컨텐츠 내용
- 수강신청
- 과정정보
데이터사이언스 풀 패키지
과정소개
▪ R을 활용한 데이터분석과 시각화 + 텍스트마이닝 + 머신러닝 + 딥러닝 4개 과목
▪ Python을 활용한 데이터분석과 시각화 + 텍스트마이닝 + 머신러닝 + 딥러닝 4개 과목
▪ 총 236 강의 패키지!
▪ 60% 할인혜택 (144만원 →57.6만원) 으로 든든한 지원 받고 시작하십시오
학습목표
▪ R+Python 모두 가능한 진정한 실전 멀티플레이어 데이터사이언티스트!
수강안내
▪ 정규학습일수는 365일 이며 365일 이내 수강을 80% 이수해야만 수료증이 발급됩니다.
▪ 정규학습일수 이후에는 무한대로 복습을 하실 수 있습니다.
▪ 정규학습일수 이후에는 무한대로 복습을 하실 수 있습니다.
수료기준
| 평가기준 | 총점 |
|---|---|
| 반영비율 | 100점 |
| 이수(과락)기준 | 60점 |
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 60점 이상이어야 합니다.
| 차시 | 강의명 |
|---|---|
| 1차시 | R을 활용한 데이터분석과 시각화 R이란 무엇인가 |
| 2차시 | R을 활용한 데이터분석과 시각화 R 설치하기 |
| 3차시 | R을 활용한 데이터분석과 시각화 데이터관리(1) |
| 4차시 | R을 활용한 데이터분석과 시각화 데이터관리(2) |
| 5차시 | R을 활용한 데이터분석과 시각화 데이터파일 불러오기 |
| 6차시 | R을 활용한 데이터분석과 시각화 분석 데이터 살펴보기 |
| 7차시 | R을 활용한 데이터분석과 시각화 데이터 탐색과 빈도분석 |
| 8차시 | R을 활용한 데이터분석과 시각화 데이터 탐색과 기술통계분석 |
| 9차시 | R을 활용한 데이터분석과 시각화 통계학과 추정 |
| 10차시 | R을 활용한 데이터분석과 시각화 가설검정 |
| 11차시 | R을 활용한 데이터분석과 시각화 교차분석의 개념과 원리 |
| 12차시 | R을 활용한 데이터분석과 시각화 교차분석의 실습과 시각화 |
| 13차시 | R을 활용한 데이터분석과 시각화 독립표본 t-test분석의 개념과 원리 |
| 14차시 | R을 활용한 데이터분석과 시각화 독립표본 t-test분석의 실습과 시각화 |
| 15차시 | R을 활용한 데이터분석과 시각화 대응표본 t-test분석의 개념과 원리 |
| 16차시 | R을 활용한 데이터분석과 시각화 대응표본 t-test분석의 실습과 시각화 |
| 17차시 | R을 활용한 데이터분석과 시각화 분산분석의 개념과 원리 |
| 18차시 | R을 활용한 데이터분석과 시각화 분산분석의 실습과 시각화 |
| 19차시 | R을 활용한 데이터분석과 시각화 상관관계분석의 개념과 원리 |
| 20차시 | R을 활용한 데이터분석과 시각화 상관관계분석의 실습과 시각화 |
| 21차시 | R을 활용한 데이터분석과 시각화 선형회귀분석의 개념과 원리 |
| 22차시 | R을 활용한 데이터분석과 시각화 선형회귀분석의 실습과 시각화 |
| 23차시 | R을 활용한 데이터분석과 시각화 더미회귀분석의 개념과 원리 |
| 24차시 | R을 활용한 데이터분석과 시각화 더미회귀분석의 실습과 시각화 |
| 25차시 | R을 활용한 데이터분석과 시각화 로지스틱회귀분석의 개념과 원리 |
| 26차시 | R을 활용한 데이터분석과 시각화 로지스틱회귀분석의 실습과 시각화 |
| 27차시 | R을 활용한 텍스트마이닝 Text Mining의 개념과 활용 |
| 28차시 | R을 활용한 텍스트마이닝 Text Mining 프로세스와 자료의 확보 |
| 29차시 | R을 활용한 텍스트마이닝 분석패키지 설치와 자료 불러오기 |
| 30차시 | R을 활용한 텍스트마이닝 Text 자료의 전처리 |
