연락처 정보

코스 개요

서론

  • 분석 및 머신러닝 분야에서 데이터 준비의 중요성 이해하기
  • 데이터 생명주기 내에서 데이터 준비 파이프라인의 역할 탐구하기
  • 원시 데이터에 존재하는 일반적인 문제점과 이가 분석에 미치는 영향 파악하기

데이터 수집 및 획득 방법

  • 데이터의 출처: 데이터베이스, API, 스프레드시트, 텍스트 파일 등 다양한 형태의 데이터원 탐색하기
  • 데이터를 수집할 때 그 질을 확보하는 기법들 알아보기
  • 다양한 출처로부터 데이터를 효과적으로 수집하는 방법 연습하기

데이터 정리 기법

  • 누락값, 이상치 및 불일치 요소를 찾아서 적절히 처리하는 법 배우기
  • 데이터셋 내 중복 항목 및 오류 사항을 수정하는 방법 익히기
  • 실제 데이터셋의 정리 작업 직접 실천하기

데이터 변환 및 표준화 기술

  • 데이터를 정규화하고 표준화하는 방법 배우기
  • 범주형 데이터 처리: 인코딩, 구간 분류 및 피처 엔지니어링 기법 익히기
  • 원시 형태의 데이터를 실제 활용 가능한 형태로 변환하기

데이터 통합 및 집계 방법

  • 서로 다른 출처에서 얻은 데이터셋을 병합하고 결합하는 기법 연습하기
  • 데이터 간 충돌 요소를 해결하고 데이터 타입을 일치시키는 기술 활용하기
  • 데이터 집계 및 통합을 위한 다양한 전략 실천해 보기

데이터 품질 관리

  • 전체 과정에서 데이터의 품질과 무결성을 유지하는 방법 배우기<\/li>
  • 품질 검증 및 유효성 확인 절차를 실제로 구현하기
  • 데이터 품질 관리 사례와 실무 활용 방안 살펴보기

차원 축소 및 피처 선택 방법

  • 왜 차원 축소가 필요한지 이해하기
  • PCA, 피처 선택 기법 등 데이터 차원 축소를 위한 다양한 전략 익히기
  • 차원 축소 기법을 실제로 구현하는 과정 연습하기

요약 및 다음 단계 안내

요건

  • 기본적인 데이터 개념에 대한 이해가 필요합니다

대상 청중

  • 데이터 분석가
  • 데이터베이스 관리자
  • IT 전문가
 14 시간

참가자 수


참가자별 가격

회원 평가 (2)

예정된 코스

관련 카테고리