메인메뉴로 이동 본문으로 이동

lnb영역

데이터사이언스
과정

컨텐츠 내용

  1. 수강신청
  2. 과정정보

[풀패키지] 데이터사이언스 과정 (R+Python)

[풀패키지] 데이터사이언스 과정 (R+Python) 과정정보
수강기간 365일
강의구성 210차시
수강료 1,520,000원 760,000원

 

총 학습시간 98시간 20분

 


 

[과정소개]

 

R 데이터분석과 시각화 + 텍스트마이닝+ 머신러닝+ 딥러닝​ 4개과목

Python 핵심+ 텍스트마이닝+ 머신러닝+ 딥러닝 4개과목 (신규 업데이트)

▪ 진정한 데이터사이언스로 진입하는 첫 관문을 쉽고 명쾌한 20년실전 전문가와 함께 하실 수 있습니다.

▪ 데이터사이언스가 되기 위한 학습자가 반드시 거쳐야 하는 핵심 코스입니다.

▪ 어려운 개념을 가장 쉽게 전달하면서 전체 과정을 다루고 있습니다.

총 210 강의패키지! 지금 바로 시작하세요!

 

 

[학습목표]

 

R+Python 모두 가능한 진정한 실전 멀티플레이어 데이터사이언티스트!

   - 새롭게 업데이트 된 내용을 통해 데이터를 바라보는 직관이 길러집니다.

   핵심개념과정별 실전체크분석과정에서 부딪치는 문제와 해결방법 등 실전을 마스터하실 수 있습니다.

   데이터의 전처리과정을 완벽하게 이해하고 수행할 수 있습니다.

   핵심 알고리즘을 명확하게 알고 직접 수행할 수 있습니다.

   분석전과정을 완벽하게 이해하고 수행할 수 있습니다.

   가장 예측력이 높은 최적의 모델을 도출할 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, 150,000/20=7,500(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.

 