| 31차시 | R을 활용한 텍스트마이닝 단어 빈도분석과 Word Clouding |
| 32차시 | R을 활용한 텍스트마이닝 단어 연관분석과 Word Network |
| 33차시 | R을 활용한 텍스트마이닝 단어의 정제와 집단별 분석 |
| 34차시 | R을 활용한 텍스트마이닝 Sentiment Analysis 개념 및 활용 |
| 35차시 | R을 활용한 텍스트마이닝 Sentiment Analysis 실습 |
| 36차시 | R을 활용한 텍스트마이닝 Text Clustering 개념 및 활용 |
| 37차시 | R을 활용한 텍스트마이닝 Word Clustering 실습 |
| 38차시 | R을 활용한 텍스트마이닝 Document Clustering 실습 |
| 39차시 | R을 활용한 텍스트마이닝 LDA와 Topic Modeling 개념 및 활용 |
| 40차시 | R을 활용한 텍스트마이닝 LDA 분석과 결과의 해석 |
| 41차시 | R을 활용한 텍스트마이닝 LDA 결과의 시각화 |
| 42차시 | R을 활용한 텍스트마이닝 word2vec의 개념 및 원리 |
| 43차시 | R을 활용한 텍스트마이닝 word2vec의 Modeling 실습 |
| 44차시 | R을 활용한 텍스트마이닝 한글문서의 전처리 |
| 45차시 | R을 활용한 텍스트마이닝 한글문서 Word Clouding |
| 46차시 | R을 활용한 텍스트마이닝 한글문서 단어의 정제와 집단별 분석 |
| 47차시 | R을 활용한 텍스트마이닝 한글 단어연관 |
| 48차시 | R을 활용한 텍스트마이닝 한글 Word Network |
| 49차시 | R을 활용한 텍스트마이닝 한글 Sentiment Analysis |
| 50차시 | R을 활용한 텍스트마이닝 한글 Word Clustering과 Document Clustering |
| 51차시 | R을 활용한 텍스트마이닝 한글 LDA와 Topic Modeling |
| 52차시 | R을 활용한 텍스트마이닝 한글 word2vec |
| 53차시 | R을 활용한 머신러닝 머신러닝의 개념 |
| 54차시 | R을 활용한 머신러닝 머신러닝 프로세스 |
| 55차시 | R을 활용한 머신러닝 K-최근접 이웃(KNN)의 개념과 원리 |
| 56차시 | R을 활용한 머신러닝 머신러닝 맛보기 |
| 57차시 | R을 활용한 머신러닝 데이터 스케일링과 범주특성의 변환 |
| 58차시 | R을 활용한 머신러닝 데이터 셋 나누기 |
| 59차시 | R을 활용한 머신러닝 모델 훈련과 세부튜닝 |
| 60차시 | R을 활용한 머신러닝 모델 평가 |
| 61차시 | R을 활용한 머신러닝 다중분류 |
| 62차시 | R을 활용한 머신러닝 로지스틱 회귀분석의 개념과 원리 |
| 63차시 | R을 활용한 머신러닝 로지스틱 회귀분석 실습 |
| 64차시 | R을 활용한 머신러닝 서포트 벡터 머신(SVM)의 개념과 원리 |
| 65차시 | R을 활용한 머신러닝 서포트 벡터 머신 분석실습 |
| 66차시 | R을 활용한 머신러닝 의사결정나무(Decision Tree)의 개념과 원리 |
| 67차시 | R을 활용한 머신러닝 의사결정나무 분석실습 |
| 68차시 | R을 활용한 머신러닝 랜덤 포레스트(Random Forest)의 개념과 원리 |
| 69차시 | R을 활용한 머신러닝 랜덤 포레스트 분석실습 |
| 70차시 | R을 활용한 머신러닝 투표기반 앙상블 기법과 분석실습 |
| 71차시 | R을 활용한 머신러닝 선형회귀분석의 개념과 원리 |
| 72차시 | R을 활용한 머신러닝 선형회귀분석 실습 |
| 73차시 | R을 활용한 머신러닝 릿지회귀분석의 개념과 실습 |
