- 교육목표
정보기술의 발전과 더불어 다양한 형태의 데이터들이 기하급수적으로 생성되고 정보의 유통 및 보유랑의 증가로 인해 융합 학문의 중요성과 더불어 복잡한 데이터의 분석에 대한 필요성이 부각되고 있다.
이러한 상황에서 본 과정은 대용량의 데이터를 관리,처리,분석을 통해 기업에 필요로 한 데이터를 분석하고 인공지능의 이해에 꼭 필요한 머신러닝과 딥러닝에 대한 교육을 통한 빅데이터 분석가 양성을 목표로 하고 있으며 이를 위해 체계적이며 실무적인 교육을 통해 훈련만족도 및 인재양성을 목표로 한다.
- 상세내용
NCS 직업기초능력
- 의사소통능력
- 정보능력
빅데이터 기초
- 빅데이터의 개념 및 기초지식
- 데이터 수집 계획 수립하기
- 빅데이터 수집 시스템 구성하기
- 내부 데이터 수집하기
- 외부 데이터 수집하기
- 데이터 변환하기
- 수집 데이터 검증하기
빅데이터 R과 데이터 분석
* R의 기초와 기본 스크립트
- R 소개 및 설치
- R Studio 설치
- Rstudio 레이아웃과 실행
- 기본 스크립트와 함수
- R 추가 패키지 사용
* 벡터, 행렬
- 벡터 및 행렬 생성
- 객체정의 및 데이터프레임
- 벡터와 행렬의 연산
- 간단한 함수생성
- for, while
* 데이터 구조 및 R 문법 학습
- apply, dplyt 등
- 문자 데이터
- 데이터 시각화 방법 (ggplot)
- R 데이터 생성 및 활용
- R 데이터 결합 및 재구조화
- 여러형태의 DataBase
* R 그래픽
- Histogram
- Pie Chart, Box Plot
- Scatter plot
- Layout
- lattice와 gglpot2
- ggplot2
- 3D와 히트맵
- 공간지도 분석
* 데이터 탐색
- 데이터 다루기
- 데이터 기술통계치 요약
- 데이터 그래프 데이터 탐색
- 정규성검정과 신뢰구간
* R 통계분석
- T-test
- 그룹 비교
- 분산분석
- 이원 분산분석
- 상관분석
- 회귀분석
- 텍스트 마이닝
파이썬과 데이터 분석
* 파이썬 개요
- 파이썬 다운로드와 설치
- 프로그램 설치와 저장
* 기본 프로그래밍
- 객체와 데이터형
- 연산자
- 제어구조
- 함수
- 리스트
- 튜플
- 딕셔너리
- 이터레이터
- 집합
- 특수함수
- 클래스와 객체
* 문자열 처리, 파일 처리, 예외처리
- 문자열처리 기본 및 정규 표현
- 파일 처리
- 예외 처리와 로그 출력
* 엑셀, 워드, 인터넷 Web 데이터 처리
- 엑셀 처리(워크시트, 레코드, 칼럼, 워크북 작성과 편집)
- 워드 처리
- 웹 데이터 취득
- Web API 이용
- Web 스크랩핑
* 텍스트마이닝
- 텍스트 처리
- 형태소 분석
- 채팅 프로그램 작성
* Jupyter Notebook에 의한 통계 분석
- Jupyter Notebook 작성
- NumPy 사용
- 데이터프레임
- 상관분석
- 선형회귀분석
머신러닝
- 머신러닝(기계학습)
- 기본 알고리즘 개념 및 소개
- 나이브 베이즈 분류
- 의사결정나무
- 랜던포레스트
- 회귀분석
- 은닉마코브모형
- 서포트 백터 머신
- 주성분 분석
- K평균
- 연관성 분석
- 인공신경망(ANN, Articial Neural Network)
딥러닝
* Deep Learning 개요
* 신경망 기초
- Linear Regression
- Logistic Regression
- MLP (Multi-Layer Perceptron)
- Optimization Methods
- Regularization
- Weight Initialization
* CNN (Convolutional Neural Network)
- CNN 기초
- CNN 연구사례
- Visualization
- Weakly Supervised Localization
- CNN Optimization
- Modern CNN
- 3D CNN
* RNN (Recurrent Neural Network)
- Fundamentals of RNN
- LSTM (Long Short-Term Memory model)
- GRU (Gated Recurrent Unit)
* 이미지 인식
- 구글 Inception 모델을 이용한 이미지 인식
* Object Detection
- RCNN, Fast RCNN, Faster RCNN, PVANet
- YOLO, SSD, YOLOv2
* Neural Style & Auto Encoder
* GAN (Generative Adversarial Network)
- GAN 기초
- GAN 변형
최종 프로젝트
R을 활용한 데이터마이닝 기법 및 머신러닝&딥러닝을 활용한 최종 프로젝트 구축
- 교육대상
- 직업안정기관에 구직 등록된 15세 이상 실업자
- 고등학교 3학년 재학생 중 고등교육기관(대학)에 전학하지 않는 학생
- 대학(전문대학) 졸업예정자로 대학원 등에 진학을 하지 않는 학생
- 수강특전
교재 제공, 본원에서 개설하는 타 강좌 무료수강, 수료 후 취업연계 실시
