본문바로가기
고용노동부와 직업능력심사평가원이 인증한

우수훈련기관 KIC캠퍼스

KIC 캠퍼스는 여러분의 열정적이고 끈기있는 모습으로 인하여
교육훈련, 교육만족도, 취업률 등 여러방면에 우수한 평가를 인정받았습니다

데이터베이스 관리 기반의 빅데이터 분석 전문가 과정new

목록으로
훈련과정

데이터베이스 관리 기반의 빅데이터 분석 전문가 과정

교육일정

2020년 1월 예정

교육시간

09:00~18:00 (주5일수업.일일8시간)

총교육시간

4.5개월 (90일_총720시간)

훈련자격

전공무관. 취업준비생.졸업예정자.취업성공패키지참여자.재학생(방통대,야간대)

교육문의 02.538.3644
교육수당

단위기간별 훈련일수의 80% 이상을 출석한 경우 월훈련장려금 지급


1ff47c63-a891-4dba-a474-ce539b7d0ddc.png



0404_01.png


0404_02.png


교과

​NCS능력단위(요소)

NCS능력단위(요소)시간

빅데이터 분석 결과 시각화

빅데이터 분석 결과 시각화​

60 시간​

분석용 데이터 구축​

분석용 데이터 구축

28 시간

텍스트 데이터 분석​

텍스트 데이터 분석​

60 시간​

머신러닝기반 데이터 분석

머신러닝 기반 데이터 분석

60 시간

통계기반 데이터 분석

통계 기반 데이터 분석​​

40 시간​

탐색적 데이터 분석

탐색적 데이터 분석

28 시간

빅데이터 처리 운영

빅데이터 처리 운영​​​

40 시간

데이터베이스 활용

데이터베이스 구현​

40 시간

데이터베이스 활용

SQL활용​​

40 시간

응용SW 프로그래밍 활용

프로그래밍 언어활용​

80 시간

응용SW 프로그래밍 활용​​​

응용 SW기초 기술 활용

40 시간​

 ​총 훈련시간

516 시간​​

  

교과

단원

세부내용

훈련시간

빅데이터 활용 분석 프로젝트

빅데이터 활용 기획​​​​

빅데이터 분석 주제 선정 및 분석 방안 구체화 요구사항정리 분석결과 서비스 개발 계획 프로젝트 일정관리 및 업무 분담​

8 시간​

빅데이터 활용 분석 프로젝트​

데이터 수집 및 탐색 분석​

정형데이터 수집 및 분석 비정형데이터 수집 및 분석 공공데이터 포털 API를 활용한 데이터 수집 및 분석 포털 API를 활용한 데이터 수집 및 분석

32 시간​

빅데이터 활용 분석 프로젝트

서비스 개발 및 시각화

서비스 개발을 위한 환경 구축 서비스 인터페이스 정의 및 프로세스 정의 수집 데이터 정제 및 분류 시각화기술을 통한 요구사항에 맞는 시나리오 분석 시각화 입력 데이터 식별 및 매핑 데이터 분석 및 모델 평가 구현

24 시간​

빅데이터 활용 분석 프로젝트

테스트 및 발표​

단위 테스트 화면 설계 및 구현 통합테스트 및 디버깅 작업 프로젝트 시연 및 발표

24 시간​

 Deep Learning​

 Deep Learning​

인공신경망(Neural Net) XOR 문제 Tensorflow에서 구현 Deep Neural Net 이해 및 Tensorflow에서 구현 여러 종류의 활성화 함수 이해 및 Tensorflow에서 구현 Tensorflow에서 NN/DNN을 이용한 MINIST 문자분류 실습 onvolutional Neural Network(CNN) 이해 및 Tensorflow구현 Tensorflow에서 CNN을 이용한 MINIST 문자분류 실습 및 기존 방법들과 비교 Recurrent Neural Network(RNN) 이해 및 Tensorflow구현 Word2Vec 이해 및 Tensorflow에서 구현 구글 Inception 모델을 이용한 이미지 인식 Tensorflow에서 구현

 52 시간

 DB 운영 관리​

 DB 운영 관리​

 Backup & Recovery를 위한 전략 구성 Case by case 장애 복구 시연 Flashback 기법 활용 자원관리와 스케줄러 활용

24 시간

총 훈련시간

164 시간

kic2019_heh_qna.png


academy_place.png


0404_03.png


0404_04.jpg


book_kic0404.png


0404_06.png


0404_07.png




 주제

강의 주요 내용 

 시간

   SQL & PLSQL practice workshop


   SQL활용(DATA)



