Chapter 01. 환경설정
(전체 러닝타임: 2:04:02) | 1. 이론 - 강의 실습을 위한 환경 설정 |
2. windows 1 - 환경설정 안내 | |
3. windows 2 - Chrome 기본 웹 브라우저 설정 | |
4. windows 3 - Anaconda 설치 | |
5. windows 4 - Visual Studio code 설치 | |
6. windows 5 - Google Colab 설치 | |
7. mac(intel) 1 - 환경설정 안내 | |
8. mac(intel) 2 - Chrome 기본 웹 브라우저 설정 | |
9. mac(intel) 3 - xcode command line tools 설치 | |
10. mac(intel) 4 - homebrew 설치 | |
11. mac(intel) 5 - Anaconda 설치 | |
12. mac(intel) 6 - Visual Studio code 설치 | |
13. mac(intel) 7 - Google Colab 설치 | |
14. mac(m1) 1 - 환경설정 안내 | |
15. mac(m1) 2 - Chrome 기본 웹 브라우저 설정 | |
16. mac(m1) 3 - xcode command line tools 설치 | |
17. mac(m1) 4 - homebrew 설치 | |
18. mac(m1) 5 - miniforge와 Visual Studio code 설치 | |
19. mac(m1) 6 - Google Colab 설치 | |
20. Anaconda 가상환경 1 - 개념 | |
21. Anaconda 가상환경 2 - 생성 및 활성화 | |
22. Anaconda 가상환경 3 - 목록 확인 및 삭제 | |
23. Anaconda 가상환경 4 - 패키지 설치 | |
24. Anaconda 가상환경 5 - 수업용 가상환경 설정 | |
Chapter 02. 도구 사용 방법
(전체 러닝타임: 1:20:30) | 1. Jupyter notebook 실행 1 - Chrome 웹 브라우저 |
2. Jupyter notebook 실행 2 - VScode | |
3. Jupyter notebook 실행 3 - Colab | |
4. Jupyter notebook 실행 총 정리 | |
5. markdown 소개 | |
6. markdown 기본 글 쓰기 | |
7. markdown 제목 (Heading) | |
8. markdown 목록 | |
9. markdown 강조 | |
10. markdown 링크연결 | |
11. markdown 이미지 | |
12. markdown 코드블럭 | |
13. markdown 인용문/수평선/하이라이트/체크박스 | |
14. markdown 표 만들기 | |
15. markdown 문서 만들기 | |
Chapter 03. Pandas 기초
(전체 러닝타임: 2:44:09) | 1. Pandas 기초 강의 OT |
2. Series와 DataFrame 기본 개념 | |
3. Series와 DataFrame 인덱싱 | |
4. Series의 속성 | |
5. Series의 기능 | |
6. 실습 - Random seed로 샘플데이터 만들기 | |
7. 실습 - Series 만들기 | |
8. 실습 - Series 인덱싱과 슬라이싱 | |
9. 실습 - Series 속성 | |
10. 실습 - Series 기능 1 | |
11. 실습 - Series 기능 2 | |
12. DataFrame의 속성과 기능 | |
13. 실습 - DataFrame 만들기 | |
14. 실습 - DataFrame 인덱싱과 슬라이싱 | |
15. 실습 - DataFrame 속성 | |
16. 실습 - DataFrame 기능 1 | |
17. 실습 - DataFrame 기능 2 | |
Chapter 04. 서울시 범죄현황 데이터 분석
(전체 러닝타임: 3:52:35) | 1. 서울시 범죄현황 데이터 분석 프로젝트 소개 |
2. 공공데이터포털에서 데이터 수집 | |
3. 데이터 분석 준비 | |
4. 데이터 클리닝 | |
5. 데이터 전처리 1 - 피벗 테이블과 다중 컬럼 정리 | |
6. 데이터 전처리 2 - 구 컬럼 생성 (1) | |
7. 데이터 전처리 2 - 구 컬럼 생성 (2) | |
8. 데이터 전처리 2 - 구 컬럼 생성 (3) | |
9. 데이터 전처리 2 - 구 컬럼 생성 (4) | |
10. 데이터 전처리 3 - 검거율 컬럼 생성 (1) | |
11. 데이터 전처리 3 - 검거율 컬럼 생성 (2) | |
12. 데이터 전처리 4 - 데이터 정규화 (1) | |
13. 데이터 전처리 4 - 데이터 정규화 (2) | |
14. 데이터 전처리 5 - 범죄, 검거 평균 컬럼 생성 | |
15. 데이터 저장과 불러오기 | |
16. 서울시 5대 범죄 구 별 평균 시각화 1 - Box, Bar, Stacked Bar | |
