데이터 사이언스에 대한 기본적인 개념을 정립하는 강좌입니다. 수학&통계학에서 배운 내용들이 데이터 사이언스에 어떻게 활용되는지 수식, 코드와 더불어 자세한 설명을 제공하고 있습니다. 따라서 본 수업 수강을 위해서는 선형대수학, 미분방정식 및 약간의 회귀분석 지식이 필수입니다. (질문 사항이 있으신 분은 Q&A 및 FAQ를 참조해주세요.)

추가 공지

1. 다음 강의 – 3월 9일, 16일, 23일, 30일 (토요일) 10am~1pm, 2pm~5pm (일 6시간) (종료)

  • 수강 신청 종료일 2월 28일 (정원마감)
  • 강의장 변경: 강남구 테헤란로 22길 9 아름다운 빌딩 6층 (역삼역 3번출구 1분거리, 하단 지도 참조)
  • 회사 주요업무에 일손부족이 발생해 약속했던 3월 강의까지만 운영하고 종료됩니다.
  • 향후 연 1회 정도로 특강만 개설합니다 (이후 강의 스케줄 문의 사절)

2. 본 과정의 선수 과목인 수학 & 통계학 강좌는 온라인 강의로만 운영됩니다. 통계학 석사 이상의 이해도를 갖고 있지 않으신 분은 선수 과목을 꼭 듣고 오시면 좋겠습니다.


 

Course Curriculum

0. Introduction
빅데이터에 대한 올바른 정의 FREE 00:15:00
머신러닝에 대한 오해 FREE 00:00:00
딥러닝에 대한 오해 FREE 00:00:00
데이터 사이언티스트의 업무 FREE 00:00:00
빅데이터 예시 FREE 00:00:00
데이터 사이언스 프로젝트 예시 FREE 00:00:00
R 기본 코드 간단 설명 FREE 00:00:00
1. Regression Analysis
Lecture 1 – Section 0 – A/B Test 00:00:00
Lecture 1 – Section 1 – 머신러닝에서 바라 본 Linear Regression 00:00:00
Lecture 1 – Section 1 – 머신러닝에서 바라 본 Linear Regression (Coding) 00:00:00
Lecture 1 – Section 2 – Regularization이란? Optimization vs. Generalization 00:00:00
Lecture 1 – Section 2 – Regularization이란? Optimization vs. Generalization (Coding) 00:00:00
2. Classification Analysis
Lecture 2 – Section 1 – Logistic regression 00:00:00
Lecture 2 – Section 1 – Logistic regression (Coding) 00:00:00
Lecture 2 – Section 2 – Support Vector Machine 00:00:00
Lecture 2 – Section 2 – Support Vector Machine (Coding) 00:00:00
Lecture 2 – Section 3 – Precision vs. Recall 00:00:00
Lecture 2 – Section 3 – Precision vs. Recall (Coding) 00:00:00
3. Data Grouping
Lecture 3 – Section 1 – k-Nearest Neighbor (kNN) 00:00:00
Lecture 3 – Section 2 – k-Means 00:00:00
Lecture 3 – Section 2 – knn & k-Means (Coding) 00:00:00
Lecture 3 – Section 3 – Principal Component Analysis (PCA) 00:00:00
Lecture 3 – Section 3 – PCA 1 (Coding) 00:00:00
Lecture 3 – Section 3 – PCA 2 (Coding) 00:00:00
4. Ensemble Models
Lecture 4 – Section 1 – Decision Tree 00:00:00
Lecture 4 – Section 2 – Bagging 00:00:00
Lecture 4 – Section 3 – Boosting 00:00:00
Lecture 4 – Section 4 – Ensemble 1 (Coding) 00:00:00
Lecture 4 – Section 4 – Ensemble 2 (Coding) 00:00:00
Lecture 4 – Appendix – Missing Data 처리법 (Coding) 00:00:00
5. Neural Network - Basic
Lecture 5 – Section 1 – Neural Network Basics 00:00:00
Lecture 5 – Section 1 – Neural Network Basics (Coding) 00:00:00
Lecture 5 – Section 2 – Autoencoder 00:00:00
Lecture 5 – Section 2 – Autoencoder (Coding) 00:00:00
Lecture 5 – TensorFlow 활용 샘플 1 (Coding) 00:00:00
Lecture 5 – TensorFlow 활용 샘플 2 (Coding) 00:00:00
6. Neural Network - Advanced
Lecture 6 – Section 1 – Convolutional Neural Network (CNN) 00:00:00
Lecture 6 – Section 1 – CNN (Coding) 00:00:00
Lecture 6 – Section 2 – Recurrent Neural Network (RNN) 00:00:00
Lecture 6 – Section 2 – RNN (Coding) 00:00:00
7. Pattern Recognition
Lecture 7 – Section 1 – Anomaly Detection 00:00:00
Lecture 7 – Section 1 – Anomaly Detection (Coding) 00:00:00
Lecture 7 – Section 2 – Association Rule 00:00:00
Lecture 7 – Section 2 – Association Rule (Coding) 00:00:00
Lecture 7 – Section 3 – Recommender System 00:00:00
Lecture 7 – Section 3 – Recommender System (Coding) 00:00:00
8. Reinforcement Learning
Lecture 8 – Section 1 – Reinforcement Learning 00:00:00
Lecture 8 – Section 1 – Reinforcement Learning (Coding) 00:00:00
Lecture 8 – Section 2 – Other topics 00:00:00
Lecture 8 – Section 2 – Other topics (Coding) 00:00:00
TAKE THIS COURSE
  • 1,500,000
  • UNLIMITED ACCESS
178 STUDENTS ENROLLED
Design @ Pabii Co., Ltd. All rights reserved.
X