K-ICT 빅데이터센터

# 빅데이터# 빅데이터 비즈니스# 개론# 엑셀# 통계적 검정

소개

1. 빅데이터의 개념과 빅데이터로 인한 트렌드 변화를 알아봅니다.
2. 데이터분석의 개념 및 방법론과 제조·유통·금융분야의 주요 빅데이터 활용 방안을 소개합니다.
3. 엑셀 분석도구로 기초 통계분석을 실습합니다.

목차

Ⅰ. 빅데이터 이해하기

1. 데이터란 무엇인가
2. 빅데이터의 개념
3. 빅데이터의 특성
4. 스몰데이터와 빅데이터 비교
5. 데이터과학자 보다 문제해결사 되기
6. 세상의 다양한 분석자원들
7. 데이터 분석과제 기획


Ⅱ. 빅데이터 활용사례 분석

1. 생산·제조분양 빅데이터 활용사례
2. 유통·마케팅분야 빅데이터 활용사례​
3. 금융분야 빅데이터 활용사례


Ⅲ. 엑셀 데이터분석 실습

1. 엑셀 데이터분석 환경설정
2. 탐색적 데이터분석
3. AB 테스트
4. 이분형 비율차이검정
5. 다항형 비율차이검정
6. 연속형 평균차이검정


다음 환경에서 실습할 수 있습니다.



제공 항목

# 딥러닝# 인공지능# 4차산업혁명

소개

1. 4차산업혁명과 인공지능의 개념과 의미를 이해할 수 있습니다.
2. 딥러닝의 등장배경과 개념을 알 수 있습니다.
3. 산업분야에서의 딥러닝 활용사례를 소개합니다.

목차

Ⅰ. 4차 산업혁명에 대하여

1. 4차 산업혁명이 가져올 우리의 미래는?
2. 차 산업혁명에서부터 응축된 ‘기술혁신 폭발기’
3. 4차 산업혁명 속에서의 우리의 역할


Ⅱ. 지능정보에 대하여

1. 지능정보사회의 개념
2. 인공지능에 대하여​
3. 인공지능에 대한 오해


Ⅲ. 지능정보 활용을 위한 기법

1. 딥러닝의 개념
2. 딥러닝의 주요 기법들
3. 딥러닝 활용 절차


Ⅳ. 지능정보 활용 사례

1. IT 분야
2. 금융 분야
3. 의료 분야
4. 자동차 분야


다음 환경에서 실습할 수 있습니다.



제공항목

# R# R 문법# 시각화

소개

1. R로 데이터 분석을 시작하기 위한 기초 문법과 데이터 타입을 학습합니다.
2. 차트, 그래프 등 기초적인 시각화 방법을 실습해봅니다.

목차

Ⅰ. R 소개 및 기초 활용법
Ⅱ. R에서 자료 타입에 따른 data manipulation
Ⅲ. 데이터 입출력
Ⅳ. 간단한 도표를 이용한 자료 요약
Ⅴ. 프로그래밍


다음 환경에서 실습할 수 있습니다.



제공 항목

# R# 데이터 전처리# 데이터 가공# 데이터 탐색

소개

1. 빅데이터의 특성과 데이터 분석 방법론과 절차를 이해할 수 있습니다.
2. R을 이용해 다양한 특성의 데이터를 살펴보고 가공하는 기법을 배웁니다.
3. 실제 사례 데이터를 가공하여 기본적인 통계를 산출하는 과정을 학습할 수 있습니다.

콘텐츠 구성

01. 데이터분석 이해하기
02. 분석환경 준비하기
03. R자료형과 데이터로딩
04. 분석과제 모델링과 데이터 기본탐색
05. 개별변수 요약과 집계
06. 다차원변수 요약과 집계
07. 데이터 가공
08. 데이터 정제
09. 데이터 구조변형
10. 데이터 결합과 분할
11. 외래관광객 실태조사 분석
12. 외래관광객 특성요인 상세분석
13. 건강정보 데이터 분석 

다음 환경에서 실습할 수 있습니다.



제공 항목

※ 강의자료, 데이터, 소스코드는 홈페이지 로그인 후 다운받으실 수 있습니다.

※ 강의영상은 K-ICT 빅데이터센터 유튜브 채널에서도 시청하실 수 있습니다.

