![]() |
오리엔테이션 | ![]() |
||
1. | ![]() |
빅데이터의 개념 | 1. 빅데이터의 개념 2. 빅데이터의 특징 | ![]() ![]() |
![]() |
빅데이터의 수집 | 1. 빅데이터 활용 절차의 단계별 요소 기술 2. 빅데이터 수집 절차 | ![]() ![]() |
|
![]() |
빅데이터의 저장관리 | 1. 데이터 전/후처리 2. 데이터 저장처리 3. 데이터 보안관리 | ![]() ![]() |
|
2. | ![]() |
빅데이터의 분석 | 1. 빅데이터 분석 계획 수립 2. 빅데이터 분석 환경 구축 3. 빅데이터 시각화 | ![]() ![]() |
![]() |
데이터 분석 기법의 이해(1) | 1. 분석 용도에 따른 데이터 분석 기법 2. 통계적 분석 기법 | ![]() ![]() |
|
![]() |
데이터 분석 기법의 이해(2) | 1. 데이터마이닝 기법 2. 기계학습과 텍스트 마이닝 | ![]() ![]() |
|
3. | ![]() |
탐색적 모델링의 이해 | 1. 탐색적 모델링의 개념과 특징 2. 탐색적 모델링 기법 및 적용 예시 | ![]() ![]() |
![]() |
예측적 모델링의 이해 | 1. 예측적 모델링의 개념과 특징 2. 예측적 모델 기법 및 적용 예시 | ![]() ![]() |
|
![]() |
탐색적 모델링과 예측적 모델링의 차이 | 1. 탐색적 모델링과 예측적 모델링의 차이 2. 문제 해결 목표에 따른 데이터 분석 유형 | ![]() ![]() |
|
4. | ![]() |
구글 Colab 시작하기 | 1. 구글 Colaboratory에 대한 이해 2. 구글 Colaboratory UI 및 제공 기능 확인 | ![]() ![]() |
![]() |
구글 Colab 기본 사용법 | 1. 구글 Colaboratory의 기본 사용법과 용어에 대한 이해 | ![]() ![]() |
|
![]() |
구글 Colab 사용 실습 | 1. 구글 콜랍의 노트북 생성 및 확인 2. 패키지 설치 및 시각화 확인 3. IRIS 데이터셋 확인 | ![]() ![]() |
|
5. | ![]() |
군집화의 이해 | 1. 군집화의 개념과 특징 2. 군집화 알고리즘 | ![]() ![]() |
![]() |
군집화를 이용한 특징 분석 사례 | 1. 군집 분석을 이용한 학습 성취도 예측 | ![]() ![]() |
|
![]() |
군집화를 이용한 IRIS 데이터 분석 | 1. 산점도를 통한 IRIS 데이터셋의 데이터 상관관계 확인 2. K-means 기법을 이용한 IRIS 데이터의 군집화 | ![]() ![]() |
|
6. | ![]() |
연관성 분석의 이해 | 1. 연관성 분석 개념과 특징 2. 연관성 분석의 여러 판단 기준 | ![]() ![]() |
![]() |
연관성 분석을 통한 장바구니 분석 사례 | 1. 장바구니 분석을 이용한 연관성 분석 사례 2. 국내 관광지의 연관성 분석 사례 | ![]() ![]() |
|
![]() |
연관성 분석을 통한 IRIS 데이터 분석 | 1. 연관성 분석을 위한 데이터 가공 2. apriori를 이용한 연관성 분석 3. 연관성 분석의 시각화 | ![]() ![]() |
|
7. | ![]() |
의사결정나무의 이해 | 1. 의사결정나무의 개념 2. 의사결정나무의 생성 과정 | ![]() ![]() |
![]() |
의사결정나무를 이용한 시장 분석 사례 | 1. 의사결정나무를 이용한 시장 분석 사례 | ![]() ![]() |
|
![]() |