   About DATA


   DATA 분석의 필요성


   Big DATA 이해


   정형 / 비정형 DATA 조회 방법 이해




 H

   SQL & PLSQL practice workshop


   SQL활용(SQL)



   SELECT / FROM / WHERE / ORDER BY 절


   그룹 data 처리 방법


   Table간의 JOIN 구성


   Subquery 활용


   집합 처리


   Transaction 수행 원리 와 ACID


   DML (insert, update, delete)


   DDL (table, index, view, sequence, synonym)


   대용량 데이터 처리 




 H

   SQL & PLSQL practice workshop

   PLSQL



   변수 선언 방식


   제어문 작성(IF, LOOP)


   조합 Data type


   명시적 커서 활용


   예외처리


   LOB segment 관리


   Procedure 개발


   Function 개발


   Package 개발


   Trigger 개발




 H

   DB 운영 관리 1

   데이터베이스 (DB 구축)

   



   DB Architecture 심화 분석


   DW vs. OLTP 환경 이해


   환경에 따른 구조적 차이 확인


   DB installation




 H

   DB 운영 관리 1


   데이터베이스(유지관리)



   DB instance 관리 (Memory, process)


   DB storage 관리 


   DB network 관리 


   동시성 제어를 위한 구조 이해 


   성능(Performance) 이해




 H

   빅데이터 처리 운영


   (DB성능관리)




   성능이란?


   성능 이슈가 발생 가능한 내부영역 분석


   성능 관리 도구 활용


   메모리 성능 관리


   디스크 I/O 성능 관리


   프로세스 성능 관리



   

 H

   빅데이터 처리 운영


   (SQL tuning)

   



   SQL 심화


   실행 계획 분석 및 Trace


   Index scan 이해


   Internal join 기법 


   통계 이해


   다양한 Advisor 활용




H

   고 가용성을 위한 서버 구축

   빅데이터 처리 운영(HA 이해)



   HA에 대한 이해


   고 가용성을 위한 서비스 구성 방법


   고 가용성을 위한 모니터링 및 성능 관리




 H

   고 가용성을 위한 서버 구축

   빅데이터 처리 운영(HA 구성)


   무 정지 서비스를 위한 standby DB 구성


   실시간 data 전송 및 동기화




H

   운영체제 Internal 관리 개론

   응용 SW 기초 기술활용



   Unix / Linux 내부 구조 분석


   Linux OS 설치


   OS 메모리 관리 기법


   OS 프로세스 관리 기법


   File 관리 기법


   Storage 관리 기법


   OS shell programming 활용





 H

   [분석도구 R]

   『R 기초 문법 및 패키지 사용법』

   -프로그래밍 언어 활용



   R 프로그램 개요 및 기초 문법 


   ⓐ R 설치(R Studio) 및 기본 메뉴 실습 


   ⓑ 데이터의 유형 및 자료구조 이해 


   ⓒ 데이터 입출력 및 파일 처리 


   ⓓ 제어문과 반복문 




   R 패키지 및 함수 사용 


   ⓐ 패키지 설치 및 사용법


   ⓑ 사용자 정의함수 및 내장함수   




H

   [분석도구 Python]

   파이썬 개발환경

   구축 및 기본문법

   -탐색적 데이터 분석   



   시작하기 위한 준비 및 간단한 소개 : 개별 과제 설정 


   파이썬 설치, 기본 패키지 설치, 파이썬 코드 테스트 


   Ipython 설치하기, IPython 사용방법 


   파이썬 코드 작성 방법 및 파이썬 언어 기본 


   복습 : 가상 시스템에 개발환경 다시 설치하기



H

   [분석도구 R]

   『NumPy / pandas 학습』


   -탐색적 데이터 분석



   NumPy 기본 : 다차원배열 생성 / 연산 


   NumPy 기본 : 유니버셜함수 / 배열을 이용한 데이터처리 


   NumPy 기본 : 활용 예제 


   pandas 기본 : pandas소개 / 색인활용 


   pandas 기본 : 기술통계 기본 요약 / 누락 데이터 처리




H

   [분석도구 Python]