   - K-ICT 빅데이터센터 유튜브 채널 바로가기

# 데이터 분석# 빅데이터 기술# 데이터 탐색# R# Trifacta

소개

1. 데이터 처리 기술, 절차 및 방법론에 관해 이해할 수 있습니다.
2. R과 Trifacta를 활용하여 영화평점 데이터의 특성을 탐색해봅니다.
3. R을 활용하여 항공기 운항데이터의 특성을 탐색하고 머신러닝 알고리즘을 적용해봅니다.

목차

Ⅰ. 데이터 수집단계 가이드
Ⅱ. 데이터 전처리 및 저장 단계 가이드
Ⅲ. 데이터 시각화 단계 가이드
Ⅳ. 프로세스별 데이터셋 구성 및 분석단계 가이드


다음 환경에서 실습할 수 있습니다.



제공 항목

# R# 데이터 전처리# 시각화# 통계분석# 회귀분석

소개

1. data.table을 이용해 데이터를 전처리하는 방법을 익힙니다.
2. ggplot을 이용한 시각화 방법을 배울 수 있습니다.
3. 회귀분석 관련 실습 및 기계학습 알고리즘 활용방법을 실습해봅니다.

목차

Ⅰ. 데이터 수집단계 가이드
Ⅱ. 데이터 전처리 및 저장 단계 가이드
Ⅲ. 데이터 시각화 단계 가이드
Ⅳ. 프로세스별 데이터셋 구성 및 분석단계 가이드


다음 환경에서 실습할 수 있습니다.



제공 항목

# R# 상관분석# 공적분# 군집분석# 시계열분석# 농산물 데이터# 기상 데이터

소개

1. 농축산물 가격의 지역별 시계열 데이터를 상관분석하여 추이가 유사한 지역들을 찾아봅니다.
2. 시계열 데이터에 대한 공적분 검정으로 농축산물 품목별 가격의 시계열 상관성을 찾아봅니다.
3. 계층군집분석을 활용하여 농산물 품목별,지역별 가격 추이의 유사도를 그룹화하여 표현해봅니다.
농산물 가격과 강수량 데이터를 시각화, 비교하여 상관성을 확인합니다.

목차

Ⅰ. 학습목표
Ⅱ. Content데이터 전처리 및 저장 단계 가이드

A. 상관분석을 통한 지역별 돼지고기 가격 연관성 분석
B. 공적분 검정을 통한 농축산물 소매 가격 연관성 분석
C. 클러스터링 기법을 이용한 농축산물 데이터 분석
D. 날씨 자료와 농산물 자료의 인과관계 분석


다음 환경에서 실습할 수 있습니다.



제공 항목

# R# 데이터 가공# 시각화# 통계적 검정# 범주형 데이터# 카드 데이터

소개

1. dplyr 패키지를 활용하여 강력하고 복잡한 데이터 가공기능을 배워봅니다.
2. ggvis 패키지를 활용하여 인터렉티브한 시각화를 구현해봅니다.
3. 통계적 검정 및 대응일치분석으로 카드사 별 카드사용패턴에 유의미한 차이가 있는지 확인합니다.
40여개 필드로 구성된 풍부한 카드 결제 데이터를 사용해볼 수 있습니다.

목차

Ⅰ. 학습목표
Ⅱ. Content데이터 전처리 및 저장 단계 가이드

A. dplyr 패키지를 이용한 데이터 munging 맛보기
B. ggvis 패키지를 이용한 데이터 시각화
C. 범주형 자료 분석 기법


다음 환경에서 실습할 수 있습니다.



제공 항목


※ 실습 데이터 중 뉴스 데이터는 제공사 요청으로 실습서버(교육인프라)에서만 이용하실 수 있습니다.

# R# 텍스트 마이닝# 워드클라우드# 연관분석# 군집분석# 뉴스 데이터

소개

1. R을 활용해 텍스트 데이터를 가공하고 필요한 내용을 추출하는 방법을 학습니다.
2. 텍스트 마이닝에 필요한 여러가지 기법을 학습하고 뉴스기사 데이터를 Word Cloud로 시각화해봅니다.
3. 뉴스기사의 연관성을 군집분석하여 Dendrogram으로 표현하고, 연관분석을 통해 뉴스 키워드 간 연관성을 시각화해봅니다.

목차

Ⅰ. 학습목표
Ⅱ. Content데이터 전처리 및 저장 단계 가이드

A. Word Cloud 그리기
B. 의미있는 Word Cloud 그리기
C. Word Cloud를 통한 Topic 찾기
D. Topic 기준 Word Cloud 그리기
E. 전력 의미별 사전 적용하기
F. Association Rules 적용하기


다음 환경에서 실습할 수 있습니다.