의사결정나무를 이용한 IRIS 데이터 분류 및 분석 | 1. 의사결정나무를 위한 데이터셋 구성 2. ctree를 이용한 변수에 따른 품종 예측 3. 분류 모델 생성 및 시각화 4. 테스트 데이터를 이용한 검증 | ![]() ![]() |
|
8. | ![]() |
점검하기 | 1주차에서 7주차 점검하기 | ![]() ![]() |
9. | ![]() |
분류화의 이해 | 1. 분류화 앙상블 2. 분류화 서브 샘플링 | ![]() ![]() |
![]() |
분류화를 이용한 분류 사례 | 1. 랜덤포레스트를 이용한 분류 사례 | ![]() ![]() |
|
![]() |
분류화를 이용한 MNIST 데이터 분류 | 1. 분류화를 위한 데이터셋 구성 2. 랜덤포레스트를 이용한 분류화 모델 생성 및 오류 측정 3. 분류화를 이용한 분류 성공사례 및 실패사례 확인 | ![]() ![]() |
|
10. | ![]() |
신경망의 이해 | 1. 신경망의 개념 2. 퍼셉트론 3. 활성화 함수와 역전파 | ![]() ![]() |
![]() |
신경망을 이용한 문제 해결 사례 | 1. 신경망을 이용한 이미지 합성 사례 | ![]() ![]() |
|
![]() |
신경망을 이용한 MNIST 데이터 학습 및 예측 | 1. 신경망 이용을 위한 데이터 확인 2. 신경망 학습을 위한 데이터셋 구성 3. 신경망 모델 생성 4. 신경망 모델에 대한 데이터셋 별 정확도 측정 | ![]() ![]() |
|
11. | ![]() |
차원 축소의 이해 | 1. 차원 축소 2. 주성분 분석 | ![]() ![]() |
![]() |
데이터의 시각화 이해 | 1. 데이터 시각화의 목적과 필요성 2. 다양한 데이터 시각화 방법 | ![]() ![]() |
|
![]() |
데이터 시각화 실습 | 1. 산점도와 히스토그램을 이용한 관계시각화 2. 박스플롯을 이용한 비교시각화 3. 막대그래프를 이용한 시간시각화 | ![]() ![]() |
|
12. | ![]() |
예측 오류의 이해 | 1. 예측 오류 2. 손실 함수 | ![]() ![]() |
![]() |
교차 검증의 이해 | 1. 교차 검증 2. 교차 검증 방법 | ![]() ![]() |
|
![]() |
예측 오류와 교차 검증을 이용한 정확도 분석 실습 | 1. 예측 오류 측정과 교차 검증을 위한 전처리 2. 예측 오류 측정 3. 교차 검증 및 검증 결과 확인 | ![]() ![]() |
|
13. | ![]() |
모델 평가의 이해 | 1. 모델 평가 | ![]() ![]() |
![]() |
하이퍼파라미터와 모델 선택 | 1. 하이퍼 파라미터 2. 모델 평가 방법과 모델 선택 | ![]() ![]() |
|
![]() |
모델 교차 검증 실습 | 1. 모델 교차 검증을 위한 전처리 2. 모델 교차 검증 3. 모델 교차 검증 결과에 따른 선택 | ![]() ![]() |
|
14. | ![]() |
영어단어를 이용한 단어구름 생성 | 1. 단어구름 생성을 위한 전처리 2. 웹문서 단어에 대한 단어구름 생성 | ![]() ![]() |
![]() |
KoNLP를 이용한 한국어 텍스트 마이닝(1) | 1. 한글 텍스트 마이닝 라이브러리 설치 2. 한글 텍스트 마이닝을 위한 전처리 | ![]() ![]() |
|
![]() |
KoNLP를 이용한 한국어 텍스트 마이닝(2) | 1. 한글 웹 문서 텍스트 마이닝을 위한 전처리 2. 텍스트 마이닝을 위한 텍스트 정제 3. 한글 웹 문서에 대한 텍스트 마이닝 수행 | ![]() ![]() |
|
15. | ![]() |
점검하기 | 9주차에서 14주차 점검하기 | ![]() ![]() |