컨텐츠 내용
- 수강신청
- 과정정보
[풀패키지] 데이터사이언스 과정 (R+Python)
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.
- 핵심개념, 과정별 실전체크, 분석과정에서 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, 150,000원/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.
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 |