| 74차시 | R을 활용한 머신러닝 라소회귀분석의 개념과 실습 |
| 75차시 | R을 활용한 머신러닝 종합과제: 유방암 진단분류1 |
| 76차시 | R을 활용한 머신러닝 종합과제: 유방암 진단분류2 |
| 77차시 | R을 활용한 머신러닝 군집분석의 개념과 원리 |
| 78차시 | R을 활용한 머신러닝 군집분석 실습 |
| 79차시 | R을 활용한 머신러닝 DBSCAN의 개념과 원리 |
| 80차시 | R을 활용한 머신러닝 DBSCAN 분석실습 |
| 81차시 | R을 활용한 머신러닝 연관규칙분석의 개념과 원리 |
| 82차시 | R을 활용한 머신러닝 연관규칙분석 실습 |
| 83차시 | R을 활용한 머신러닝 추천과 협업필터링의 개념과 원리 |
| 84차시 | R을 활용한 머신러닝 협업필터링 분석실습1 |
| 85차시 | R을 활용한 머신러닝 협업필터링 분석실습2 |
| 86차시 | R을 활용한 딥러닝 딥러닝의 개요와 역사 |
| 87차시 | R을 활용한 딥러닝 신경망의 이해와 다층 퍼셉트론의 필요성 |
| 88차시 | R을 활용한 딥러닝 Tensorflow의 설치와 무작정 해보기 |
| 89차시 | R을 활용한 딥러닝 Tensor의 이해 |
| 90차시 | R을 활용한 딥러닝 Placeholder와 Variable |
| 91차시 | R을 활용한 딥러닝 행렬의 이해와 연산의 수행 |
| 92차시 | R을 활용한 딥러닝 선형회귀와 Cost Function |
| 93차시 | R을 활용한 딥러닝 전통적 회귀와 TensorFlow 활용 선형회귀분석 |
| 94차시 | R을 활용한 딥러닝 TensorFlow의 선형회귀와 학습단위의 이해 |
| 95차시 | R을 활용한 딥러닝 데이터 스케일링과 데이터셋 분할 |
| 96차시 | R을 활용한 딥러닝 활성화함수의 이해 |
| 97차시 | R을 활용한 딥러닝 은닉층의 이해와 생성하기 |
| 98차시 | R을 활용한 딥러닝 역전파와 고속옵티마이저 |
| 99차시 | R을 활용한 딥러닝 학습율과 선형회귀 종합 |
| 100차시 | R을 활용한 딥러닝 로지스틱회귀와 Cost Function |
| 101차시 | R을 활용한 딥러닝 데이터파일 불러오기 |
| 102차시 | R을 활용한 딥러닝 전통적 로지스틱과 TensorFlow 로지스틱 |
| 103차시 | R을 활용한 딥러닝 Loss Function과 모델평가지표 |
| 104차시 | R을 활용한 딥러닝 다항로지스틱과 Softmax |
| 105차시 | R을 활용한 딥러닝 MNIST data의 Softmax |
| 106차시 | R을 활용한 딥러닝 깊은 심층망에서 규제방법 |
| 107차시 | R을 활용한 딥러닝 DNN 실전가이드 |
| 108차시 | R을 활용한 딥러닝 CNN의 개념과 원리 |
| 109차시 | R을 활용한 딥러닝 CNN 연산의 기초 |
| 110차시 | R을 활용한 딥러닝 R의 이미지 전처리 |
| 111차시 | R을 활용한 딥러닝 내 데이터를 이용한 이미지 DNN학습 |
| 112차시 | R을 활용한 딥러닝 MNIST 이미지 DNN학습 |
| 113차시 | R을 활용한 딥러닝 MNIST 이미지 CNN학습 |
| 114차시 | R을 활용한 딥러닝 내 데이터를 이용한 이미지 CNN학습 |
| 115차시 | R을 활용한 딥러닝 RNN의 개념과 원리 |
| 116차시 | R을 활용한 딥러닝 RNN 기본구조 |
| 117차시 | R을 활용한 딥러닝 RNN 다층구조 |
| 118차시 | R을 활용한 딥러닝 RNN을 이용한 주가예측 |
| 119차시 | Python을 활용한 데이터분석과 시각화 Python 소개 |
| 120차시 | Python을 활용한 데이터분석과 시각화 Python 설치하기 |
