데이터의 중심 빅데이터 아카데미

데이터 품질 · 가공 전문가 2기

과정개요

  • 교육목표

    – 데이터 가공과 관계된 제도 및 법령에 대한 소개 및 2차 가공 데이터 권리에 대한 학습
    – Python 과 SQL을 활용한 데이터 가공 처리 기법에 대해 학습
    – 데이터 가공을 위한 생성, 결합, 변환, 복제 등의 방안에 대한 학습과 가공된 데이터에 대한 품질 평가에 대한 방법론 학습

  • 교육대상

    1) 우선지원대상기업 소속 재직자
    * 이외 중소기업 요건을 갖춘 기업도 우선지원대상기업으로 간주

  • 교육기간

    1) 사전교육 : ‘22.07.18.(월) ~ 08.07.(일), 온라인 학습
    2) 집체교육 : ‘22.08.08.(월) ~ 08.19.(금), 19:00~22:00(온라인)
    3) 프로젝트 : ‘22.08.22.(월) ~ 09.06.(화), 오프라인으로 진행
    * 프로젝트 멘토링 및 스터디(1-2주차) : 주 1회 토요일, 10:00~15:00
    * 프로젝트 발표회(3주차) : 09.06.(목), 19:30~21:30

     

  • 교육인원

    25 명

  • 준비사항

    1) 중식 및 주차는 지원이 불가합니다.
    2) 개인 노트북을 반드시 지참해주시기 바랍니다.
    3) 교육비 전액 지원

  • 유의사항

    1) 본 프로그램은 산업계 재직자 대상 과정으로 공무원, 교수, 학생, 미취업자 등은 신청이 불가합니다.
    2) 당해연도(2022년) 빅데이터 아카데미 수료생은 차년도부터 타 교육과정 신청이 가능합니다.
    ※ 단, 수료생은 교육과정별 총 정원의 20% 내외에서 선발
    3) 증빙 서류 제출 이후 수강 취소자 또는 미수료자의 경우 해당연도를 포함하여 2년간 신청이 불가합니다.

  • 수료기준

    <아래 조건을 모두 충족>
    1) 사전 교육 이수
    2) 교육 출석률 80% 이상 달성
    * 출석률은 집체교육과 파일럿 프로젝트를 기준으로 산정합니다.
    3) 파일럿 프로젝트 산출물 제출

상세 커리큘럼

구분 교과목명 상세내용 시간(기간) 교육장
1단계 (사전교육) 사전 온라인 교육
- 분석 도구 R 사용법
- 분석 도구 Python 사용법- 데이터베이스 개요 및 용어
- 데이터 정의 및 조작용 SQL
7.18 ~ 8.7 kdata제공
2단계 (집체교육) 데이터 품질-1
- 데이터 품질 개요
- 데이터 품질의 중요성
- 데이터 품질 평가 개요 및 방법-1 (정형데이터)
8.8 온라인
8.9
데이터 품질-2
- 데이터 품질 평가 방법-2 (비정형 데이터)
- 데이터 품질 평가 사례-1 (정형 데이터)
- 데이터 품질 평가 사례-2 (비정형 데이터)
8.10
8.11
데이터 가공-1(파이썬 기반)
- 실습 환경 구성
- 파이썬 데이터 입출력 방법
- 판다스를 이용한 데이터 가공
·기본 자료구조
·데이터 추출, 병합, 그룹 연산
·데이터 정제
·데이터 재 구조화
8.12
8.15(광복절)
데이터 가공-2(SQL 기반)
- 실습 환경 구성
- 데이터베이스 테이블 구성 방법
- 데이터 처리 방법 (확인, 조회, 요약, 집계, 덤프 등) 
- 데이터 변환 및 정제
·데이터 타입 변환, 
·범주형/수치형 데이터 변환 및 정제
·날짜/시간 데이터 변환 및 정제
- 다양한 변수 데이터 생성 방법
- 데이터 변환 및 정제 방법
8.16
8.17
데이터 가공-3 (종합)
- 데이터 가공 개요
- 데이터 프로파일링 소개
- 데이터 가공 종합
- 데이터 가공 사례 비교 (파일 vs. 데이터베이스)
8.18
8.19
3단계 (프로젝트) 데이터 상품 정의 및 설계
- 주제 선정
- 데이터 식별 및 취합
- 데이터 상품 정의 및 설계
8.27 오프라인 (장소는 추후 공지)
데이터 가공
- 과제 주제 및 목표 설정
- 활용 데이터 선정
- 데이터 수집 및 처리 계획 수립
9.3
발표 및 평가
- 결과 발표 및 평가
9.6

※ 상기 커리큘럼은 사정에 따라 변동될 수 있습니다

교육장소





집체교육

교육장비대면 교육 혹은 Kdata

주소비대면 교육 혹은 Kdata

프로젝트

교육장비대면 교육 혹은 Kdata

주소비대면 교육 혹은 Kdata