컨텐츠 내용
- 수강신청
- 과정정보
[패키지] Python 에센셜 과정
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 심화, 한글 텍스트마이닝, 머신러닝 핵심 알고리즘 추가, 텐서플로우 2.0기반의 딥러닝
▪ 분석도구인 Python 활용법뿐만아니라 통계적 해석에 필수적인 추정 및 가설검정에 대한 이해를 다룹니다.
▪ 본 과정을 수강하시면 분석의 핵심개념, 과정 별 실전체크, 분석과정에서 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 알고, 전처리방법, 핵심 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, 150,000원/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 |
---|---|---|
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 |