컨텐츠 내용
- 수강신청
- 과정정보
자격증(자격취득)
데이터분석 전문가 ADP 실기-1
#데이터 분석 #ADP #데이터 시각화 #프로세스
과정소개
데이터 이해 및 처리 기술에 대한 기본 지식을 바탕으로 데이터 분석 기획, 데이터 분석, 데이터 시각화 업무를 수행하고 이를 통해 프로세스 혁신 및 마케팅 전략 결정 등의 과학적 의사 결정을 지원하는 직무를 수행하는 전문가를 양성하는 과정
학습목표
비즈니스 목표 달성을 위해 내부 업무 프로세스를 기반으로 다양한 분석 기회를 발굴하여 분석의 목표를 정의하고, 분석 대상 도출 및 분석 결과 활용 시나리오를 정의하여 분석과제를 체계화 및 구체화하는 빅데이터를 분석과제 정의, 분석과제 로드맵 수립, 성과 관리 등을 수행한다.
분석에 대한 요건을 구체적으로 도출하고, 분석과정을 설계하고, 요건을 실무 담당자와 합의 하는 요건 정의, 모델링, 검증 및 테스트, 적용 등을 수행한다.
다양한 데이터들을 대상으로 어떤 요소를 시각화 해야 하는지 정보 구조를 분석하며 어떤 형태의 시각화 모델이 적합한지 시각화에 대한 요건을 정의하고 시나리오를 개발하는 시각화 기획, 모델링, 디자인, 구축, 배포 및 유지보수 등을 수행한다.
교육대상
데이터분석 분야 및 관련 분야 취업 및 ADP(ADsP) 자격 취득
학습목표
비즈니스 목표 달성을 위해 내부 업무 프로세스를 기반으로 다양한 분석 기회를 발굴하여 분석의 목표를 정의하고, 분석 대상 도출 및 분석 결과 활용 시나리오를 정의하여 분석과제를 체계화 및 구체화하는 빅데이터를 분석과제 정의, 분석과제 로드맵 수립, 성과 관리 등을 수행한다.
분석에 대한 요건을 구체적으로 도출하고, 분석과정을 설계하고, 요건을 실무 담당자와 합의 하는 요건 정의, 모델링, 검증 및 테스트, 적용 등을 수행한다.
다양한 데이터들을 대상으로 어떤 요소를 시각화 해야 하는지 정보 구조를 분석하며 어떤 형태의 시각화 모델이 적합한지 시각화에 대한 요건을 정의하고 시나리오를 개발하는 시각화 기획, 모델링, 디자인, 구축, 배포 및 유지보수 등을 수행한다.
#데이터 분석 #ADP #데이터 시각화 #프로세스
분석에 대한 요건을 구체적으로 도출하고, 분석과정을 설계하고, 요건을 실무 담당자와 합의 하는 요건 정의, 모델링, 검증 및 테스트, 적용 등을 수행한다.
다양한 데이터들을 대상으로 어떤 요소를 시각화 해야 하는지 정보 구조를 분석하며 어떤 형태의 시각화 모델이 적합한지 시각화에 대한 요건을 정의하고 시나리오를 개발하는 시각화 기획, 모델링, 디자인, 구축, 배포 및 유지보수 등을 수행한다.
