 더욱 높은 예측력을 이끌어낼 수 있습니다.
- 텐서플로우 2.0 기반으로 Python을 활용한 빅데이터분석을 마스터 할 수 있습니다.
- 빅데이터의 구조를 이해하고 분석과 전전반을 이해하게 됩니다.
- 빅데이터의 전처리과정의 중요성을 알고, 전처리방법, 핵심 체크포인트를 습득하게 됩니다.
- 여러 알고리즘의 조합으로 더욱 높은 예측력을 이끌어낼 수 있습니다.
수강안내
※ 정규학습일수는 365일이며, 365일이내 수강을 80% 이수해야만 수료증이 발급됩니다.
※ 교재는 강의 내에서 교안과 실습자료를 다운로드 받으실 수 있도록 파일로 제공됩니다.
■ 교환.환불규정 ■
1) 결제 후 7일 이내, 이용한 강좌 없을 경우: 전액 환불
2) 결제 후 7일 초과 ~ 수강기간 1/2 이하
- 이용한 강좌가 없을 경우: 위약금(결제한 금액의 10%) 차감 후 환불
- 이용한 강좌가 있을 경우: 위약금(결제한 금액의 10%)+완료 강좌 수에 따른 정가 차감 후 환불
3) 수강기간 1/2 초과: 환불 불가
*산출기준 예시: 수강료 150,000원이면 강좌 수 20강인 경우, 150,000원/20강=7,500원(1강좌)로 산출
※ 유의사항
- 수강기간이 종료된 강의는 환불이 불가합니다.
- 복습기간이나 이벤트 등으로 추가로 제공된 기간은, 수강기간에 포함되지 않습니다.
- 환불금액은 결제한 금액 기준이며, 결제 시 사용한 적립금(쿠폰)은 반환해드립니다.
※ 교재는 강의 내에서 교안과 실습자료를 다운로드 받으실 수 있도록 파일로 제공됩니다.
■ 교환.환불규정 ■
1) 결제 후 7일 이내, 이용한 강좌 없을 경우: 전액 환불
2) 결제 후 7일 초과 ~ 수강기간 1/2 이하
- 이용한 강좌가 없을 경우: 위약금(결제한 금액의 10%) 차감 후 환불
- 이용한 강좌가 있을 경우: 위약금(결제한 금액의 10%)+완료 강좌 수에 따른 정가 차감 후 환불
3) 수강기간 1/2 초과: 환불 불가
*산출기준 예시: 수강료 150,000원이면 강좌 수 20강인 경우, 150,000원/20강=7,500원(1강좌)로 산출
※ 유의사항
- 수강기간이 종료된 강의는 환불이 불가합니다.
- 복습기간이나 이벤트 등으로 추가로 제공된 기간은, 수강기간에 포함되지 않습니다.
- 환불금액은 결제한 금액 기준이며, 결제 시 사용한 적립금(쿠폰)은 반환해드립니다.
수료기준
| 평가기준 | 총점 |
|---|---|
| 반영비율 | 100점 |
| 이수(과락)기준 | 60점 |
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 60점 이상이어야 합니다.
| 차시 | 강의명 |
|---|---|
| 1차시 | 분석 데이터 준비 |
| 2차시 | Python 설치하기 |
| 3차시 | Python 기초1: 데이터 유형 |
| 4차시 | Python 기초2: 조건문과 반복문 |
| 5차시 | Python 기초3: Numpy 함수 |
| 6차시 | Python 기초4: Pandas 함수 기초 |
| 7차시 | Python 기초5: Pandas로 데이터 변환하기 |
| 8차시 | 단변량 데이터 탐색 |
| 9차시 | 이변량 데이터 탐색 |
| 10차시 | 이상치 처리 |
| 11차시 | 변수 변환 |
| 12차시 | 결측값 처리 |
| 13차시 | 데이터 정제 실전 과제 |
| 14차시 | Text Mining의 개념과 활용 |
| 15차시 | Text Mining 분석법과 자료확보 |
| 16차시 | Text 분석 패키지 설치 |
| 17차시 | 형태소 분석기와 데이터 불러오기 |
| 18차시 | 전처리와 정규식 |
| 19차시 | 워드클라우드와 집단/기간별 분석 |
| 20차시 | 워드네크워크 분석 |
| 21차시 | 특정 키워드 매칭 추출 및 분석 |
| 22차시 | n-gram 네트워크 분석 |
| 23차시 | 감성분석(Sentiment Analysis)의 이해 |
| 24차시 | 속성별 키워드 및 감성단어 추출 |