| 121차시 | Python을 활용한 데이터분석과 시각화 Python 기초 |
| 122차시 | Python을 활용한 데이터분석과 시각화 Numpy 분석함수 |
| 123차시 | Python을 활용한 데이터분석과 시각화 Pandas함수와 데이터다루기 |
| 124차시 | Python을 활용한 데이터분석과 시각화 분석 데이터 살펴보기 |
| 125차시 | Python을 활용한 데이터분석과 시각화 데이터 탐색과 빈도분석 |
| 126차시 | Python을 활용한 데이터분석과 시각화 데이터 탐색과 기술통계분석 |
| 127차시 | Python을 활용한 데이터분석과 시각화 통계학과 추정 |
| 128차시 | Python을 활용한 데이터분석과 시각화 가설검정 |
| 129차시 | Python을 활용한 데이터분석과 시각화 교차분석의 개념과 원리 |
| 130차시 | Python을 활용한 데이터분석과 시각화 교차분석의 실습과 시각화 |
| 131차시 | Python을 활용한 데이터분석과 시각화 독립표본 t-test분석의 개념과 원리 |
| 132차시 | Python을 활용한 데이터분석과 시각화 독립표본 t-test분석의 실습과 시각화 |
| 133차시 | Python을 활용한 데이터분석과 시각화 대응표본 t-test분석의 개념과 원리 |
| 134차시 | Python을 활용한 데이터분석과 시각화 대응표본 t-test분석의 실습과 시각화 |
| 135차시 | Python을 활용한 데이터분석과 시각화 분산분석의 개념과 원리 |
| 136차시 | Python을 활용한 데이터분석과 시각화 분산분석의 실습과 시각화 |
| 137차시 | Python을 활용한 데이터분석과 시각화 상관관계분석의 개념과 원리 |
| 138차시 | Python을 활용한 데이터분석과 시각화 상관관계분석의 실습과 시각화 |
| 139차시 | Python을 활용한 데이터분석과 시각화 선형회귀분석의 개념과 원리 |
| 140차시 | Python을 활용한 데이터분석과 시각화 선형회귀분석의 실습과 시각화 |
| 141차시 | Python을 활용한 데이터분석과 시각화 더미회귀분석의 개념과 원리 |
| 142차시 | Python을 활용한 데이터분석과 시각화 더미회귀분석의 실습과 시각화 |
| 143차시 | Python을 활용한 데이터분석과 시각화 로지스틱회귀분석의 개념과 원리 |
| 144차시 | Python을 활용한 데이터분석과 시각화 로지스틱회귀분석의 실습과 시각화 |
| 145차시 | Python을 활용한 텍스트마이닝 Text Mining의 개념과 활용 |
| 146차시 | Python을 활용한 텍스트마이닝 Text Mining 프로세스와 자료의 확보 |
| 147차시 | Python을 활용한 텍스트마이닝 분석패키지 설치와 자료 불러오기 |
| 148차시 | Python을 활용한 텍스트마이닝 Text 자료의 전처리 |
| 149차시 | Python을 활용한 텍스트마이닝 단어 빈도분석과 Word Clouding |
| 150차시 | Python을 활용한 텍스트마이닝 단어 연관분석과 Word Network |
| 151차시 | Python을 활용한 텍스트마이닝 단어의 정제와 집단별 분석 |
| 152차시 | Python을 활용한 텍스트마이닝 Sentiment Analysis 개념 및 활용 |
| 153차시 | Python을 활용한 텍스트마이닝 Sentiment Analysis 실습 |
| 154차시 | Python을 활용한 텍스트마이닝 Text Clustering 개념 및 활용 |
| 155차시 | Python을 활용한 텍스트마이닝 Word Clustering 실습 |
| 156차시 | Python을 활용한 텍스트마이닝 Document Clustering 실습 |
