데이터의 중심 빅데이터 아카데미

유통 빅데이터 전문가 6기

과정개요

  • 교육목표

    – 데이터를 이용한 분석 프로세스 흐름 파악 및 각 과정(수집, 정제, 분석, 활용)에 대한 이해
    – 분석 툴 사용법에 대한 교육 및 실습을 통한 데이터 툴 활용 역량 강화
    – 통계 분석 기법 등의 알고리즘/방법론의 교육을 통한 유통 데이터 분석의 이해 심화
    – 워크샵(Case Study)를 통한 실제 적용/응용 사례 연구를 통한 빅데이터 프로젝트 수행 역량 교육

  • 교육대상

    1) 빅데이터 프로젝트 진행 또는 예정인 산업계 재직자
    2) 실무 경력 3년 이상 보유자

  • 교육기간

    1) 사전교육 : ‘22.06.20.(월) ~ 07.10.(일), 온라인 학습
    2) 집체교육 : ‘22.07.11.(월) ~ 07.22.(금), 10:00~18:00(온라인)
    3) 프로젝트 : ‘22.07.25.(월) ~ 08.25.(목), 오프라인으로 진행
    * 프로젝트 멘토링 및 스터디(1-4주차) : 주 1회 토요일, 10:00~15:00
    * 프로젝트 발표회(5주차) : 08.25(목), 19:30~21:30

     

  • 교육인원

    25 명

  • 준비사항

    1) 중식 및 주차는 지원이 불가합니다.
    2) 개인 노트북을 반드시 지참해주시기 바랍니다.
    3) 교육비는 최종 선발 이후에 납부하시면 되며, 지원 내용은 아래와 같습니다.
    – 대기업 및 공공기관 재직자 : 자부담금 50만원 납부
    – 중소기업(우선지원대상기업 해당) 재직자, 프리랜서 : 전액 지원

  • 유의사항

    1) 본 프로그램은 산업계 재직자 대상 과정으로 공무원, 교수, 학생, 미취업자 등은 신청이 불가합니다.
    2) 유통 빅데이터 전문가 과정 수료생은 신청이 불가합니다.
    3) 프리랜서의 경우, 최근 1년 이내 프로젝트 수행 내역이 증빙 가능한 경우에만 신청이 가능합니다.
    4) 당해연도(2022년) 빅데이터 아카데미 수료생은 차년도부터 타 교육과정 신청이 가능합니다.
    ※ 단, 수료생은 교육과정별 총 정원의 20% 내외에서 선발
    5) 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) 데이터 분석의 이해
- 데이터 가치의 재발견
- 4차 산업혁명과 데이터
- 빅데이터의 이해
- 데이터 분석 전문가의 역량
- 데이터 분석 방법론
- 기계학습의 이해
- 데이터 분석 사례
6.20 ~ 7.10 kdata제공
데이터 분석의 기초
- 데이터 분석 개요
- 확률과 확률분포
- 통계적 추론
- 분포에 관한 추론
- 데이터의 탐색
2단계 (집체교육) Python기초
- 개발 도구 Python
- Python 기본 자료형과 연산
- 제어 구문 : 흐름제어, 반복제어
7.11 온라인
Python 라이브러리
- Numpy
- Pandas ① : 시리즈와 데이터프레임, 조건 조회
- Pandas ② : 집계, 결합(concat, merge)
7.12
데이터 전처리
- 데이터분석 프로세스
- 문제 정의 및 가설수립
- Feature Engineering
- Scaling, 가변수화
- NA 조치하기
통계분석 및 모델링
- 시각화 라이브러리 : matplotlib, seaborn
- 탐색적 데이터분석 개요
- 단변량 분석 : 기초통계량과 시각화
- 이변량 분석 : 가설검정(상관분석, 카이제곱검정, t검정, 분산분석)
7.14 ~ 7.15
모델링 기초
- 모델링 개요
- 모델링 코드 구조 익히기
- 회귀 모델링과 성능 평가
- 분류 모델링과 성능 평가
7.18 ~ 7.19
모델링 심화
- 모델의 복잡도와 과적합
- 성능 튜닝
- 앙상블
7.20
워크샵1 : 고객 이탈 예측
- 유통 고객 이탈/잔존 분석
- 이탈예측을 위한 데이터프레임 구성
- 모델링
- 비즈니스 관점에서의 평가
7.21
워크샵2 : 수요량 예측
- 판매량 분석
- 회귀 모델링 및 성능 평가
- 비즈니스 관점에서의 평가
7.22
3단계 (프로젝트) 과제 선정
- 과제 주제 및 목표 설정
- 활용 데이터 선정
- 데이터 수집 및 처리 계획 수립
7.30 오프라인
EDA
- 탐색적 자료 분석
- 데이터 전처리
- 데이터 마트 생성
8.6
모델링
- 분석 알고리즘 정의
- 모형 개발 및 검증
8.16
결과 도출
- 모델링 결과 해석
- 인사이트 도출
- 보고서 작성
8.20
발표 및 평가
- 보고서 작성
- 결과 발표 및 평가
8.25 온라인

※ 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