   데이터 수집 및 가공
  
   (공공데이터 활용한 실습)

   -분석용 데이터 구축



   데이터 읽고 쓰기 : csv 파일 읽고 쓰기 + 실제 csv 파일 활용 실습 


   데이터 읽고 쓰기 : excel 파일 읽고 쓰기 + 실제 excel 파일 활용 실습


   데이터 읽고 쓰기 : JSON 파일 읽고 쓰기 + 실제 JSON 파일 활용 실습


   데이터 읽고 쓰기 : XML 파일 읽고 쓰기 + 실제 XML 파일 활용 실습 


   데이터 읽고 쓰기 : http통신을 활용한 json, xml 파일 저장 / 데이터 처리 / 출력 실습 


   데이터 변형 : 데이터 병합 / 피벗 


   데이터 변형 : 중복제거 / 값 치환 / 문자열 / 미국농무부 데이터 실습 


   데이터 변형 : GroupBy 기반 그룹 연산




 H

   [분석도구 R]
   
   『데이터 시각화 및 특성 분석』

   -빅데이터 분석 결과 시각화



   데이터 분석을 위한 시각화 


   ⓐ 이산변수와 연속변수 시각화 



   데이터 분석을 위한 전처리


   ⓐ 데이터 특성 분석


   ⓑ 데이터 전처리


   데이터 리모델링 


   ⓐ 데이터 리모델링 패키지(plyr, dplyr,reshape,reshape2)



   정형 데이터와 비정형 데이터 처리 


   ⓐ 정형 데이터 처리(SQL 데이터 처리) 


   ⓑ 비정형 데이터 처리(워드클라우드 및 연관어 분석)





H

   [분석도구 Python]

   시각화 + 시계열을 비롯한

   기본 통계분석



   시각화 : matplot 기본 / matplot 활용 예제 / pandas + matplot 활용 시각화 


   시계열 데이터 활용 : 시계열 데이터 변환 


   시계열 데이터 활용 : 금융 데이터 활용한 예제


   SciPy 기본 : 기본적인 통계 분석


 



H

   [분석도구 R]

   『예측분석』

   -텍스트 데이터 분석
   


   지도학습(Supervised Learning) 

   ⓐ 상관/회귀분석(Correlation and Regression Analysis) 
   
   ⓐ 분류분석(Decision Tree)


   비지도학습 (unSupervised Learning) 

   ⓐ 군집분석(Clustering Analysis)

   ⓐ 연관분석(Association Rule) 


   시계열 분석 

   ⓐ 시계열 예측 모형에 적합한 데이터 생성 

   ⓑ 시계열 데이터를 이용한 미래 예측 

   ⓒ 시계열모형 예측 도식화



H

   [분석도구 R]

   『기술통계 및 추론통계 분석』

   -통계 기반 데이터 분석




   가설검정


   ⓐ 기술통계학


   ⓑ 확률과 확률분포


   ⓒ 표본분포


   ⓓ 추정 및 가설검정


  


   기술통계분석 


   ⓐ 척도별 기술통계량 연산


   ⓑ 교차분석과 교차표 작성


   ⓒ chi-square 분석 및 검정



   집단별 비율 및 평균 차이 검정 


   ⓐ 집단별 비율 차이 검정(binom, prop) 


   ⓑ 집단별 평균 차이 검정( T-test, Anova)



H

   [분석도구 R]

   머신러닝(Machine learning)

   『Phase01』

   -머신러닝 기반 데이터분석



   Machine Learning Overview and Case 


   R essential for Machine Learning 


   Importing Data (Excel/Database/Web) 


   Processing data for Machine Learning


   Data Exploration and Visualization




H

   [분석도구 R]

   머신러닝(Machine learning) 

   『Phase02』

   -머신러닝 기반 데이터분석



   Clustering (고객 데이터 분석, 고객 분류) 


   Association Rule (장바구니 분석, 상품 추천)



H

   [분석도구 R]

   머신러닝(Machine learning)

   『Phase03』

   -머신러닝 기반 데이터분석



   Decision Tree


   Random Forest


   Logistic Regression 


   k-nn




H

   [분석도구 R]

   머신러닝(Machine learning) 

