컨텐츠 내용
- 수강신청
- 과정정보
[패키지] Python 코어 과정(입문)
[과정소개]
▪ 어디서도 들을 수 없는 통계분석과 데이터사이언스를 관통하는 개념과 원리
▪ 수식이 필요 없는 스토리텔링 강의와 실전 데이터분석까지
▪ 통계분석과 빅데이터분석 20년, 실전고수의 명강의
▪1st 파이썬 다루기
1. 분석 데이터 준비 / 2. Python 설치하기 / 3. 데이터 유형
4. 조건문과 반복문 / 5. Numpy 함수 / 6. Pandas 함수 기초
7. Pandas로 데이터 변환하기
▪2nd 핵심개념 다지기
1. 데이터의 유형과 처리방법 알기 / 2. 통계학과 빅데이터 제대로 알기
3. 분포의 어머니, 정규분포 / 4. 정규분포의 자식들, t/F/X2 분포
5. 가설검정은 수학이 아니다! / 6. 검정통계량, 구조의진실
7. 상관과 회귀, 결국은 똑같은 형제 / 8. 회귀를 푸는 3가지방법
▪3rd 머신러닝 넓히기
1 머신러닝, Big Picture / 2. 회귀문제해결을 위한 최고 알고리즘 5선
3. 분류문제해결을 위한 최고 알고리즘 5선 / 4. 앙상블로 예측력을 높이자!
5. 군집과 연관, 누가 더 쓸모있나? / 6. 추천, B2C 비즈니스의 핵심!
▪ 4th 딥러닝 깊게
1. 딥러닝, Big Picture / 2. 딥러닝 튜닝, 전혀 어렵지 않아요
3. CNN(1), 이미지는 데이터는 다르다 / 4. CNN(2), 내 이미지/영상정리하고 분석하기
5. RNN(1), 다들 주식으로 돈 벌고 싶죠? / 6. RNN(2), 맥락과 순서가 있어야 말이 된다
7. 전이모델(1), 남의 모델 가져다 쓰기: 이미지편 / 8. 전이모델(2), 남의 모델 가져다 쓰기: 텍스트편
[혜택 안내]
- 분석 실습 코드 및 데이터 제공 (데이터캠퍼스 자료실 업로드)
■ 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.
- 선착순으로 혜택을 제공하며, 마감에 따라 혜택이 변경될 수 있습니다.
평가기준 | 진도 | 시험 | 과제 | 토론 | 기타 |
---|---|---|---|---|---|
배점 | 100% | 0% | 0% | 0% | 0% |
과락기준 | 60% | 0점 | 0점 | 0점 | 0점 |
차시 | 강의명 | 학습시간 |
---|---|---|
1. 파이썬 다루기 | ||
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 |
2. 핵심 개념 다지기 | ||
8차시 | 1주: 데이터의 유형, 딱 세 가지만 알자!_핵심개념1: 3가지 자료 유형(Fixed, Image, Sequence)(2/15) | 38분 |
9차시 | 1주: 데이터의 유형, 딱 세 가지만 알자!_핵심개념2: 자료와 분석방법의 관계(2/15) | 41분 |
10차시 | 1주: 데이터의 유형, 딱 세 가지만 알자!_분석실습: 자료에 따른 분석 / 목적에 따른 분석(2/15) | 34분 |
11차시 | 2주: 통계학과 빅데이터는 도대체 무슨 관계일까?_핵심개념1: 통계학의 목적 /머신러닝의 목적(2/22) | 42분 |
12차시 | 2주: 통계학과 빅데이터는 도대체 무슨 관계일까?_핵심개념2: 통계학과 머신러닝의 차이(2/22) | 21분 |
13차시 | 2주: 통계학과 빅데이터는 도대체 무슨 관계일까?_분석실습: 통계검증과 머신러닝 분석 차이 이해(2/22) | 46분 |
14차시 | 3주: 분포의 어머니, 정규분포_핵심개념1: 정규분포의 탄생 비화(3/2) | 15분 |
15차시 | 3주: 분포의 어머니, 정규분포_핵심개념2: 정규분포 세상의 기준이 되다(3/2) | 26분 |
16차시 | 3주: 분포의 어머니, 정규분포_분석실습: 점추정과 구간추정(3/2) | 13분 |
17차시 | 4주: 정규분포의 자식들, t/F/X2분포_핵심개념1: 왜 t, F, X2이란 이름이 붙여졌나(3/8) | 50분 |
18차시 | 4주: 정규분포의 자식들, t/F/X2분포_핵심개념2: 분포 강할수록 위험하다(3/8) | 20분 |
19차시 | 4주: 정규분포의 자식들, t/F/X2분포_분석실습: 분포들을 이용하여 추정해보기(3/8) | 14분 |
20차시 | 5주: 가설검정은 수학이 아니다!_핵심개념1: 옥스포드대학에서 차마시던 교수들(3/15) | 17분 |
21차시 | 5주: 가설검정은 수학이 아니다!_핵심개념2: 가설검정, 분포를 입다(3/15) | 23분 |
22차시 | 5주: 가설검정은 수학이 아니다!_분석실습: 차이의 검정 분석(3/15) | 37분 |
23차시 | 6주: 검정통계량, 그 구조의 진실_핵심개념1: 모든 검정통계량은 '통계량/오차’(3/22) | 24분 |
24차시 | 6주: 검정통계량, 그 구조의 진실_핵심개념2: 유의하다? 유의하지 않다?(3/22) | 9분 |
25차시 | 6주: 검정통계량, 그 구조의 진실_분석실습: 검정통계량 뜯어보기(3/22) | 28분 |
