메인메뉴로 이동 본문으로 이동

컨텐츠 내용

  1. 수강신청
  2. 과정정보

빅데이터분석 MASTER 과정

과정 이미지
빅데이터분석 MASTER 과정 과정정보
수강기간 150일
강의구성 92차시
수강료 800,000원 720,000원


 

일대일밀착형_프리미엄서비스_유튜브채널버튼.png

일대일밀착형_프리미엄서비스_카카오채널버튼.png

 

 

빅데이터_마스터과정_final2_소개페이지.png

강의목차
차시 강의명 학습시간
I. Python 핵심
1차시 분석 데이터 준비 20분
2차시 Python 설치하기 24분
3차시 Python 기초1: 데이터 유형 57분
4차시 Python 기초2: 조건문과 반복문 20분
5차시 Python 기초3: Numpy 함수 39분
6차시 Python 기초4: Pandas 함수 기초 41분
7차시 Python 기초5: Pandas로 데이터 변환하기 44분
8차시 단변량 데이터 탐색 34분
9차시 이변량 데이터 탐색 22분
10차시 이상치 처리 32분
11차시 변수 변환 15분
12차시 결측값 처리 44분
13차시 데이터 정제 실전 과제 35분
II. 텍스트마이닝
14차시 Text Mining의 개념과 활용 26분
15차시 Text Mining 분석법과 자료확보 22분
16차시 Text 분석 패키지 설치 28분
17차시 형태소 분석기와 데이터 불러오기 28분
18차시 전처리와 정규식 29분
19차시 워드클라우드와 집단/기간별 분석 21분
20차시 워드네크워크 분석 23분
21차시 특정 키워드 매칭 추출 및 분석 13분
22차시 n-gram 네트워크 분석 13분
23차시 감성분석(Sentiment Analysis)의 이해 23분
24차시 속성별 키워드 및 감성단어 추출 15분
25차시 문장세분화 및 감성 스코어링 27분
26차시 데이터병합 및 특정키워드 감성분석 7분
27차시 텍스트 Clustering의 이해 21분
28차시 단어기준 클러스터 27분
29차시 문장기준 클러스터 9분
30차시 LDA와 토픽모델링 18분
31차시 LDA 분석 23분
32차시 word2vec과 doc2vec 22분
33차시 word2vec 분석 16분
34차시 doc2vec 분석 14분
35차시 감성분류를 위한 텍스트 전처리 45분
36차시 머신러닝으로 감성분류하기 21분
III. 머신러닝
37차시 데이터와 알고리즘 16분
38차시 머신러닝 프로세스 30분
39차시 머신러닝 맛보기1: 분류 문제(로지스틱 회귀분석) 60분
40차시 머신러닝 맛보기2: 회귀 문제(선형회귀분석) 21분
41차시 머신러닝 프로세스1: 범주변수의 변환: one-hot-encoding 21분
42차시 머신러닝 프로세스2: 데이터셋 분할과 모델검증 34분
43차시 머신러닝 프로세스3: 데이터 스케일링 46분
44차시 머신러닝 프로세스4: 모델 훈련과 세부튜닝 28분
45차시 머신러닝 프로세스5: 모델 평가 31분
46차시 머신러닝 프로세스6: 다중분류 24분
47차시 데이터의 3대 유형 18분
48차시 지도학습 알고리즘1: 로지스틱 회귀모델 40분
49차시 지도학습 알고리즘2: k-최근접이웃법(KNN) 26분
50차시 지도학습 알고리즘3: 나이브 베이즈 19분
51차시 지도학습 알고리즘4: 인공신경망 40분
52차시 지도학습 알고리즘5: 서포트 벡터 머신(SVM) 33분
53차시 지도학습 알고리즘6: 의사결정나무(Decision Tree) 21분
54차시 지도학습 알고리즘7: 랜덤 포레스트(Random Forest) 20분
55차시 지도학습 알고리즘8: 투표기반 앙상블 20분
56차시 지도학습 알고리즘9: 앙상블 배깅 17분
57차시 지도학습 알고리즘10: 앙상블 부스팅 15분
58차시 지도학습 알고리즘11: 앙상블 스태킹 17분
59차시 지도학습 알고리즘12: 선형 회귀모델 23분
60차시 지도학습 알고리즘13: 릿지(Ridge) 회귀모델 9분
61차시 지도학습 알고리즘14: 라소(Lasso) 회귀모델 6분
62차시 지도학습 알고리즘15: 엘라스틱넷 10분
63차시 비지도학습 알고리즘1: 군집분석 42분
64차시 비지도학습 알고리즘2: DBSCAN 16분
65차시 비지도학습 알고리즘3: 연관규칙분석 24분
IV. 딥러닝
66차시 딥러닝의 개요 31분
67차시 딥러닝의 발전 36분
68차시 다층 퍼센트론의 이해 14분
69차시 다층 퍼센트론의 필요성 20분
70차시 Tensorflow 설치와 이해 26분
71차시 회귀문제와 Cost Function 21분
72차시 딥러닝 A to Z 37분
73차시 하이퍼파라미터1: 데이터분할과 정규화 34분
74차시 하이퍼파라미터2: 학습단위의 이해 14분
75차시 하이퍼파라미터3: 활성화함수의 이해 24분
76차시 하이퍼파라미터4: 은닉층의 이해 12분
77차시 하이퍼파라미터5: 역전파와 고속옵티마이저 13분
78차시 하이퍼파라미터6: 학습률과 분석 프로세스 12분
79차시 분류문제와 Cost Function 15분
80차시 이진분류 분석 18분
81차시 다항분류 분석 12분
82차시 딥러닝과 규제화 23분
83차시 딥러닝 모델의 규제 적용 실습 33분
84차시 실전 딥러닝 가이드 24분
85차시 CNN의 개념과 원리 32분
86차시 openCV로 이미지 정제하기 26분
87차시 개와 고양이 사진 분류 48분
88차시 MNIST 숫자 분류 15분
89차시 RNN의 개념과 원리 21분
90차시 RNN, GRU, LSTM 이해 30분
91차시 RNN으로 주식예측하기 40분
92차시 RNN으로 감성분류하기 38분