강의목차
차시 강의명 학습시간
1-1. R 데이터분석과 시각화
1차시 R을 활용한 데이터분석과 시각화 R이란 무엇인가 23분
2차시 R을 활용한 데이터분석과 시각화 R 설치하기 33분
3차시 R을 활용한 데이터분석과 시각화 데이터관리(1) 60분
4차시 R을 활용한 데이터분석과 시각화 데이터관리(2) 54분
5차시 R을 활용한 데이터분석과 시각화 데이터파일 불러오기 23분
6차시 R을 활용한 데이터분석과 시각화 분석 데이터 살펴보기 30분
7차시 R을 활용한 데이터분석과 시각화 데이터 탐색과 빈도분석 41분
8차시 R을 활용한 데이터분석과 시각화 데이터 탐색과 기술통계분석 34분
9차시 R을 활용한 데이터분석과 시각화 통계학과 추정 63분
10차시 R을 활용한 데이터분석과 시각화 가설검정 35분
11차시 R을 활용한 데이터분석과 시각화 교차분석의 개념과 원리 19분
12차시 R을 활용한 데이터분석과 시각화 교차분석의 실습과 시각화 24분
13차시 R을 활용한 데이터분석과 시각화 독립표본 t-test분석의 개념과 원리 10분
14차시 R을 활용한 데이터분석과 시각화 독립표본 t-test분석의 실습과 시각화 25분
15차시 R을 활용한 데이터분석과 시각화 대응표본 t-test분석의 개념과 원리 9분
16차시 R을 활용한 데이터분석과 시각화 대응표본 t-test분석의 실습과 시각화 12분
17차시 R을 활용한 데이터분석과 시각화 분산분석의 개념과 원리 22분
18차시 R을 활용한 데이터분석과 시각화 분산분석의 실습과 시각화 21분
19차시 R을 활용한 데이터분석과 시각화 상관관계분석의 개념과 원리 27분
20차시 R을 활용한 데이터분석과 시각화 상관관계분석의 실습과 시각화 20분
21차시 R을 활용한 데이터분석과 시각화 선형회귀분석의 개념과 원리 39분
22차시 R을 활용한 데이터분석과 시각화 선형회귀분석의 실습과 시각화 32분
23차시 R을 활용한 데이터분석과 시각화 더미회귀분석의 개념과 원리 10분
24차시 R을 활용한 데이터분석과 시각화 더미회귀분석의 실습과 시각화 19분
25차시 R을 활용한 데이터분석과 시각화 로지스틱회귀분석의 개념과 원리 29분
26차시 R을 활용한 데이터분석과 시각화 로지스틱회귀분석의 실습과 시각화 42분
1-2. R 텍스트마이닝
27차시 R을 활용한 텍스트마이닝 Text Mining의 개념과 활용 19분
28차시 R을 활용한 텍스트마이닝 Text Mining 프로세스와 자료의 확보 24분
29차시 R을 활용한 텍스트마이닝 분석패키지 설치와 자료 불러오기 30분
30차시 R을 활용한 텍스트마이닝 Text 자료의 전처리 37분
31차시 R을 활용한 텍스트마이닝 단어 빈도분석과 Word Clouding 39분
32차시 R을 활용한 텍스트마이닝 단어 연관분석과 Word Network 58분
33차시 R을 활용한 텍스트마이닝 단어의 정제와 집단별 분석 20분
34차시 R을 활용한 텍스트마이닝 Sentiment Analysis 개념 및 활용 25분
35차시 R을 활용한 텍스트마이닝 Sentiment Analysis 실습 63분
36차시 R을 활용한 텍스트마이닝 Text Clustering 개념 및 활용 21분
37차시 R을 활용한 텍스트마이닝 Word Clustering 실습 24분
38차시 R을 활용한 텍스트마이닝 Document Clustering 실습 23분
39차시 R을 활용한 텍스트마이닝 LDA와 Topic Modeling 개념 및 활용 12분
40차시 R을 활용한 텍스트마이닝 LDA 분석과 결과의 해석 31분
41차시 R을 활용한 텍스트마이닝 LDA 결과의 시각화 10분
42차시 R을 활용한 텍스트마이닝 word2vec의 개념 및 원리 22분
43차시 R을 활용한 텍스트마이닝 word2vec의 Modeling 실습 28분
44차시 R을 활용한 텍스트마이닝 한글문서의 전처리 29분
45차시 R을 활용한 텍스트마이닝 한글문서 Word Clouding 31분
46차시 R을 활용한 텍스트마이닝 한글문서 단어의 정제와 집단별 분석 25분
47차시 R을 활용한 텍스트마이닝 한글 단어연관 27분
48차시 R을 활용한 텍스트마이닝 한글 Word Network 26분
49차시 R을 활용한 텍스트마이닝 한글 Sentiment Analysis 19분
50차시 R을 활용한 텍스트마이닝 한글 Word Clustering과 Document Clustering 32분
51차시 R을 활용한 텍스트마이닝 한글 LDA와 Topic Modeling 30분
52차시 R을 활용한 텍스트마이닝 한글 word2vec 26분
1-3. R 머신러닝
53차시 R을 활용한 머신러닝 머신러닝의 개념 45분
54차시 R을 활용한 머신러닝 머신러닝 프로세스 29분
55차시 R을 활용한 머신러닝 K-최근접 이웃(KNN)의 개념과 원리 25분
56차시 R을 활용한 머신러닝 머신러닝 맛보기 49분
57차시 R을 활용한 머신러닝 데이터 스케일링과 범주특성의 변환 45분