26차시 | 7주: 상관과 회귀, 결국은 똑같은 형제_핵심개념1: 상관의 논리(3/29) | 32분 |
27차시 | 7주: 상관과 회귀, 결국은 똑같은 형제_핵심개념2: 중심긋기와 오차 계산(3/29) | 17분 |
28차시 | 7주: 상관과 회귀, 결국은 똑같은 형제_분석실습: 회귀모델(3/29) | 26분 |
29차시 | 8주: 회귀를 푸는 3가지 방법_핵심개념1: 최소제곱법과 미분으로 풀기(4/5) | 29분 |
30차시 | 8주: 회귀를 푸는 3가지 방법_핵심개념2: 최대우도법의 이해(4/5) | 15분 |
31차시 | 8주: 회귀를 푸는 3가지 방법_분석실습: 회귀의 통계적 분석과 머신러닝 분석 비교(4/5) | 44분 |
3. 머신러닝 넓히기 | ||
32차시 | 9주: 머신러닝, Big Picture_핵심개념1: 저 우주의 별들을 나눠라!(4/12) | 31분 |
33차시 | 9주: 머신러닝, Big Picture_핵심개념2: 알고리즘은 결국 선 찾기(4/12) | 30분 |
34차시 | 9주: 머신러닝, Big Picture_분석실습: 머신러닝 무작정 해보기(4/12) | 44분 |
35차시 | 10주: 회귀문제 해결을 위한 최고 알고리즘 5선_핵심개념1: 선형회귀, 릿지, 라소(4/19) | 46분 |
36차시 | 10주: 회귀문제 해결을 위한 최고 알고리즘 5선_핵심개념2: 엘라스틱넷, SVM(4/19) | 29분 |
37차시 | 10주: 회귀문제 해결을 위한 최고 알고리즘 5선_분석실습: 중고차 가격예측(4/19) | 20분 |
38차시 | 11주: 분류문제 해결을 위한 최고 알고리즘 5선_핵심개념1: 로지스틱회귀, KNN, 의사결정,랜덤포레스트, SVM(4/26) | 46분 |
39차시 | 11주: 분류문제 해결을 위한 최고 알고리즘 5선_분석실습: 환자 예측(4/26) | 44분 |
40차시 | 12주: 앙상블로 예측력을 높이자!_핵심개념1: 투표기반 앙상블, 배깅(5/3) | 31분 |
41차시 | 12주: 앙상블로 예측력을 높이자!_핵심개념2: 부스팅, 스태킹(5/3) | 23분 |
42차시 | 13주: 군집과 연관, 누가 더 쓸모있나?_핵심개념1: 비슷하게 묶으려면 기준이 명확해야!(5/10) | 32분 |
43차시 | 13주: 군집과 연관, 누가 더 쓸모있나?_핵심개념2: 네트워크는 생각보다 막강하다(5/10) | 18분 |
44차시 | 13주: 군집과 연관, 누가 더 쓸모있나?_분석실습: 군집으로 인싸/아싸 찾기, 네트워크로 인사/아싸 찾기(5/10) | 17분 |
45차시 | 14주: 추천, B2C 비즈니스의 핵심!_핵심개념1: 관심법을 뛰어넘는 데이터(5/17) | 21분 |
46차시 | 14주: 추천, B2C 비즈니스의 핵심!_핵심개념2: 매칭과 추천의 3가지 방법(5/17) | 17분 |
47차시 | 14주: 추천, B2C 비즈니스의 핵심!_분석실습: 협업필터링으로 아이템-사용자 매칭 추천 구현하기(5/17) | 10분 |
4. 딥러닝 깊게 파기 | ||
48차시 | 15주: 딥러닝, Big Picture_핵심개념1: 딥러닝 원리와 구조(5/24) | 33분 |
49차시 | 15주: 딥러닝, Big Picture_핵심개념2: DNN/CNN/RNN 비교분석(5/24) | 35분 |
50차시 | 15주: 딥러닝, Big Picture_분석실습: 딥러닝 무작정 해보기(5/24) | 30분 |
51차시 | 16주: 딥러닝 튜닝, 전혀 어렵지 않아요_핵심개념1: 딥러닝 모델 만드는 3가지 방법(5/31) | 44분 |
52차시 | 16주: 딥러닝 튜닝, 전혀 어렵지 않아요_핵심개념2: 모델 튜닝 방법(5/31) | 30분 |
53차시 | 17주:CNN(1),이미지는 데이터는 다르다_핵심개념1:CNN의 원리와 구조(10/6) | 17분 |
54차시 | 17주:CNN(1),이미지는 데이터는 다르다_핵심개념2:CNN 적용을 위한 데이터 변환 기초(10/6) | 31분 |
55차시 | 17주:CNN(1),이미지는 데이터는 다르다_핵심개념3:이미지 분류모델(10/6) | 24분 |
56차시 | 18주차:CNN(2) 내 이미지/영상 정리하고 분석하기_핵심개념: 이미지/영상 데이터수집과 벡터화(10/13) | 76분 |
56차시 | 19주: RNN(1) 다들 주식으로 돈 벌고 싶죠?_핵심개념: RNN의 원리와 구조, 시계열 자료와 RNN의 적용(10/20) | 72분 |
57차시 | 20주:RNN(2) 맥락과 순서가 있어야 말이 된다_핵심개념:텍스트의 정제와 벡터화(10/27) | 39분 |
58차시 | 21주:전이모델(1), 남의 모델 가져다 쓰기: 이미지편_핵심개념 : 전이모델 종류와 활용, 이미지/영상에 좋은 전이모델 소개(11/3) | 37분 |
59차시 | 22주:전이모델(2), 남의 모델 가져다 쓰기: 텍스트편_핵심개념 : RNN류의 전이모델, 텍스트에 좋은 전이모델 소개(11/10) | 27분 |