   『Phase04』

   -머신러닝 기반 데이터분석




   Linear Regression / Naive Bayes / k-Nearest Neighbor (상품 분류) 


   Artificial Neural Network / Machine Learning 활용을 위한 Web dashboard




H

   [분석도구 Python]

   머신러닝(Machine learning

   지도학습(Supervised Learning)

   -머신러닝 기반 데이터분석



   나이브 베이즈 분류


   의사결정나무


   랜던포레스트


   그래드언트 부스팅


   회귀분석


   릿지와 라쏘분석


   서포트 벡터 머신




 H

   [분석도구 Python]

   머신러닝(Machine learning)

   비지도학습(Supervised Learning)

   -머신러닝 기반 데이터분석




   주성분 분석


   K평군


   연관성 분석



H

   [분석도구 Python]


   머신러닝(Machine learning)인공신경망


   -Deep Learning

   인공신경망(ANN, Artificial Neural Network)

H

   [분석도구 Python]

   머신러닝(Machine learning)알고리즘

   -Deep Learning




   에이다부스트 알고리즘


   기타 : 특징추출, 측징선택, 모델선택 등



H

   [분석도구 Python]


   딥러닝(Deep Learning)인공신경망


   -Deep Learning



   인공신경망(Neural Net) - 소개 및 XOR 문제 Tensorflow에서 구현


   Deep Neural Net 소개 및 Tensorflow에서 구현


   여러 종류의 활성화 함수 소개 및 Tensorflow에서 구현


   Tensorflow에서 NN/DNN을 이용한 MINIST 문자분류 실습


   Convolutional Neural Network(CNN) 소개 및 Tensorflow구현


   Tensorflow에서 CNN을 이용한 MINIST 문자분류 실습 및 기존 방법들과 비교


   Recurrent Neural Network(RNN) 소개 및 Tensorflow구현



 

 H

    DB 운영 관리 2 - DB 운영관리



   Backup & Recovery를 위한 전략 구성


   Case by case 장애 복구 시연


   Flashback 기법 활용


   자원관리와 스케줄러 활용




 H

   최종 프로젝트

   R과 Python를 활용한 빅데이터 기획설계 및 프로젝트

 H


개인정보처리방침

수집하는 개인정보의 항목

수집하는 목적/방법에 따라 수집하는 개인정보 항목은 다음과 같습니다.
- 기본 개인정보 정보 
 신청자, 생년월일, 연락처, 이메일, 최종학력

- 마케팅/서비스 이용을 위한 정보
 신청자, 생년월일, 연락처, 이메일, 최종학력

- 서비스 이용 중 발생되는 정보
 서비스 이용기록, 접속로그, 쿠키
 결재수단에 대한 기록여부(계좌), 결재기록

개인정보 수집 및 이용 목적

KIC캠퍼스학원은  수집한 개인정보를 다음의 목적을 위해 활용합니다.
- 서비스 제공에 관한 계약 이행 및 서비스 제공에 따른 요금정산 목적
학습진행, 컨텐츠 제공, 구매 및 요금 결제, 물품배송 또는 청구지 등 발송
- 회원 관리
회원제 서비스 이용에 따른 본인확인, 개인 식별, 불량회원의 부정 이용 방지와
비인가사용 방지, 가입 의사 확인, 연령확인, 불만처리 등 민원처리, 고지사항 전달
- 마케팅 및 광고에 활용
신규 서비스(제품) 개발 및 특화, 이벤트 등 광고성 정보 전달, 인구통계학적 특성에 따른
서비스 제공 및 광고 게재, 접속 빈도 파악 또는 회원의 서비스 이용에 대한 통계 
- 고용보험 과정의 노동부 신고 
회원이 신청한 과정이 고용보험 대상 과정인 경우 고용보험 환급을 이유로 노동부에 신고하게 됩니다.

개인 정보 보유 및 이용기간

원칙적으로, 개인정보 수집 및 이용목적이 달성된 후에는 해당 정보를 지체 없이 파기합니다.
단, 다음의 정보에 대해서는 아래의 이유로 명시한 기간 동안 보존합니다. 

