클래스 소개
현직 데이터사이언티스트 전문가가 전하는
빅데이터 개발 및 분석 실무 노하우!
💻 빅데이터 시스템의 모든 것을 담아낸 강의
빅데이터 분야 준비생 혹은 실무자분들께 추천하는 단 하나의 강의!
본 클래스에는 빅데이터 시스템과 관련된 이론과 실습, 인사이트까지 모두 담아냈습니다. 수강생 여러분들이 빅데이터 시스템 구축 및 분석의 A부터 Z까지 담아 전체적인 흐름을 파악할 수 있도록 도와드릴 예정입니다. 또한 빅데이터 수집부터 적재, 처리, 분석까지 프로젝트를 수행하며 관련 노하우를 모두 얻어가실 수 있습니다. 총 5개의 PART로 구성된 커리큘럼을 따라 학습해보세요!
❶ 빅데이터 수집
수집 변환된 데이터의 요구사항을 도출하고, 유형별 분류와 특성 파악을 할 수 있습니다.
❷ 빅데이터 적재
수집 변환된 데이터를 비즈니스 목적에 맞게 데이터 유형과 분석 목적을 고려하여 저장 구조를 설계할 수 있습니다.
❸ 추론 통계학
데이터 분석에 있어서 통계의 기본 개념을 익힌다면 조금 더 심도있는 분석을 수행할 수 있습니다. 모집단과 표본의 개념, 표본 추출 방법, 척도의 종류를 이해할 수 있습니다. 이후 확률변수와 가설검정 과정을 이해할 수 있습니다. 또한 상관분석, 회귀분석에 대해서도 배울 수 있습니다.
❹ 시각화
비즈니스 목표와 전략 및 방침에 따라 데이터마이닝 기반의 데이터 분석을 도입하고, 전체 프로세스를 관리할 수 있습니다. 또한 통계학 기반의 데이터 분석과 머신러닝 기반의 데이터 분석의 차이와 활용 목적을 이해하고, 활용 목적에 맞추어 머신러닝 기법의 적용 필요성을 판단할 수 있습니다. 해결하고자 하는 이슈에 따라 데이터 구조의 설명과 패턴화에 적합한 머신러닝 기법을 선정하고 적용 절차를 계획할 수 있습니다. 분석하고자 하는 목적 및 데이터 세트의 특성에 따라 머신러닝 기법 적용을 위한 훈련 데이터 세트와 테스트 데이터 세트 분할 기준을 판단할 수 있습니다.
이후 수립된 분석 계획에 따라 실제로 정확한 분류나 예측 모형화를 위해 적합한 머신러닝 기법을 적용할 수 있습니다. 연속형 목적변수 (혹은 반응변수)가 주어진 경우, 문제 해결을 위해 다양한 수치 예측 모델을 비교해 보고 최적의 수치예측모델을 선정하여 적용할 수 있습니다. 다양한 군집화 기법을 적용해보고, 최적의 군집화 기법을 선정하여 적용할 수 있습니다.
❺ 데이터 분석
기계 학습의 개념 및 특징 공간, 데이터의 중요성을 설명합니다. 또한 영상 처리 기초와 머신러닝의 주요 도전 과제를 설명하고, 머신러닝 분류와 예측 알고리즘, 이미지 및 텍스트 처리를 위한 딥러닝 알고리즘을 실습해봅니다.
수강 효과
- 빅데이터 수집 관련 기술 및 제품에 대한 인사이트를 얻을 수 있습니다.
- 데이터 요구사항 도출 및 유형별 분류 및 특성을 파악할 수 있습니다.
- 실무 데이터 사이언티스트로서의 데이터 수집 및 적재 노하우를 습득할 수 있습니다.
- 다양한 머신러닝 이론과 실습을 동시에 배울 수 있습니다.
추천 대상
- 데이터분석 분야 및 관련 분야를 취업하고자 하는 분
- ADP 자격, 빅데이터 분석 기사 취득을 목표로 하는 분
- 회사 내에서 빅데이터 개발 및 분석 업무로 보직 변경을 하고자 하는 분
커리큘럼
크리에이터
IT백과사전
김동식
데이터분석, 데이터 사이언스, AI 전문가
| 학력
고려대 정보대학 컴퓨터교육석사
| 실무
IT 기획/개발 PM (중앙일보 JTBC)
AI/ML/Big data project 외 다수 (삼성전자 반도체 )
| 교육·강의
KAIST 빅데이터/디지털마케팅
국제학교, 과학고, 하남경영고 외 다수