데이터분석 전문가가 전하는, 빅데이터 & Al를 위한 통계

line
  • 과정번호MD10000006
  • 교육일정4월 25일 ~ 4월 26일
  • 교육시간2일 / 14시간
  • 수강료500,000원

교육모집정보

교육기간(시작일~종료일) 수업시간 환급여부 수강료 환급금액우선대상(대기업) 신청하기
2019-04-25 ~ 2019-04-26 09:30 ~ 17:30 \500,000

SA바우처 : 일

교육쿠폰 : 5일

\
(\)
수업 신청하기
2019-05-09 ~ 2019-05-10 09:30 ~ 17:30 \500,000

SA바우처 : 일

교육쿠폰 : 5일

\
(\)
수업 신청하기
line

교육개요

· 데이터 분석의 진짜 출발점을 겪어보고, 업무에 맞게 현실적인 데이터 분석을 시작할 수 있도록 도와드립니다 

· 현실에서 머신러닝을 사용하다 보면 겪게 되는 문제들을 해결할 수 있도록 도와드립니다.


line

교육대상

· 데이터 분석, 머신러닝을 업무에 적용하고 싶어도 어디서부터 시작해야 할지 모르는 사람

· 데이터 분석과 통계를 공부했지만, 어떻게 적용해야 할지 막막한 사람

· 머신러닝 성능을 높이기 위해 당장 시도해볼 통계적 관점의 지식이 필요한 사람


line

특이사항

· 토론형 강의 입니다.

· 기초 과정이므로 교육과정은 탄력적으로 운영됩니다.

· 데이터 분석 계획과 분석 결과에 집중합니다.   ( ※ Python, R 등의 문법에는 집중하지 않음 )

· 머신러닝의 성능을 높이기 위한 노력들에 집중합니다. ( ※ Scikit-learn, Tensorflow등의 문법에는 집중하지 않음 )




 


커리큘럼

  • 1

    Day

  • Module 1 : 현실에서 출발하기

      · 분석계획은 어떻게 세우는가?

    Module 2 : 정말 뭘 분석할지 모를 때_EDA

      · 왜 탐색적인 데이터 분석을 하는가?


    Module 3 : 요약을 하는 방법

      · 의문을 확인하기 위한 요약 : Signal & Noise

    Module 4 : 관심사를 설명하는 방법

      · 인간관계 탐색의 시작 : 상관 분석 제대로 파해치기

    Module 5 : 비교를 위한 방법

      · 비교를 통한 의사결정

    Module 6 : 미래 예측을 위한 준비

      · 문제 정의 : 머신러닝 보다도 중요한 것

     


  • 2

    Day

  • Module 7 : Day2 Review 


    Module 8 : Signal & Noise Ⅰ - Regression 

      · S&N : 성능 지표들 뒤에 숨겨진 의미

      · Inference : 우리는 회귀[분석]이라 부릅니다.

      · (+Adv) Cost function Desiqn : 의도를 담아 최적화 하기


    Module 9 : Signal & Noise Ⅱ - Classification

      · S&N : Confusion Matrix 빠르게 훑어보기

      · (+Adv) 성능과 설명을 위해 : EDA for Feature

      · Engineering



    Module 10 : Summary, Questions, Answers

      · 2일 과정의 전체 요약

      · 못다한 이야기들

      · 질의 응답