58차시 R을 활용한 머신러닝 데이터 셋 나누기 54분
59차시 R을 활용한 머신러닝 모델 훈련과 세부튜닝 49분
60차시 R을 활용한 머신러닝 모델 평가 37분
61차시 R을 활용한 머신러닝 다중분류 26분
62차시 R을 활용한 머신러닝 로지스틱 회귀분석의 개념과 원리 20분
63차시 R을 활용한 머신러닝 로지스틱 회귀분석 실습 53분
64차시 R을 활용한 머신러닝 서포트 벡터 머신(SVM)의 개념과 원리 28분
65차시 R을 활용한 머신러닝 서포트 벡터 머신 분석실습 27분
66차시 R을 활용한 머신러닝 의사결정나무(Decision Tree)의 개념과 원리 20분
67차시 R을 활용한 머신러닝 의사결정나무 분석실습 31분
68차시 R을 활용한 머신러닝 랜덤 포레스트(Random Forest)의 개념과 원리 15분
69차시 R을 활용한 머신러닝 랜덤 포레스트 분석실습 14분
70차시 R을 활용한 머신러닝 투표기반 앙상블 기법과 분석실습 31분
71차시 R을 활용한 머신러닝 선형회귀분석의 개념과 원리 25분
72차시 R을 활용한 머신러닝 선형회귀분석 실습 41분
73차시 R을 활용한 머신러닝 릿지회귀분석의 개념과 실습 20분
74차시 R을 활용한 머신러닝 라소회귀분석의 개념과 실습 15분
75차시 R을 활용한 머신러닝 종합과제: 유방암 진단분류1 36분
76차시 R을 활용한 머신러닝 종합과제: 유방암 진단분류2 26분
77차시 R을 활용한 머신러닝 군집분석의 개념과 원리 33분
78차시 R을 활용한 머신러닝 군집분석 실습 30분
79차시 R을 활용한 머신러닝 DBSCAN의 개념과 원리 18분
80차시 R을 활용한 머신러닝 DBSCAN 분석실습 16분
81차시 R을 활용한 머신러닝 연관규칙분석의 개념과 원리 19분
82차시 R을 활용한 머신러닝 연관규칙분석 실습 26분
83차시 R을 활용한 머신러닝 추천과 협업필터링의 개념과 원리 21분
84차시 R을 활용한 머신러닝 협업필터링 분석실습1 37분
85차시 R을 활용한 머신러닝 협업필터링 분석실습2 9분
1-4. R 딥러닝
86차시 R을 활용한 딥러닝 딥러닝의 개요와 역사 57분
87차시 R을 활용한 딥러닝 신경망의 이해와 다층 퍼셉트론의 필요성 30분
88차시 R을 활용한 딥러닝 Tensorflow의 설치와 무작정 해보기 36분
89차시 R을 활용한 딥러닝 Tensor의 이해 40분
90차시 R을 활용한 딥러닝 Placeholder와 Variable 51분
91차시 R을 활용한 딥러닝 행렬의 이해와 연산의 수행 28분
92차시 R을 활용한 딥러닝 선형회귀와 Cost Function 40분
93차시 R을 활용한 딥러닝 전통적 회귀와 TensorFlow 활용 선형회귀분석 41분
94차시 R을 활용한 딥러닝 TensorFlow의 선형회귀와 학습단위의 이해 54분
95차시 R을 활용한 딥러닝 데이터 스케일링과 데이터셋 분할 42분
96차시 R을 활용한 딥러닝 활성화함수의 이해 37분
97차시 R을 활용한 딥러닝 은닉층의 이해와 생성하기 41분
98차시 R을 활용한 딥러닝 역전파와 고속옵티마이저 29분
99차시 R을 활용한 딥러닝 학습율과 선형회귀 종합 26분
100차시 R을 활용한 딥러닝 로지스틱회귀와 Cost Function 38분
101차시 R을 활용한 딥러닝 데이터파일 불러오기 23분
102차시 R을 활용한 딥러닝 전통적 로지스틱과 TensorFlow 로지스틱 42분
103차시 R을 활용한 딥러닝 Loss Function과 모델평가지표 26분
104차시 R을 활용한 딥러닝 다항로지스틱과 Softmax 29분
105차시 R을 활용한 딥러닝 MNIST data의 Softmax 24분
106차시 R을 활용한 딥러닝 깊은 심층망에서 규제방법 49분
107차시 R을 활용한 딥러닝 DNN 실전가이드 20분
108차시 R을 활용한 딥러닝 CNN의 개념과 원리 42분
109차시 R을 활용한 딥러닝 CNN 연산의 기초 28분
110차시 R을 활용한 딥러닝 R의 이미지 전처리 16분
111차시 R을 활용한 딥러닝 내 데이터를 이용한 이미지 DNN학습 20분
112차시 R을 활용한 딥러닝 MNIST 이미지 DNN학습 19분
113차시 R을 활용한 딥러닝 MNIST 이미지 CNN학습 21분
114차시 R을 활용한 딥러닝 내 데이터를 이용한 이미지 CNN학습 23분
115차시 R을 활용한 딥러닝 RNN의 개념과 원리 28분
116차시 R을 활용한 딥러닝 RNN 기본구조 71분
117차시 R을 활용한 딥러닝 RNN 다층구조 33분
118차시 R을 활용한 딥러닝 RNN을 이용한 주가예측 25분
2-1. Python 핵심
119차시 분석 데이터 준비 20분
120차시 Python 설치하기 24분
121차시 Python 기초1: 데이터 유형 57분
122차시 Python 기초2: 조건문과 반복문 20분
123차시 Python 기초3: Numpy 함수 39분
124차시 Python 기초4: Pandas 함수 기초 41분