| 25차시 | 문장세분화 및 감성 스코어링 |
| 26차시 | 데이터병합 및 특정키워드 감성분석 |
| 27차시 | 텍스트 Clustering의 이해 |
| 28차시 | 단어기준 클러스터 |
| 29차시 | 문장기준 클러스터 |
| 30차시 | LDA와 토픽모델링 |
| 31차시 | LDA 분석 |
| 32차시 | word2vec과 doc2vec |
| 33차시 | word2vec 분석 |
| 34차시 | doc2vec 분석 |
| 35차시 | 감성분류를 위한 텍스트 전처리 |
| 36차시 | 머신러닝으로 감성분류하기 |
| 37차시 | 데이터와 알고리즘 |
| 38차시 | 머신러닝 프로세스 |
| 39차시 | 머신러닝 맛보기1: 분류 문제(로지스틱 회귀분석) |
| 40차시 | 머신러닝 맛보기2: 회귀 문제(선형회귀분석) |
| 41차시 | 머신러닝 프로세스1: 범주변수의 변환: one-hot-encoding |
| 42차시 | 머신러닝 프로세스2: 데이터셋 분할과 모델검증 |
| 43차시 | 머신러닝 프로세스3: 데이터 스케일링 |
| 44차시 | 머신러닝 프로세스4: 모델 훈련과 세부튜닝 |
| 45차시 | 머신러닝 프로세스5: 모델 평가 |
| 46차시 | 머신러닝 프로세스6: 다중분류 |
| 47차시 | 데이터의 3대 유형 |
| 48차시 | 지도학습 알고리즘1: 로지스틱 회귀모델 |
| 49차시 | 지도학습 알고리즘2: k-최근접이웃법(KNN) |
| 50차시 | 지도학습 알고리즘3: 나이브 베이즈 |
| 51차시 | 지도학습 알고리즘4: 인공신경망 |
| 52차시 | 지도학습 알고리즘5: 서포트 벡터 머신(SVM) |
| 53차시 | 지도학습 알고리즘6: 의사결정나무(Decision Tree) |
| 54차시 | 지도학습 알고리즘7: 랜덤 포레스트(Random Forest) |
| 55차시 | 지도학습 알고리즘8: 투표기반 앙상블 |
| 56차시 | 지도학습 알고리즘9: 앙상블 배깅 |
| 57차시 | 지도학습 알고리즘10: 앙상블 부스팅 |
| 58차시 | 지도학습 알고리즘11: 앙상블 스태킹 |
| 59차시 | 지도학습 알고리즘12: 선형 회귀모델 |
| 60차시 | 지도학습 알고리즘13: 릿지(Ridge) 회귀모델 |
| 61차시 | 지도학습 알고리즘14: 라소(Lasso) 회귀모델 |
| 62차시 | 지도학습 알고리즘15: 엘라스틱넷 |
| 63차시 | 비지도학습 알고리즘1: 군집분석 |
| 64차시 | 비지도학습 알고리즘2: DBSCAN |
| 65차시 | 비지도학습 알고리즘3: 연관규칙분석 |
| 66차시 | 딥러닝의 개요 |
| 67차시 | 딥러닝의 발전 |
| 68차시 | 다층 퍼센트론의 이해 |
| 69차시 | 다층 퍼센트론의 필요성 |
| 70차시 | Tensorflow 설치와 이해 |
| 71차시 | 회귀문제와 Cost Function |
| 72차시 | 딥러닝 A to Z |
| 73차시 | 하이퍼파라미터1: 데이터분할과 정규화 |
| 74차시 | 하이퍼파라미터2: 학습단위의 이해 |
| 75차시 | 하이퍼파라미터3: 활성화함수의 이해 |
| 76차시 | 하이퍼파라미터4: 은닉층의 이해 |
| 77차시 | 하이퍼파라미터5: 역전파와 고속옵티마이저 |
| 78차시 | 하이퍼파라미터6: 학습률과 분석 프로세스 |
| 79차시 | 분류문제와 Cost Function |
| 80차시 | 이진분류 분석 |
| 81차시 | 다항분류 분석 |
| 82차시 | 딥러닝과 규제화 |
| 83차시 | 딥러닝 모델의 규제 적용 실습 |
| 84차시 | 실전 딥러닝 가이드 |
| 85차시 | CNN의 개념과 원리 |
| 86차시 | openCV로 이미지 정제하기 |
| 87차시 | 개와 고양이 사진 분류 |
| 88차시 | MNIST 숫자 분류 |
| 89차시 | RNN의 개념과 원리 |
| 90차시 | RNN, GRU, LSTM 이해 |
| 91차시 | RNN으로 주식예측하기 |
| 92차시 | RNN으로 감성분류하기 |