제공 항목


※ 실습 데이터 중 뉴스 데이터는 제공사 요청으로 실습서버(교육인프라)에서만 이용하실 수 있습니다.

# R# 시각화# ggmap# 회귀분석# 이상치탐지# 교통 데이터

소개

1. 지하철역별 승하차 데이터를 다양한 방법으로 시각화하고 ggmap 패키지로 지도 위에 데이터를 표시하는 방법을 익힙니다.
2. 회귀분석 및 잔차분석으로 일반적인 지하철 승하차수 패턴과 다른 이상치를 파악하고, 해당 시기와 장소에 어떤 이벤트가 있었는지 뉴스 데이터를 탐색하여 원인을 탐색합니다.

목차

Ⅰ. 학습목표
Ⅱ. Content데이터 전처리 및 저장 단계 가이드

A. 데이터 로딩 및 전처리 과정
B. 지하철역별 수치 요약 및 시각화
C. 지하철 노선별 수치 요약 및 시각화
D. 구글맵을 활용한 지도 맵핑
E. 뉴스 데이터의 활용


다음 환경에서 실습할 수 있습니다.



제공 항목


※ 실습 데이터 중 뉴스 데이터는 제공사 요청으로 실습서버(교육인프라)에서만 이용하실 수 있습니다.

# R# 회귀분석# 분류모델# Logistic Regression# 의사결정나무# 앙상블# 신경망# 제조 데이터

소개

1. 자동차부품 생산데이터의 특성을 다양한 방법으로 시각화하고 상관분석 결과를 corrplot으로 표현합니다.
2. 회귀분석 및 잔차분석을 통해 공정요소가 부품의 두께에 영향을 미치는 정도와 유의성을 파악하며, Ridge회귀, Lasso회귀 등 회귀분석의 응용기법 또한 실습합니다.
3. Logistic회귀분석으로 부품의 불량여부를 판별하는 모델을 만들어보고, 다양한 방법으로 분석모델의 성능을 측정해봅니다.
4. 의사결정나무와 앙상블 모형, 신경망 알고리즘을 적용해보고 각 분석모델의 성능을 비교해봅니다.

목차

Ⅰ. 학습목표
Ⅱ. Content데이터 전처리 및 저장 단계 가이드

A. 자료의 요약
B. 선형회귀모형
C. 분류모형–불량vs양품분석


다음 환경에서 실습할 수 있습니다.



제공 항목

# R# 의사결정나무# 시각화# 연관분석# 장바구니 분석# 구매 데이터

소개

1. tree 패키지를 활용해 의사결정나무 모델을 만들고 분석결과의 의미를 해석합니다.
2. 회귀분석, K-means 군집분석, 서포트벡터머신(SVM)를 예제 데이터로 실습해봅니다.
3. 상품구매 데이터를 활용해 성별, 연령별, 요일별 구매건수, 금액을 시각화할 수 있습니다.
4. 연관분석으로 구매상품과 연관성이 높은 다른 상품군을 찾을 수 있습니다.

목차

Ⅰ. 유통 분야에서의 빅데이터 분석 및 머신러닝 사례

1. 클라우드, 빅데이터 개념
2. 머신러닝 및 딥러닝 개념
3. 데이터 분석의 이해
4. 유통과 빅데이터 분석
5. 유통에서의 고객 행동 이력 분석
6. 장바구니 분석을 통한 추천 시스템

Ⅱ. 데이터 마이닝과 머신러닝 분석 기법 비교 및 실습

 1. R의 기초 사용 방법
2. R에서의 Decision Tree 적용한 분류 분석
3. R에서의 회귀 분석
4. R에서의 k-means 군집분석
5. R 머신러닝에서의 비선형 회귀분석

Ⅲ. R 활용한 유통 데이터 분석 및 실시간 추천 실습

1. 유통 비즈니스 데이터의 기초 특성 분석
2. 그룹별 구매 패턴 분석
3. 연관성 분석을 통한 상품 추천
4. 결론


다음 환경에서 실습할 수 있습니다.



제공 항목

# R# 신경망# 신용평가# 기업 데이터# 재무 데이터

소개

1. 인공신경망 알고리즘의 개념과 특성을 이해할 수 있습니다.
2. 기업재무데이터를 활용해 인공신경망으로 기업부도 예측모델을 만들어봅니다.

