코스 개요

데이터 사이언스/AI 개요

  • 데이터를 통한 지식 습득
  • 지식 표현
  • 가치 창출
  • 데이터 사이언스 개요
  • AI 생태계 및 분석에 대한 새로운 접근법
  • 핵심 기술

데이터 사이언스 워크플로우

  • Crisp-dm
  • 데이터 준비
  • 모델 계획
  • 모델 구축
  • 커뮤니케이션
  • 배포

데이터 사이언스 기술

  • 프로토타입 제작에 사용되는 언어
  • 빅 데이터 기술
  • 일반적인 문제 해결을 위한 종단 간 솔루션
  • Python 언어 소개
  • Python을 Spark와 통합

비즈니스에서의 AI

  • AI 생태계
  • AI 윤리
  • 비즈니스에서 AI를 구동하는 방법

데이터 소스

  • 데이터 유형
  • SQL vs NoSQL
  • 데이터 저장
  • 데이터 준비

데이터 분석 - 통계적 접근법

  • 확률
  • 통계
  • 통계 모델링
  • Python을 사용한 비즈니스에서의 응용

비즈니스에서의 머신러닝

  • 지도학습 vs 비지도학습
  • 예측 문제
  • 분류 문제
  • 군집화 문제
  • 이상치 탐지
  • 추천 엔진
  • 연관 패턴 마이닝
  • Python 언어로 ML 문제를 해결

딥러닝

  • 전통적인 ML 알고리즘이 실패하는 문제
  • 딥러닝으로 복잡한 문제 해결
  • Tensorflow 소개

자연어 처리

데이터 시각화

  • 모델링에서 시각 보고 결과
  • 시각화에서 흔히 범하는 실수
  • Python을 통한 데이터 시각화

데이터에서 의사결정으로 - 커뮤니케이션

  • 영향을 미치는 데이터 기반 스토리텔링
  • 영향 효과성
  • 데이터 사이언스 프로젝트 관리

요건

 35 시간

참가자 수


참가자당 가격

회원 평가 (6)

예정된 코스

관련 카테고리