본문바로가기
고용노동부와 직업능력심사평가원이 인증한

우수훈련기관 KIC캠퍼스

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

R과 파이썬을 활용한 빅데이터분석 전문가 양성과정new

목록으로
훈련과정

R과 파이썬을 활용한 빅데이터분석 전문가 양성과정

교육일정

2020년 06월30일 ~ 2020년 11월09일

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

​ ​

 

 

 

 

 main.png​​

 ​

 ​

 

heh_qna.png

 

academy_place.png




  
 ​

 ​​​

​   ​ 

  


 주제

강의 주요 내용 

 시간

   SQL활용(DATA)



   About DATA


   DATA 분석의 필요성


   Big DATA 이해


   정형 / 비정형 DATA 조회 방법 이해




 H

   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

   SQL응용(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

  데이터베이스 구현(DB구축)

   



   DB Architecture 심화 분석


   DW vs. OLTP 환경 이해


  환경에 따른 구조적 차이 확인


  DB installation




 H

  데이터베이스 구현(유지관리)



   DB instance 관리 (Memory, process)


   DB storage 관리 


   DB network 관리 


   동시성 제어를 위한 구조 이해 


   성능(Performance) 이해




 H

   빅데이터 수집 시스템 개발




   빅데이터 수집에 활용할 기술 – 플럼 설치, 카프카 설치 


   플럼 수집기능 구현


   카프카 기능 구현


   수집 기능 테스트 


   수집 기능 점거 


   

 H

   빅데이터 저장 시스템 개발

   



   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

   빅데이터 분석 시스템 개발



   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

   빅데이터 처리 시스템 개발



  빅데이터 탐색에 활용할 기술 – 하이브, 스파크, 우지, 휴 


  탐색 아키텍쳐 


  탐색환경구성 – 하이브, 스파크, 우지, 휴 설치 

  

  휴를 이용한 데이터 탐색


  하이브를 이용한 데이터 탐색


  스파크를 이용한 추가 데이터셋 탐색 



H

  빅데이터 분석 기획

   빅데이터 분석 요건 정의하기


   빅데이터 분석 요건 정의하기


   빅데이터 분석 데이터 탐색 기획하기


   빅데이터 분석 모델링 기획하기


   빅데이터 분석 결과 적용 계획하기

 H

   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

   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

   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

   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

   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

   머신러닝 기반 데이터 분석

   

   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

   머신러닝 기반 데이터 분석


   Clustering (고객 데이터 분석, 고객 분류) 


   Association Rule (장바구니 분석, 상품 추천)

H

   머신러닝 기반 데이터분석



   Decision Tree 


   Random Forest


   Logistic Regression 


   k-nn



H

  머신러닝 기반 데이터분석



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


   Artificial Neural Network / Machine Learning 활용을 위한 Web dashboard



H

  머신러닝 기반 데이터분석



   주성분 분석


   K평군


   연관성 분석


   인공신경망(ANN, Artificial Neural Network)




H

   머신러닝 기반 데이터분석




   에이다부스트 알고리즘


   기타 : 특징추출, 측징선택, 모델선택 등




H

   머신러닝 기반 데이터 분석



   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

   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

   빅데이터 분석 결과 시각화

  

 

   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

   빅데이터 플랫폼 테스트




  빅데이터 플랫폼 테스트 설계하기


  빅데이터 플랫폼 기능 테스트하기


  빅데이터 플랫폼 비기능 테스트하기



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 R과 파이썬을 활용한 빅데이터분석 전문가 양성과정
* 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