목차

Ⅰ. 금융 비즈니스의 이해

1. 신용평가 업무의 이행
2. 신용평가 관련 비즈니스 시나리오

Ⅱ. 인공신경망 기법의 이해

 1. 인공신경망이란?
2. 인공신경망의 학습
3. 인공신경망 모형의 장단점

Ⅲ. 인공신경망 모형구축 실습

1. 실습문제와 데이터
2. 모형구축 계획의 수립
3. 모형의 구축
4. R을 활용한 모형구축 실습

Ⅳ. 고찰


다음 환경에서 실습할 수 있습니다.



제공 항목

# R# 의사결정나무# 랜덤포레스트# XGBoost# 의료 데이터# 심평원

소개

1. 의료분야 빅데이터 활용 사례와 건강보험공단, 건강보험심사평가원에 어떠한 데이터가 있는지 소개합니다.
2. 의사결정나무 및 랜덤포레스트, XGBoost 모델의 개념 및 특징을 알 수 있습니다.
3. 심평원 진료내역 데이터를 활용하여 환자 상태를 분류하는 모델을 랜덤포레스트, XGBoost 기법으로 만들어봅니다.

목차

Ⅰ. 의료에서의 머신러닝

1. 의료에서의 데이터과학 및 머신러닝
2. 국내 의료 데이터 소개

Ⅱ. 의사결정나무 기반 모델

 1. CART 모델의 이해
2. 랜덤 포레스트 모델의 이해
3. XGBoost 모델의 이해

Ⅲ. 머신러닝 알고리즘을 이용한 분류 모델 학습

1. R 기반 분석 환경 구성
2. 의사결정나무 기반 모델 생성
3. 향후 고려할 수 있는 추가 모델링 방안


다음 환경에서 실습할 수 있습니다.



제공 항목

# Python# Numpy# Pandas# Scikit-learn# 머신러닝

소개

1. Python으로 데이터 분석을 시작하기 위한 기초 문법과 Numpy, Pandas 라이브러리를 학습합니다.
2. 머신러닝 라이브러리인 Scikit-learn를 활용해 랜덤포레스트, 신경망 알고리즘을 실습해봅니다.
3. 머신러닝 기법으로 인구조사 데이터, 개인 신용평가 데이터를 활용한 소득추정모델 및 신용불량 판별모델을 만들어봅니다.

목차

Ⅰ. 파이썬 소개 및 문법

1. 변수에 대한 이해
2. 데이터 구조
3. 조건문과 반복문
4. 데이터 입출력

Ⅱ. Pandas

 1. pandas 소개와 패키지 설치
2. 자료구조 : Series와 Dataframe
3. 자료다루기
4. 기초분석
5. 핵심기능 – Group by

Ⅲ. NumPy

1. Numpy 소개
2. ndarray 다루기
3. Wine Quality 데이터를 활용한 NumPy 실습

Ⅳ. Scikit-learn

1. Scikit-learn & Machine Learning 개념 소개
2. NumPy를 활용한 Neural Network의 이해 및 실습
3. Scikit-learn과 NumPy를 활용한 Wine Quality 데이터 Neural Network 실습

Ⅴ. Case Study

1. Case Study 1(초급) : Adult dataset
2. Case Study 2(중급) : German credit dataset


다음 환경에서 실습할 수 있습니다.



제공 항목

# Python# Numpy# Pandas# Scikit-learn# 머신러닝

소개

1. 머신러닝에 필요한 python 환경설정 및 numpy, pandas 라이브러리 활용법을 학습니다.
2. python을 활용한 데이터 시각화 라이브러리(matplotlib)을 활용할 수 있습니다.
3. 통계적 검정 및 scikit-learn 라이브러리를 활용한 머신러닝 알고리즘을 실습해봅니다.
4. 다양한 샘플 데이터로 머신러닝 알고리즘을 적용하고 성능을 테스트할 수 있습니다.

콘텐츠 구성

01. 머신러닝이란 무엇인가
02. 머신러닝을 위한 파이썬 핵심 정리
03. 머신러닝을 위한 데이터 시각화
04. 머신러닝을 위한 통계 기초
05. 머신러닝의 이해1
06. 머신러닝의 이해2
07. 와인 품질 예측 모델 만들기1
08. 와인 품질 예측 모델 만들기2
09. 온라인 광고 클릭 예측 모델 만들기1
10. 온라인 광고 클릭 예측 모델 만들기2
11. 유방암 진단 분류 모델 만들기
12. 스팸 메일 필터 만들기
13. 영화 추천 엔진 만들기


다음 환경에서 실습할 수 있습니다.



