컨텐츠 내용
- 수강신청
- 과정정보
[1년] Python 데이터사이언스 마스터
ㅣ 과정소개 ㅣ
▪ Python을 활용한 데이터분석과 시각화 + 텍스트마이닝 + 머신러닝 + 딥러닝 4개 과목, 총 118강의 패키지!
▪ 40% 할인혜택 으로 시작하세요.
▪ 분석도구인 Python 활용법뿐만 아니라 통계적 해석에 필수적인 추정 및 가설검정에 대한 이해를 다룹니다.
▪ 본 과정을 수강하시면 분석의 핵심개념, 과정별 실전체크, 분석과정에서 부딪치는 문제와 해결방법 등 실전을 마스터하실 수 있습니다.
▪ 본 과정을 수강하시면 알고리즘의 이론과 실전을 동시에 마스터 하실 수 있습니다.
ㅣ 학습목표 ㅣ
▪ Python 데이터사이언스 완전 마스터!
▪ 데이터의 구조를 이해하고 분석과전 전반을 이해하게 됩니다.
▪ 데이터의 전처리 과정의 중요성을 알고, 전처리 방법, 핵심 체크포인트를 습득하게 됩니다.
▪ 여러 알고리즘의 조합으로 더욱 높은 예측력을 이끌어낼 수 있습니다.
ㅣ 수강안내 ㅣ
※ 정규학습일수는 365일이며, 365일 이내 수강을 80% 이수해야만 수료증이 발급됩니다.
※ 정규학습일수 이후에는 1년간 복습하실 수 있습니다. (★총 2년간 수강가능)
※ 수강기간 연장은 1회(90일) 가능 (유선 또는 게시판 요청)
※ 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%)+완료강좌수에 따른 정가 차감 후 환불
3) 수강기간 1/2 초과: 환불 불가
*산출기준 예시: 수강료 150,000원이면 강좌수 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.
| 평가기준 | 진도 | 시험 | 과제 | 토론 | 기타 |
|---|---|---|---|---|---|
| 배점 | 100% | 0% | 0% | 0% | 0% |
| 과락기준 | 80% | 0점 | 0점 | 0점 | 0점 |
| 차시 | 강의명 | 학습시간 |
|---|---|---|
| 1차시 | Python을 활용한 데이터분석과 시각화 Python 소개 | 20분 |
| 2차시 | Python을 활용한 데이터분석과 시각화 Python 설치하기 | 27분 |
| 3차시 | Python을 활용한 데이터분석과 시각화 Python 기초 | 53분 |
| 4차시 | Python을 활용한 데이터분석과 시각화 Numpy 분석함수 | 23분 |
| 5차시 | Python을 활용한 데이터분석과 시각화 Pandas함수와 데이터다루기 | 44분 |
| 6차시 | Python을 활용한 데이터분석과 시각화 분석 데이터 살펴보기 | 30분 |
| 7차시 | Python을 활용한 데이터분석과 시각화 데이터 탐색과 빈도분석 | 30분 |
| 8차시 | Python을 활용한 데이터분석과 시각화 데이터 탐색과 기술통계분석 | 43분 |
| 9차시 | Python을 활용한 데이터분석과 시각화 통계학과 추정 | 103분 |
| 10차시 | Python을 활용한 데이터분석과 시각화 가설검정 | 35분 |
| 11차시 | Python을 활용한 데이터분석과 시각화 교차분석의 개념과 원리 | 19분 |
| 12차시 | Python을 활용한 데이터분석과 시각화 교차분석의 실습과 시각화 | 30분 |
| 13차시 | Python을 활용한 데이터분석과 시각화 독립표본 t-test분석의 개념과 원리 | 10분 |
| 14차시 | Python을 활용한 데이터분석과 시각화 독립표본 t-test분석의 실습과 시각화 | 29분 |
| 15차시 | Python을 활용한 데이터분석과 시각화 대응표본 t-test분석의 개념과 원리 | 9분 |
| 16차시 | Python을 활용한 데이터분석과 시각화 대응표본 t-test분석의 실습과 시각화 | 21분 |
| 17차시 | Python을 활용한 데이터분석과 시각화 분산분석의 개념과 원리 | 22분 |
| 18차시 | Python을 활용한 데이터분석과 시각화 분산분석의 실습과 시각화 | 10분 |
| 19차시 | Python을 활용한 데이터분석과 시각화 상관관계분석의 개념과 원리 | 27분 |
| 20차시 | Python을 활용한 데이터분석과 시각화 상관관계분석의 실습과 시각화 | 18분 |
| 21차시 | Python을 활용한 데이터분석과 시각화 선형회귀분석의 개념과 원리 | 39분 |
| 22차시 | Python을 활용한 데이터분석과 시각화 선형회귀분석의 실습과 시각화 | 51분 |
| 23차시 | Python을 활용한 데이터분석과 시각화 더미회귀분석의 개념과 원리 | 10분 |
| 24차시 | Python을 활용한 데이터분석과 시각화 더미회귀분석의 실습과 시각화 | 19분 |
| 25차시 | Python을 활용한 데이터분석과 시각화 로지스틱회귀분석의 개념과 원리 | 29분 |
| 26차시 | Python을 활용한 데이터분석과 시각화 로지스틱회귀분석의 실습과 시각화 | 35분 |
