강좌 목차

• 1강 챕터 0. 오리엔테이션

  • 인사 / ADsP 자격증 소개 16:31

• 2강 챕터 1. 제 3과목 : 데이터 분석

  • 데이터 분석 개요 / 시각화(Tableau) 11:15
  • 탐색적 자료 분석(EDA) / 통계분석 / 데이터마이닝 11:25
  • 통계분석 용어 / 표본추출방법 / 측정 방법 15:43
  • 통계적 추론 / 통계 및 확률 개념 / 조건부확률 / 사건 20:30
  • 확률변수 - 이산확률변수 / 연속확률변수 20:49
  • 통계적 추정(점, 구간) / 가설 검정 / 비모수적 검정 17:15
  • 기술통계 / 자료의 표현 08:55
  • 범주형 자료 / 연속형 자료 15:25
  • 자료의 상관 / 공분산과 상관계수 / 피어슨 상관계수 06:05
  • 회귀분석 / Francis Galton 09:03
  • 단순회귀모형 / 회귀분석 절차 / 회귀분석의 검정 18:54
  • 다중공선성 / 최적의 회귀적합식 13:47
  • Lasso와 Ridge 11:58
  • 시계열 분석 및 모형 알아보기 14:26
  • ACF와 PACF / 자기회귀(AR 모형) / 이동평균(MA 모형) 13:49
  • 파라미터(p, q 추론) / ARIMA 모형 09:33
  • 시계열 분해 / 다차원척도법(MDS) 07:27
  • 주성분분석(PCA) / 요인분석 10:06
  • 확률변수의 기대값 / 교차분석 / 분산분석 09:30
  • 데이터마이닝 06:05
  • 지도학습 및 비지도학습 08:56
  • 과대적합 및 과소적합 / Tradeoff 06:31
  • 데이터마이닝 프로세스 / 데이터분할 13:16
  • 성과분석 21:34
  • 분류분석 / 예측분석 / 로지스틱회귀분석 / 오즈비 16:14
  • 의사결정나무 19:03
  • 앙상블 / 배깅 / 부스팅 / 랜덤포레스트 10:53
  • 인공신경망 / 활성화함수 18:17
  • 딥러닝 / 군집분석 07:23
  • 비지도학습 / 군집분석 12:54
  • 계층적 군집분석 18:34
  • k평균 군집분석 08:24
  • PAM / 혼합분포군집 13:18
  • 연관분석 14:57
  • R이란 / R스튜디오 / 벡터리스트 15:17
  • R 함수정리 - part 1 30:51
  • R 함수정리 - part 2 14:12
  • 데이터 마트 12:17
  • 데이터 가공 / 결측치 처리 / 이상값 인식 및 처리 09:03
  • 3과목 문제풀이 22:58

• 3강 챕터 2. 제 1과목 : 데이터의 이해

  • 데이터의 정의 13:00
  • 데이터베이스 22:12
  • 빅데이터 - part 1 24:29
  • 빅데이터 - part 2 23:06
  • 가치창조를 위한 데이터사이언스와 전략 인사이트 23:44
  • 기타 개념 16:04
  • 1과목 문제풀이 35:12

• 4강 챕터 3. 제 2과목 : 데이터 분석 기획하기

  • 데이터 분석 기획 이해하기 11:31
  • 데이터 분석 방법론 12:57
  • KDD 분석 방법론 / CRISP-DM 분석절차 15:29
  • 빅데이터 분석 방법론 17:35
  • 분석과제발굴 / 상향식 접근 및 하향식 접근 16:50
  • 분석 과제 관리 / 분석 프로젝트 관리 06:09
  • 분석 마스터플랜 15:24
  • 분석 거너번스 27:39
  • 2과목 문제풀이 17:30