제공 항목


※ 실습파트 교재는 동영상 강의로 제공합니다.

※ 강의자료, 데이터, 소스코드는 홈페이지 로그인 후 다운받으실 수 있습니다.

※ 강의영상은 K-ICT 빅데이터센터 유튜브 채널에서도 시청하실 수 있습니다.

   - K-ICT 빅데이터센터 > 유튜브 채널 바로가기

# Python# 딥러닝# 신경망# tensorflow# CNN# RNN

소개

1. 심층신경망, 컨볼루션 신경망(CNN), 순환신경망(RNN)의 개념을 이해할 수 있습니다.
2. tensorflow 라이브러리를 활용하여 심층신경망을 구현해봅니다.
3. 음악·이미지·텍스트 등 비정형데이터의 분류 모델을 만들어보면서 딥러닝 활용 감각을 익힙니다.

목차

Ⅰ. DNN

1. [학습목표] DNN 이해하기
2. [실습] MNIST로 우편번호 손글씨 자동분류기 만들기
3. [활용] 음악 장르 자동분류기 만들기

Ⅱ. CNN

 1. [학습목표] CNN 이해하기
2. [실습] CNN을 적용한 우편번호 손글씨 자동분류기
3. [활용] 컬러 이미지 자동분류기

Ⅲ. RNN

1. [학습목표] RNN 이해하기
2. [실습] RNN으로 ‘반갑습니다’ 자동 완성 하기
3. [활용] 언어 학습 모델 만들기


다음 환경에서 실습할 수 있습니다.



제공 항목


※ 실습데이터는 제공사 요청으로 실습서버(교육인프라)에서만 이용하실 수 있습니다.

# Python# 딥러닝# 신경망# tensorflow# CNN# 활성함수

소개

1. 심층신경망 및 컨볼루션 신경망(CNN)의 원리와 신경망 구현에 필요한 학습할 수 있습니다.
2. tensorflow 라이브러리를 활용하여 심층신경망을 구현할 수 있습니다.
3. 심층신경망 성능저하 요소 및 개선기법을 이해할 수 있습니다.

콘텐츠 구성

01. 딥러닝개요
02. Numpy 기초
03. Tensorflow 기초
04. Tensorflow를 활용한 주가지수 예측모델 만들기
05. 선형 회귀를 이용한 집값 예측 모델 만들기
06. 로지스틱 회귀를 이용한 스팸메일 검출 모델 만들기
07. Softmax 다중분류를 이용한 꽃 분류 모델 만들기
08. 인공 신경망 이해
09. 인공 신경망을 이용한 분류모델 만들기
10. 사람의 시각을 닮은 신경망
11. 컨볼루션 신경망(CNN) 개요
12. 깊은 신경망을 위한 딥러닝 학습 최적화
13. 딥러닝을 이용한 영상의 효과적인 학습


다음 환경에서 실습할 수 있습니다.



제공 항목


※ 실습파트 교재는 동영상 강의로 제공합니다.

※ 강의자료, 데이터, 소스코드는 홈페이지 로그인 후 다운받으실 수 있습니다.

※ 강의영상은 K-ICT 빅데이터센터 유튜브 채널에서도 시청하실 수 있습니다.

   - K-ICT 빅데이터센터 > 유튜브 채널 바로가기

# Python# 딥러닝# CNN# tensorflow# LSTM# 음성인식# 영상인식

소개

1. 택배 관련 민원,상담 텍스트로부터 배송지연, 분실, 파손, 서비스 불만족 내용을 분류하는 LSTM 모델을 만들어봅니다.
2. 뉴스기사를 자동으로 생성하는 LSTM기반 인공지능을 만들어봅니다.
3. 음성 데이터로 자동차 시동 및 주행제어를 하는 CNN기반 음성인식 인공지능을 만들어봅니다.
4. 자동차 주행영상으로 주행과 정지를 판별하는 CNN기반 인공지능을 만들어봅니다.

목차

1. 민원 자동분류기 실습
2. 보고서 봇 실습
3. 자율주행 봇 실습​


다음 환경에서 실습할 수 있습니다.



제공 항목


※ 실습데이터는 제공사 요청으로 실습서버(교육인프라)에서만 이용하실 수 있습니다.