125차시 Python 기초5: Pandas로 데이터 변환하기 44분
126차시 단변량 데이터 탐색 34분
127차시 이변량 데이터 탐색 22분
128차시 이상치 처리 32분
129차시 변수 변환 15분
130차시 결측값 처리 44분
131차시 데이터 정제 실전 과제 35분
2-2. Python 텍스트마이닝
132차시 Text Mining의 개념과 활용 26분
133차시 Text Mining 분석법과 자료확보 22분
134차시 Text 분석 패키지 설치 28분
135차시 형태소 분석기와 데이터 불러오기 28분
136차시 전처리와 정규식 29분
137차시 워드클라우드와 집단/기간별 분석 21분
138차시 워드네크워크 분석 23분
139차시 특정 키워드 매칭 추출 및 분석 13분
140차시 n-gram 네트워크 분석 13분
141차시 감성분석(Sentiment Analysis)의 이해 23분
142차시 속성별 키워드 및 감성단어 추출 15분
143차시 문장세분화 및 감성 스코어링 27분
144차시 데이터병합 및 특정키워드 감성분석 7분
145차시 텍스트 Clustering의 이해 21분
146차시 단어기준 클러스터 27분
147차시 문장기준 클러스터 9분
148차시 LDA와 토픽모델링 18분
149차시 LDA 분석 23분
150차시 word2vec과 doc2vec 22분
151차시 word2vec 분석 16분
152차시 doc2vec 분석 14분
153차시 머신러닝으로 감성분류하기 21분
154차시 감성분류를 위한 텍스트 전처리 45분
2-3. Python 머신러닝
155차시 데이터와 알고리즘 16분
156차시 머신러닝 프로세스 30분
157차시 머신러닝 맛보기1: 분류 문제(로지스틱 회귀분석) 60분
158차시 머신러닝 맛보기2: 회귀 문제(선형회귀분석) 21분
159차시 머신러닝 프로세스1: 범주변수의 변환: one-hot-encoding 21분
160차시 머신러닝 프로세스2: 데이터셋 분할과 모델검증 34분
161차시 머신러닝 프로세스3: 데이터 스케일링 46분
162차시 머신러닝 프로세스4: 모델 훈련과 세부튜닝 28분
163차시 머신러닝 프로세스5: 모델 평가 31분
164차시 머신러닝 프로세스6: 다중분류 24분
165차시 데이터의 3대 유형 18분
166차시 지도학습 알고리즘1: 로지스틱 회귀모델 40분
167차시 지도학습 알고리즘2: k-최근접이웃법(KNN) 26분
168차시 지도학습 알고리즘3: 나이브 베이즈 19분
169차시 지도학습 알고리즘4: 인공신경망 40분
170차시 지도학습 알고리즘5: 서포트 벡터 머신(SVM) 33분
171차시 지도학습 알고리즘6: 의사결정나무(Decision Tree) 21분
172차시 지도학습 알고리즘7: 랜덤 포레스트(Random Forest) 20분
173차시 지도학습 알고리즘8: 투표기반 앙상블 20분
174차시 지도학습 알고리즘9: 앙상블 배깅 17분
175차시 지도학습 알고리즘10: 앙상블 부스팅 15분
176차시 지도학습 알고리즘11: 앙상블 스태킹 17분
177차시 지도학습 알고리즘12: 선형 회귀모델 23분
178차시 지도학습 알고리즘13: 릿지(Ridge) 회귀모델 9분
179차시 지도학습 알고리즘14: 라소(Lasso) 회귀모델 6분
180차시 지도학습 알고리즘15: 엘라스틱넷 10분
181차시 비지도학습 알고리즘1: 군집분석 42분
182차시 비지도학습 알고리즘2: DBSCAN 16분
183차시 비지도학습 알고리즘3: 연관규칙분석 24분
2-4. Python 딥러닝
184차시 딥러닝의 개요 31분
185차시 딥러닝의 발전 36분
186차시 다층 퍼센트론의 이해 14분
187차시 다층 퍼센트론의 필요성 20분
188차시 Tensorflow 설치와 이해 26분
189차시 회귀문제와 Cost Function 21분
190차시 딥러닝 A to Z 37분
191차시 하이퍼파라미터1: 데이터분할과 정규화 34분
192차시 하이퍼파라미터2: 학습단위의 이해 14분
193차시 하이퍼파라미터3: 활성화함수의 이해 24분
194차시 하이퍼파라미터4: 은닉층의 이해 12분
195차시 하이퍼파라미터5: 역전파와 고속옵티마이저 13분
196차시 하이퍼파라미터6: 학습률과 분석 프로세스 12분
197차시 분류문제와 Cost Function 15분
198차시 이진분류 분석 18분
199차시 다항분류 분석 12분
200차시 딥러닝과 규제화 23분
201차시 딥러닝 모델의 규제 적용 실습 33분
202차시 실전 딥러닝 가이드 24분
203차시 CNN의 개념과 원리 32분
204차시 openCV로 이미지 정제하기 26분
205차시 개와 고양이 사진 분류 48분
206차시 MNIST 숫자 분류 15분
207차시 RNN의 개념과 원리 21분
208차시 RNN, GRU, LSTM 이해 30분
209차시 RNN으로 주식예측하기 40분
210차시 RNN으로 감성분류하기 38분