배우고 익히는 즐거움, 아이티고
알림
[HD]Data Scientist(데이터 사이언티스트) 전문가 과정 (2022) Part.4 데이터마이닝기반 빅데이터분석 및 시각화 2
여기를 클릭하면, 샘플강의가 재생됩니다.
김동식 강사
- tag
[HD]Data Scientist(데이터 사이언티스트) 전문가 과정 (2022) Part.4 데이터마이닝기반 빅데이터분석 및 시각화 2
담당강사 : 김동식
| 강의구성 | 총 11강좌 (강의시간 : 총 ) | 수강기간 | 30일 |
|---|---|---|---|
| 강의형식 | 동영상 + 자막 | 수강료 |
22,000원
이 강좌의 80% 이상 수강 시 출력이 가능합니다. |
| 강의수준 | 초급 | 강의에서 사용하는 프로그램 & 버전 |
- |
| 담당강사 |
김동식 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
-
· 비즈니스 목표와 전략 및 방침에 따라 데이터마이닝 기반의 데이터 분석을 도입하고 전체 프로세스를 관리할 수 있다.
· 통계학 기반의 데이터 분석과 머신러닝 기반의 데이터 분석의 차이와 활용 목적을 이해하고 활용 목적에 맞추어 머신러닝 기법의 적용 필요성을 판단할 수 있다.
· 해결하고자 하는 이슈에 따라 데이터 구조의 설명과 패턴화에 적합한 머신러닝 기법을 선정하고 적용 절차를 계획할 수 있다.
· 분석하고자 하는 목적 및 데이터 세트 특성에 따라 머신러닝 기법 적용을 위한 훈련 데이터 세트와 테스트 데이터 세트 분할 기준을 판단할 수 있다.
· 수립된 분석 계획에 따라 실제로 정확한 분류나 예측 모형화를 위해 적합한 머신러닝 기법을 적용할 수 있다
· 연속형 목적변수(혹은 반응변수)가 주어진 경우, 이의 문제 해결을 위해 다양한 수치 예측 모델을 비교해 보고 최적의 수치예측모델을 선정하여 적용할 수 있다.
· 다양한 군집화 기법을 적용해보고 최적의 군집화 기법을 선정하여 적용할 수 있다.
- 교육대상
- 데이터분석 분야 및 관련 분야 취업 및 ADP 자격 취득
- 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.
아이티고 강좌질문 모음
※ 아이티고 강좌 관련 문의입니다. 질문을 남기고 싶으면 1:1문의 게시판에 남겨주세요.
1 / 7
- 강좌 리스트
- 01. 예측 성능의 평가 [60:14]
- 02. 분류 모형 평가 [67:44]
- 03. 향상 차트(Lift Chart) [62:55]
- 04. 데이터에 맞는 적합한 머신러닝 알고리즘 기법 선정 [35:29]
- 05. 분류 목적의 머신러닝 기법 적용 [16:34]
- 06. knn [32:51]
- 07. 나이브 베이즈(Naive Bayes) 기법 [60:00]
- 08. 분류 회귀 나무 [52:38]
- 09. 실전 데이터 분석(전처리) [79:26]
- 10. 실전 데이터 분석(추정) [49:16]
- 11. 실전 데이터 분석(일원배치분산분석) [32:11]