| 27차시 | Python을 활용한 텍스트마이닝 Text Mining의 개념과 활용 | 19분 |
| 28차시 | Python을 활용한 텍스트마이닝 Text Mining 프로세스와 자료의 확보 | 24분 |
| 29차시 | Python을 활용한 텍스트마이닝 분석패키지 설치와 자료 불러오기 | 26분 |
| 30차시 | Python을 활용한 텍스트마이닝 Text 자료의 전처리 | 41분 |
| 31차시 | Python을 활용한 텍스트마이닝 단어 빈도분석과 Word Clouding | 28분 |
| 32차시 | Python을 활용한 텍스트마이닝 단어 연관분석과 Word Network | 44분 |
| 33차시 | Python을 활용한 텍스트마이닝 단어의 정제와 집단별 분석 | 34분 |
| 34차시 | Python을 활용한 텍스트마이닝 Sentiment Analysis 개념 및 활용 | 25분 |
| 35차시 | Python을 활용한 텍스트마이닝 Sentiment Analysis 실습 | 31분 |
| 36차시 | Python을 활용한 텍스트마이닝 Text Clustering 개념 및 활용 | 21분 |
| 37차시 | Python을 활용한 텍스트마이닝 Word Clustering 실습 | 24분 |
| 38차시 | Python을 활용한 텍스트마이닝 Document Clustering 실습 | 18분 |
| 39차시 | Python을 활용한 텍스트마이닝 LDA와 Topic Modeling 개념 및 활용 | 12분 |
| 40차시 | Python을 활용한 텍스트마이닝 LDA 분석과 결과의 해석 | 20분 |
| 41차시 | Python을 활용한 텍스트마이닝 LDA 결과의 시각화 | 11분 |
| 42차시 | Python을 활용한 텍스트마이닝 word2vec의 개념 및 원리 | 22분 |
| 43차시 | Python을 활용한 텍스트마이닝 word2vec Modeling 실습 | 22분 |
| 44차시 | Python을 활용한 텍스트마이닝 doc2vec modeling 실습 | 25분 |
| 45차시 | Python을 활용한 텍스트마이닝 한글문서의 전처리 | 49분 |
| 46차시 | Python을 활용한 텍스트마이닝 한글 빈도분석과 Word Clouding | 19분 |
| 47차시 | Python을 활용한 텍스트마이닝 한글 단어연관과 Word Network | 20분 |
| 48차시 | Python을 활용한 텍스트마이닝 한글 Sentiment Analysis | 23분 |
| 49차시 | Python을 활용한 텍스트마이닝 한글 Word Clustering | 24분 |
| 50차시 | Python을 활용한 텍스트마이닝 한글 Document Clustering | 16분 |
| 51차시 | Python을 활용한 텍스트마이닝 한글 LDA와 Topic Modeling | 27분 |
| 52차시 | Python을 활용한 텍스트마이닝 한글 word2vec | 16분 |
| 53차시 | Python을 활용한 텍스트마이닝 한글 doc2vec | 21분 |
| 54차시 | Python을 활용한 머신러닝 머신러닝의 개념 | 45분 |
| 55차시 | Python을 활용한 머신러닝 머신러닝 프로세스 | 29분 |
| 56차시 | Python을 활용한 머신러닝 K-최근접 이웃(KNN)의 개념과 원리 | 25분 |
| 57차시 | Python을 활용한 머신러닝 머신러닝 맛보기 | 102분 |
| 58차시 | Python을 활용한 머신러닝 데이터 스케일링과 범주특성의 변환 | 58분 |
| 59차시 | Python을 활용한 머신러닝 데이터 셋 나누기 | 52분 |
| 60차시 | Python을 활용한 머신러닝 모델 훈련과 세부튜닝 | 48분 |
| 61차시 | Python을 활용한 머신러닝 모델 평가 | 36분 |
| 62차시 | Python을 활용한 머신러닝 다중분류 | 36분 |
| 63차시 | Python을 활용한 머신러닝 로지스틱 회귀분석의 개념과 원리 | 20분 |
| 64차시 | Python을 활용한 머신러닝 로지스틱 회귀분석 실습 | 44분 |
| 65차시 | Python을 활용한 머신러닝 서포트 벡터 머신(SVM)의 개념과 원리 | 28분 |
| 66차시 | Python을 활용한 머신러닝 서포트 벡터 머신 분석실습 | 41분 |
| 67차시 | Python을 활용한 머신러닝 의사결정나무(Decision Tree)의 개념과 원리 | 20분 |
| 68차시 | Python을 활용한 머신러닝 의사결정나무 분석실습 | 59분 |
| 69차시 | Python을 활용한 머신러닝 랜덤 포레스트(Random Forest)의 개념과 원리 | 15분 |
| 70차시 | Python을 활용한 머신러닝 랜덤 포레스트 분석실습 | 38분 |