| 157차시 | Python을 활용한 텍스트마이닝 LDA와 Topic Modeling 개념 및 활용 |
| 158차시 | Python을 활용한 텍스트마이닝 LDA 분석과 결과의 해석 |
| 159차시 | Python을 활용한 텍스트마이닝 LDA 결과의 시각화 |
| 160차시 | Python을 활용한 텍스트마이닝 word2vec의 개념 및 원리 |
| 161차시 | Python을 활용한 텍스트마이닝 word2vec Modeling 실습 |
| 162차시 | Python을 활용한 텍스트마이닝 doc2vec modeling 실습 |
| 163차시 | Python을 활용한 텍스트마이닝 한글문서의 전처리 |
| 164차시 | Python을 활용한 텍스트마이닝 한글 빈도분석과 Word Clouding |
| 165차시 | Python을 활용한 텍스트마이닝 한글 단어연관과 Word Network |
| 166차시 | Python을 활용한 텍스트마이닝 한글 Sentiment Analysis |
| 167차시 | Python을 활용한 텍스트마이닝 한글 Word Clustering |
| 168차시 | Python을 활용한 텍스트마이닝 한글 Document Clustering |
| 169차시 | Python을 활용한 텍스트마이닝 한글 LDA와 Topic Modeling |
| 170차시 | Python을 활용한 텍스트마이닝 한글 word2vec |
| 171차시 | Python을 활용한 텍스트마이닝 한글 doc2vec |
| 172차시 | Python을 활용한 머신러닝 머신러닝의 개념 |
| 173차시 | Python을 활용한 머신러닝 머신러닝 프로세스 |
| 174차시 | Python을 활용한 머신러닝 K-최근접 이웃(KNN)의 개념과 원리 |
| 175차시 | Python을 활용한 머신러닝 머신러닝 맛보기 |
| 176차시 | Python을 활용한 머신러닝 데이터 스케일링과 범주특성의 변환 |
| 177차시 | Python을 활용한 머신러닝 데이터 셋 나누기 |
| 178차시 | Python을 활용한 머신러닝 모델 훈련과 세부튜닝 |
| 179차시 | Python을 활용한 머신러닝 모델 평가 |
| 180차시 | Python을 활용한 머신러닝 다중분류 |
| 181차시 | Python을 활용한 머신러닝 로지스틱 회귀분석의 개념과 원리 |
| 182차시 | Python을 활용한 머신러닝 로지스틱 회귀분석 실습 |
| 183차시 | Python을 활용한 머신러닝 서포트 벡터 머신(SVM)의 개념과 원리 |
| 184차시 | Python을 활용한 머신러닝 서포트 벡터 머신 분석실습 |
| 185차시 | Python을 활용한 머신러닝 의사결정나무(Decision Tree)의 개념과 원리 |
| 186차시 | Python을 활용한 머신러닝 의사결정나무 분석실습 |
| 187차시 | Python을 활용한 머신러닝 랜덤 포레스트(Random Forest)의 개념과 원리 |
| 188차시 | Python을 활용한 머신러닝 랜덤 포레스트 분석실습 |
| 189차시 | Python을 활용한 머신러닝 투표기반 앙상블 기법과 분석실습 |
| 190차시 | Python을 활용한 머신러닝 선형회귀분석의 개념과 원리 |
| 191차시 | Python을 활용한 머신러닝 선형회귀분석 실습 |
| 192차시 | Python을 활용한 머신러닝 릿지회귀분석의 개념과 실습 |
| 193차시 | Python을 활용한 머신러닝 라소회귀분석의 개념과 실습 |
| 194차시 | Python을 활용한 머신러닝 종합과제: 유방암 진단분류1 |
| 195차시 | Python을 활용한 머신러닝 종합과제: 유방암 진단분류2 |