#데이터 분석 #ADP #데이터 시각화 #프로세스
| 차시 | 강의명 |
|---|---|
| 1차시 | 아나콘다 설치 및 설정,주피터노트북 기본 사용법,파이썬 자료형(문자, 숫자, 불리언),파이썬 자료구조 핵심 요약(리스트, 튜플, 딕셔너리) |
| 2차시 | 파이썬 입출력 및 데이터 수집, 파일 입출력시 인코딩 문제 해결, readlindes 함수 사용법 |
| 3차시 | 파이썬 API를 통한 데이터 수집, data.go.kr 데이터 수집하는 방법, URL인코딩 및 URL 해석, XML, JSON 데이터 처리, 트위터 API 처리를 통한 트위터 데이터 수집 |
| 4차시 | numpy 배열(시퀀스 데이터 처리), 튜플, 딕셔너리, 리스트로 배열 만들기, arange 함수 사용법, numpy 산술연산 |
| 5차시 | numpy 통계, 평균, 중간값, 표준편차, 행렬곱 |
| 6차시 | numpy 인덱싱과 슬라이싱, 불리언 인덱싱, 팬시 인덱싱 |
| 7차시 | pandas를 통해 살펴보는 최적의 데이터 탐색1(배열전치와 축바꾸기), transpose 함수 사용법 |
| 8차시 | pandas를 통해 살펴보는 최적의 데이터 탐색2(정렬과 난수 생성), np.random.seed(), np.random.permutation(), np.random.shuffle() |
| 9차시 | pandas를 통해 살펴보는 최적의 데이터 탐색3(데이터형태에 따른 자료구조), 시리즈 자료구조 상세, 데이터 형태에 따른 자료구조 파이프라인 |
| 10차시 | pandas를 통해 살펴보는 최적의 데이터 탐색4, 데이터프레임 상세, 인덱스를 지정해서 시리즈 만들기 |
| 11차시 | pandas를 통해 살펴보는 최적의 데이터 탐색5, 데이터프레임과 시리즈 정리, iris 데이터로본 데이터프레임 처리 |
| 12차시 | pandas를 통해 살펴보는 최적의 데이터 탐색6, 데이터프레임 연결, 데이터프레임 병합 |
| 13차시 | 데이터마이닝 기반(기계학습)기반데이터분석1-사이킷런1, 기계학습과 회귀 기초개념, 데이터 분석 관점에서의 기계학습 |
| 14차시 | 데이터마이닝 기반(기계학습)기반데이터분석1-사이킷런2, breast cancer 데이터 전처리, 데이터 EDA(탐색적 데이터 분석) |
| 15차시 | 데이터마이닝 기반(기계학습)기반데이터분석1-사이킷런3, 데이터 표준화, 사이킷런 주요 모듈, 데이터 세트 분할 |
| 16차시 | 데이터마이닝 기반(기계학습)기반데이터분석2-사이킷런 fit 메서드 사용법, 사이킷런 predict 메서드 사용법, 결측치 처리 |
| 17차시 | 데이터마이닝 기반(기계학습)기반데이터분석3-누락된 값이 있는 훈련샘플이나 특성 제외, 데이터 셋을 훈련데이터셋과 테스트셋으로 나누는 홀드아웃 기법 사용하기 |
| 18차시 | 데이터마이닝 기반(기계학습)기반데이터분석4-범주형 데이터 처리, 라벨 인코딩, 원핫 인코딩 |
| 19차시 | 데이터마이닝 수학(데이터 사이언스를 위한 수학 기초), 등차 수열, 등비수열, 수학 기호, 유클리드 거리, 벡터, 직교조건, 역행렬, 선형변환 |
| 20차시 | 수치예측기반데이터분석1, 공분산, 상관, 상관계수, 연도에 따른 광고비와 매출액 회귀 분석하기 |
| 21차시 | 연도에 따른 광고비와 매출액 회귀 분석하기, 확률 기초(동전 던지기, 주사위 던지기) |
| 22차시 | 순열, 조합, 확률 기초(독립 사건, 조건부 확률, 결합 확률) |
| 23차시 | 수치예측기반데이터분석(지도학습 모델) 실전, 선형회귀를 기반으로 데이터 분석해보기 |
| 24차시 | 수치예측기반데이터분석 실전, 선형회귀를 기반으로 집값 예측해보기, heatmap 메서드 및 시각화 기법 사용해보기 |
| 25차시 | RMSE로 회귀 모형 평가, 통계라이브러리를 사용하며 선형회귀 모델 만든 후 모델 적합도 확인 |
| 26차시 | 수치예측기반데이터분석, 신뢰구간을 통한 검정, get dummy 메서드 사용법 |