| 71차시 | Python을 활용한 머신러닝 투표기반 앙상블 기법과 분석실습 | 29분 |
| 72차시 | Python을 활용한 머신러닝 선형회귀분석의 개념과 원리 | 25분 |
| 73차시 | Python을 활용한 머신러닝 선형회귀분석 실습 | 103분 |
| 74차시 | Python을 활용한 머신러닝 릿지회귀분석의 개념과 실습 | 24분 |
| 75차시 | Python을 활용한 머신러닝 라소회귀분석의 개념과 실습 | 10분 |
| 76차시 | Python을 활용한 머신러닝 종합과제: 유방암 진단분류1 | 51분 |
| 77차시 | Python을 활용한 머신러닝 종합과제: 유방암 진단분류2 | 24분 |
| 78차시 | Python을 활용한 머신러닝 군집분석의 개념과 원리 | 33분 |
| 79차시 | Python을 활용한 머신러닝 군집분석 실습 | 40분 |
| 80차시 | Python을 활용한 머신러닝 DBSCAN의 개념과 원리 | 18분 |
| 81차시 | Python을 활용한 머신러닝 DBSCAN 분석실습 | 25분 |
| 82차시 | Python을 활용한 머신러닝 연관규칙분석의 개념과 원리 | 19분 |
| 83차시 | Python을 활용한 머신러닝 연관규칙분석 실습 | 26분 |
| 84차시 | Python을 활용한 머신러닝 추천과 협업필터링의 개념과 원리 | 21분 |
| 85차시 | Python을 활용한 머신러닝 협업필터링 분석실습1 | 26분 |
| 86차시 | Python을 활용한 머신러닝 협업필터링 분석실습2 | 24분 |
| 87차시 | Python을 활용한 딥러닝 딥러닝의 개요와 역사 | 57분 |
| 88차시 | Python을 활용한 딥러닝 신경망의 이해와 다층 퍼셉트론의 필요성 | 30분 |
| 89차시 | Python을 활용한 딥러닝 Tensorflow의 설치와 이해 | 37분 |
| 90차시 | Python을 활용한 딥러닝 Tensor의 이해 | 40분 |
| 91차시 | Python을 활용한 딥러닝 Placeholder와 Variable | 52분 |
| 92차시 | Python을 활용한 딥러닝 행렬의 이해와 연산의 수행 | 23분 |
| 93차시 | Python을 활용한 딥러닝 선형회귀와 Cost Function | 40분 |
| 94차시 | Python을 활용한 딥러닝 전통적 회귀와 TensorFlow 활용 선형회귀분석 | 48분 |
| 95차시 | Python을 활용한 딥러닝 TensorFlow의 선형회귀와 학습단위의 이해 | 58분 |
| 96차시 | Python을 활용한 딥러닝 데이터 스케일링과 데이터셋 분할 | 48분 |
| 97차시 | Python을 활용한 딥러닝 활성화함수의 이해 | 34분 |
| 98차시 | Python을 활용한 딥러닝 은닉층의 이해와 생성하기 | 41분 |
| 99차시 | Python을 활용한 딥러닝 역전파와 고속옵티마이저 | 29분 |
| 100차시 | Python을 활용한 딥러닝 학습율과 선형회귀 종합 | 22분 |
| 101차시 | Python을 활용한 딥러닝 로지스틱회귀와 Cost Function | 38분 |
| 102차시 | Python을 활용한 딥러닝 전통적 로지스틱과 TensorFlow 로지스틱 | 47분 |
| 103차시 | Python을 활용한 딥러닝 Loss Function과 모델평가지표 | 29분 |
| 104차시 | Python을 활용한 딥러닝 다항로지스틱과 Softmax | 36분 |
| 105차시 | Python을 활용한 딥러닝 MNIST data의 Softmax | 24분 |
| 106차시 | Python을 활용한 딥러닝 깊은 심층망에서 규제방법 | 58분 |
| 107차시 | Python을 활용한 딥러닝 DNN 실전가이드 | 20분 |
| 108차시 | Python을 활용한 딥러닝 CNN의 개념과 원리 | 42분 |
| 109차시 | Python을 활용한 딥러닝 CNN 연산의 기초 | 24분 |
| 110차시 | Python을 활용한 딥러닝 openCV와 이미지 전처리 | 24분 |
| 111차시 | Python을 활용한 딥러닝 내 데이터를 이용한 이미지 DNN학습 | 20분 |
| 112차시 | Python을 활용한 딥러닝 MNIST 이미지 DNN학습 | 17분 |
| 113차시 | Python을 활용한 딥러닝 MNIST 이미지 CNN학습 | 20분 |
| 114차시 | Python을 활용한 딥러닝 내 데이터를 이용한 이미지 CNN학습 | 34분 |
| 115차시 | Python을 활용한 딥러닝 RNN의 개념과 원리 | 28분 |
| 116차시 | Python을 활용한 딥러닝 RNN의 기본구조 | 65분 |
| 117차시 | Python을 활용한 딥러닝 RNN의 심층구조 | 33분 |
| 118차시 | Python을 활용한 딥러닝 RNN을 이용한 주가예측 | 24분 |