| 196차시 | Python을 활용한 머신러닝 군집분석의 개념과 원리 |
| 197차시 | Python을 활용한 머신러닝 군집분석 실습 |
| 198차시 | Python을 활용한 머신러닝 DBSCAN의 개념과 원리 |
| 199차시 | Python을 활용한 머신러닝 DBSCAN 분석실습 |
| 200차시 | Python을 활용한 머신러닝 연관규칙분석의 개념과 원리 |
| 201차시 | Python을 활용한 머신러닝 연관규칙분석 실습 |
| 202차시 | Python을 활용한 머신러닝 추천과 협업필터링의 개념과 원리 |
| 203차시 | Python을 활용한 머신러닝 협업필터링 분석실습1 |
| 204차시 | Python을 활용한 머신러닝 협업필터링 분석실습2 |
| 205차시 | Python을 활용한 딥러닝 딥러닝의 개요와 역사 |
| 206차시 | Python을 활용한 딥러닝 신경망의 이해와 다층 퍼셉트론의 필요성 |
| 207차시 | Python을 활용한 딥러닝 Tensorflow의 설치와 이해 |
| 208차시 | Python을 활용한 딥러닝 Tensor의 이해 |
| 209차시 | Python을 활용한 딥러닝 Placeholder와 Variable |
| 210차시 | Python을 활용한 딥러닝 행렬의 이해와 연산의 수행 |
| 211차시 | Python을 활용한 딥러닝 선형회귀와 Cost Function |
| 212차시 | Python을 활용한 딥러닝 전통적 회귀와 TensorFlow 활용 선형회귀분석 |
| 213차시 | Python을 활용한 딥러닝 TensorFlow의 선형회귀와 학습단위의 이해 |
| 214차시 | Python을 활용한 딥러닝 데이터 스케일링과 데이터셋 분할 |
| 215차시 | Python을 활용한 딥러닝 활성화함수의 이해 |
| 216차시 | Python을 활용한 딥러닝 은닉층의 이해와 생성하기 |
| 217차시 | Python을 활용한 딥러닝 역전파와 고속옵티마이저 |
| 218차시 | Python을 활용한 딥러닝 학습율과 선형회귀 종합 |
| 219차시 | Python을 활용한 딥러닝 로지스틱회귀와 Cost Function |
| 220차시 | Python을 활용한 딥러닝 전통적 로지스틱과 TensorFlow 로지스틱 |
| 221차시 | Python을 활용한 딥러닝 Loss Function과 모델평가지표 |
| 222차시 | Python을 활용한 딥러닝 다항로지스틱과 Softmax |
| 223차시 | Python을 활용한 딥러닝 MNIST data의 Softmax |
| 224차시 | Python을 활용한 딥러닝 깊은 심층망에서 규제방법 |
| 225차시 | Python을 활용한 딥러닝 DNN 실전가이드 |
| 226차시 | Python을 활용한 딥러닝 CNN의 개념과 원리 |
| 227차시 | Python을 활용한 딥러닝 CNN 연산의 기초 |
| 228차시 | Python을 활용한 딥러닝 openCV와 이미지 전처리 |
| 229차시 | Python을 활용한 딥러닝 내 데이터를 이용한 이미지 DNN학습 |
| 230차시 | Python을 활용한 딥러닝 MNIST 이미지 DNN학습 |
| 231차시 | Python을 활용한 딥러닝 MNIST 이미지 CNN학습 |
| 232차시 | Python을 활용한 딥러닝 내 데이터를 이용한 이미지 CNN학습 |
| 233차시 | Python을 활용한 딥러닝 RNN의 개념과 원리 |
| 234차시 | Python을 활용한 딥러닝 RNN의 기본구조 |
| 235차시 | Python을 활용한 딥러닝 RNN의 심층구조 |
| 236차시 | Python을 활용한 딥러닝 RNN을 이용한 주가예측 |
