menu
[HD]Data Scientist(데이터 사이언티스트) 전문가 과정 (2022) Part.3 탐색 및 통계기반 데이터분석 1 (기술 통계학) 여기를 클릭하면, 샘플강의가 재생됩니다. 김동식 강사
tag
강좌코드 : la_K030104
열공이

[HD]Data Scientist(데이터 사이언티스트) 전문가 과정 (2022) Part.3 탐색 및 통계기반 데이터분석 1 (기술 통계학)
담당강사 : 김동식

강의구성 총 23강좌 (강의시간 : 총 ) 수강기간 30일
강의형식 동영상 수강료 46,000원 이 강좌의 80% 이상 수강 시
출력이 가능합니다.
강의수준 초급 강의에서 사용하는
프로그램 & 버전
-
담당강사
강사사진
김동식 강사
  • - 고려대학교 대학원 컴퓨터교육전공
  • - 더조은아카데미 빅데이터 강의
  • - 에스디아카데미 Oracle 강의
  • - (주)아이티고 이러닝 강사
강의구성 총 23강좌 (강의시간 : 총 )
수강기간 30일
강의형식 동영상
수강료 46,000원 이 강좌의 80% 이상 수강 시
출력이 가능합니다.
강의수준 초급
강의에서 사용하는
프로그램 & 버전
-
담당강사
김동식 강사
  • - 고려대학교 대학원 컴퓨터교육전공
  • - 더조은아카데미 빅데이터 강의
  • - 에스디아카데미 Oracle 강의
  • - (주)아이티고 이러닝 강사
과정소개
· 현직 데이터사이언티스트 전문가가 전하는 빅데이터 개발 및 분석 실무 노하우 및 체계적인 교육
· 회사내에서 빅데이터 개발 및 분석 업무로 보직 변경을 하고자 하는 분을 위한 교육
· 빅 데이터 시스템 구축 및 분석의 A부터 Z까지 전체적인 흐름을 파악하고, 빅데이터 수집부터 적재, 처리 , 분석까지 프로젝트로 배우며 관련 노하우 습득
학습목표
· 데이터 분석에 있어서 통계의 기본 개념을 익힌다면 조금 더 심도있는 분석을 수행할 수 있다.
· 모집단과 표본의 개념과 표본 추출 방법 이해, 척도의 종류 이해
· 확률변수의 이해, 가설검정 과정의 이해
· 상관분석, 회귀분석의 이해
교육대상
데이터분석 분야 및 관련 분야 취업 및 ADP 자격 취득
차시별 학습목표
01. 통계학의 분류
02. 변수 종류, 추정
03. 좋은 추정량
04. 표본추출방법
05. R 자료구조
06. 기술통계
07. 질적자료와 연속자료
08. R 데이터 가져오기
09. 중심위치 산포 경향
10. 산점도, 막대그래프, 히스토그램
11. 중심 경향도, 산포도
12. 평균, 중간값, 최빈값
13. 모분산, 표본분산
14. 분위수, 박스플롯
15. 이상치 판별
16. 변동계수
17. 확률변수
18. 베르누이 시행
19. 정규분포
20. 정규화 표준화
21. 표본분포
22. 프아송 분포
23. 표준오차
참고사항
- 수강 기간 중 언제든지 반복 수강이 가능합니다.
- 수강 여부 : 해당 차시의 80%를 수강하면 (회색) 배경으로 표시됩니다.
- 수강 신청 완료 후 수강할 수 있습니다.
- 즐겨찾기 한 강좌는 MY Class에서 확인할 수 있습니다.

연관강좌

아이티고 강좌질문 모음
※ 아이티고 강좌 관련 문의입니다. 질문은 1:1문의 게시판에 남겨주세요.
1 / 7
강좌 리스트
01. 통계학의 분류 [30:01]
02. 변수 종류, 추정 [47:10]
03. 좋은 추정량 [27:05]
04. 표본추출방법 [28:24]
05. R 자료구조 [32:55]
06. 기술통계 [37:31]
07. 질적자료와 연속자료 [45:35]
08. R 데이터 가져오기 [31:10]
09. 중심위치 산포 경향 [35:16]
10. 산점도, 막대그래프, 히스토그램 [30:55]
11. 중심 경향도, 산포도 [15:25]
12. 평균, 중간값, 최빈값 [11:06]
13. 모분산, 표본분산 [32:56]
14. 분위수, 박스플롯 [42:05]
15. 이상치 판별 [16:55]
16. 변동계수 [45:06]
17. 확률변수 [29:00]
18. 베르누이 시행 [29:01]
19. 정규분포 [32:13]
20. 정규화 표준화 [28:17]
21. 표본분포 [34:29]
22. 프아송 분포 [38:22]
23. 표준오차 [22:50]
지금 자유이용권 구매하고, 모든 강의를 자유롭게 수강하세요!