메인메뉴로 이동 본문으로 이동

lnb영역

데이터사이언스
과정

컨텐츠 내용

  1. 수강신청
  2. 과정정보

[패키지] Python 에센셜 과정

[패키지] Python 에센셜 과정 과정정보
수강기간 365일
강의구성 92차시
수강료 800,000원 400,000원


총 학습시간 38시간 34분



 [과정소개]

 

 ▪ 데이터전문가를 위한 빅데이터(Python) 에센셜 과정

 ▪ Python 핵심+ 텍스트마이닝+ 머신러닝+ 딥러닝4개과목, 총 92강의패키지!

 ▪ 빅데이터 분석과 관련된 최신 트렌드를 반영한 업데이트된 강의 내용!  

 ▪ (NEW) 데이터 정제과정 심화한글 텍스트마이닝머신러닝 핵심 알고리즘 추가텐서플로우 2.0기반의 딥러닝 

 

▪ 분석도구인 Python 활용법뿐만아니라 통계적 해석에 필수적인 추정 및 가설검정에 대한 이해를 다룹니다.

▪ 본 과정을 수강하시면 분석의 핵심개념과정 별 실전체크분석과정에서 부딪치는 문제와 해결방법 등 실전을 마스터하실 수 있습니다.

▪ 본 과정을 수강하시면 빅데이터 알고리즘의 이론과 실전을 동시에 마스터 하실 수 있습니다

 

 

[학습목표]

 

▪ 파이썬 에센셜 과정을 수강하신 후 다음과 같은 분석능력을 갖추게 됩니다.

 

   - 텐서플로우 2.0 기반으로 Python을 활용한 빅데이터분석을 마스터 할 수 있습니다.

   - 빅데이터의 구조를 이해하고 분석과 전전반을 이해하게 됩니다.

   - 빅데이터의 전처리과정의 중요성을 알고전처리방법핵심 체크포인트를 습득하게 됩니다.

   - 여러 알고리즘의 조합으로 더욱 높은 예측력을 이끌어낼 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
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