보존 항목 : 신청자, 생년월일, 연락처, 이메일, 최종학력
보존 근거 : 고용보험 환급 적정성 심의
보존 기간 : 3년 

그리고 관계법령의 규정에 의하여 보존할 필요가 있는 경우 회사는 아래와 같이 관계법령에서 정한 일정한 기간 동안 회원정보를 보관합니다.
1) 기타 법령에 따른 보유기간/관계법 안내
- 계약 또는 청약철회 등에 관한 기록 : 5년 (전자상거래 등에서의 소비자 보호에 관한 법률)
- 대금결제 및 재화 등의 공급에 관한 기록 : 5년 (전자상거래 등에서의 소비자 보호에 관한 법률)
- 소비자의 불만 또는 분쟁처리에 관한 기록 : 3년 (전자상거래 등에서의 소비자 보호에 관한 법률)
- 본인확인에 관한 기록 보존 이유 : 정보통신 이용촉진 및 정보보호 등에 관한 법률 보존 기간 : 6개월 
- 방문에 관한 기록 보존 이유 : 통신 비밀 보호법 보존 기간 : 3개월

* 표시는 필수 입력 항목입니다.

문의폼입니다.
* 이름
* 연락처 - -
* 교육형태 데이터베이스 관리 기반의 빅데이터 분석 전문가 과정
* 문의사항
취소

개인정보처리방침

수집하는 개인정보의 항목

수집하는 목적/방법에 따라 수집하는 개인정보 항목은 다음과 같습니다.
- 기본 개인정보 정보 
 신청자, 생년월일, 연락처, 이메일, 최종학력

- 마케팅/서비스 이용을 위한 정보
 신청자, 생년월일, 연락처, 이메일, 최종학력

- 서비스 이용 중 발생되는 정보
 서비스 이용기록, 접속로그, 쿠키
 결재수단에 대한 기록여부(계좌), 결재기록

개인정보 수집 및 이용 목적

KIC캠퍼스학원은  수집한 개인정보를 다음의 목적을 위해 활용합니다.
- 서비스 제공에 관한 계약 이행 및 서비스 제공에 따른 요금정산 목적
학습진행, 컨텐츠 제공, 구매 및 요금 결제, 물품배송 또는 청구지 등 발송
- 회원 관리
회원제 서비스 이용에 따른 본인확인, 개인 식별, 불량회원의 부정 이용 방지와
비인가사용 방지, 가입 의사 확인, 연령확인, 불만처리 등 민원처리, 고지사항 전달
- 마케팅 및 광고에 활용
신규 서비스(제품) 개발 및 특화, 이벤트 등 광고성 정보 전달, 인구통계학적 특성에 따른
서비스 제공 및 광고 게재, 접속 빈도 파악 또는 회원의 서비스 이용에 대한 통계 
- 고용보험 과정의 노동부 신고 
회원이 신청한 과정이 고용보험 대상 과정인 경우 고용보험 환급을 이유로 노동부에 신고하게 됩니다.

개인 정보 보유 및 이용기간

원칙적으로, 개인정보 수집 및 이용목적이 달성된 후에는 해당 정보를 지체 없이 파기합니다.
단, 다음의 정보에 대해서는 아래의 이유로 명시한 기간 동안 보존합니다. 

보존 항목 : 신청자, 생년월일, 연락처, 이메일, 최종학력
보존 근거 : 고용보험 환급 적정성 심의
보존 기간 : 3년 

그리고 관계법령의 규정에 의하여 보존할 필요가 있는 경우 회사는 아래와 같이 관계법령에서 정한 일정한 기간 동안 회원정보를 보관합니다.
1) 기타 법령에 따른 보유기간/관계법 안내
- 계약 또는 청약철회 등에 관한 기록 : 5년 (전자상거래 등에서의 소비자 보호에 관한 법률)
- 대금결제 및 재화 등의 공급에 관한 기록 : 5년 (전자상거래 등에서의 소비자 보호에 관한 법률)
- 소비자의 불만 또는 분쟁처리에 관한 기록 : 3년 (전자상거래 등에서의 소비자 보호에 관한 법률)
- 본인확인에 관한 기록 보존 이유 : 정보통신 이용촉진 및 정보보호 등에 관한 법률 보존 기간 : 6개월 
- 방문에 관한 기록 보존 이유 : 통신 비밀 보호법 보존 기간 : 3개월

* 표시는 필수 입력 항목입니다.

문의폼입니다.
* 이름
*이메일
* 연락처 - -
* 생년월일
최종학력
* 교육일정
* 문의사항
취소