17. 서울시 5대 범죄 구 별 평균 시각화 2 - Heatmap | |
18. Folium 1 - 설치 및 기본 사용법 익히기 | |
19. Folium 2 - Map, Marker, Icon | |
20. Folium 3 - Circle, CircleMarker | |
21. Folium 4 - Choropleth (지도 경계선 그리기) | |
22. 서울시 범죄 데이터 지도 시각화 |
Chapter 05. 축구선수 이적시장 분석
(전체 러닝타임: 6:12:35) | 1. 축구선수 이적시장 데이터를 활용한 데이터분석 입문 |
2. Appendix. 이 강의는 이렇게 들어보세요! | |
3. 이론 - Pandas 소개 | |
4. 실습 - Pandas 소개 | |
5. 이론 - 데이터셋 살펴보기 | |
6. 실습 - 데이터셋 살펴보기 | |
7. 이론 - 기초 통계 살펴보기 | |
8. 실습 - 기초 통계 살펴보기 | |
9. 이론 - 데이터 프레임 원하는 형태로 가공하기 | |
10. 실습 - 데이터 프레임 원하는 형태로 가공하기 | |
11. 이론 - Matplotlib 기초 - 8가지 기본 차트 그려보기 | |
12. 실습 - Matplotlib 기초 1 - bar, line(plot), scatter, pie | |
13. 실습 - Matplotlib 기초 2 - hist, boxplot, violin, heatmap | |
14. 이론 - Matplotlib 심화 | |
15. 실습 - Matplotlib 심화 | |
16. 이론 - 축구선수 몸 값 추이 | |
17. 실습 - 축구선수 몸 값 추이 | |
18. 이론 - 축구선수 몸 값과의 상관관계 - 나이 | |
19. 실습 - 축구선수 몸 값과의 상관관계 - 나이 | |
20. 이론 - 축구선수 몸 값과의 상관관계 - 포지션 | |
21. 실습 - 축구선수 몸 값과의 상관관계 - 포지션 | |
22. 이론 - 축구선수 몸 값과의 상관관계 - 출생지 | |
23. 실습 - 축구선수 몸 값과의 상관관계 - 출생지 (1) | |
24. 실습 - 축구선수 몸 값과의 상관관계 - 출생지 (2) | |
25. 실습 - 축구선수 몸 값과의 상관관계 - 출생지 (3) | |
26. 이론 - 축구 클럽 별 선수가치 총합 알아보기 | |
27. 실습 - 축구 클럽 별 선수가치 총합 알아보기 | |
28. 이론 - 축구선수 Stats 데이터 및 Selenium 소개 | |
29. 이론 - 축구선수 Stats 데이터 가져오기 | |
30. 실습 - 축구선수 Stats 데이터 가져오기 1 | |
31. 실습 - 축구선수 Stats 데이터 가져오기 2 | |
32. 실습 - 축구선수 Stats 데이터 가져오기 3 | |
33. 실습 - 축구선수 Stats 데이터 가져오기 4 | |
34. 이론 - 축구선수 몸 값과 Stats 간의 상관관계 | |
35. 실습 - 축구선수 몸 값과 Stats 간의 상관관계 1 | |
36. 실습 - 축구선수 몸 값과 Stats 간의 상관관계 2 | |
37. 이론 - 데이터를 기반으로 선수 몸 값을 평가해보자 | |
38. 실습 - 데이터를 기반으로 선수 몸 값을 평가해보자 1 | |
39. 실습 - 데이터를 기반으로 선수 몸 값을 평가해보자 2 | |
Chapter 06. 보험사 고객 데이터 분석
(전체 러닝타임: 3:25:02) | 1. 보험사 고객 데이터를 활용한 데이터분석 입문 |
2. 이론 - 데이터 셋 살펴보기 1 - 데이터 타입 | |
3. 실습 - 데이터 셋 살펴보기 1 - 데이터 타입 | |
4. 이론 - 고객 서베이 결과 살펴보기 | |
5. 실습 - 고객 서베이 결과 살펴보기 | |
6. 이론 - 샘플링 기법을 알아보자 | |
7. 실습 - 샘플링 기법을 알아보자 | |
8. 이론 - 샘플링 기법을 적용해보자 | |
9. 실습 - 샘플링 기법을 적용해보자 | |
10. 이론 - 데이터 셋 살펴보기 2 - 데이터 분포 (Numerical) | |
11. 실습 - 데이터 셋 살펴보기 2 - 데이터 분포 (Numerical) | |
12. 이론 - 데이터 셋 살펴보기 3 - 데이터 분포 (Categorical) | |
13. 실습 - 데이터 셋 살펴보기 3 - 데이터 분포 (Categorical) | |
14. 이론 - 변수와 보험 관심도 간의 상관관계 살펴보기 | |
15. 실습 - 변수와 보험 관심도 간의 상관관계 살펴보기 1 | |
16. 실습 - 변수와 보험 관심도 간의 상관관계 살펴보기 2 | |
17. 이론 - 고객 구분용 Score 개발 1 - 구간 별 차등 점수 | |
18. 실습 - 고객 구분용 Score 개발 1 - 구간 별 차등 점수 (1) | |
19. 실습 - 고객 구분용 Score 개발 1 - 구간 별 차등 점수 (2) | |
20. 이론 - 고객 구분용 Score 개발 2 - 로직 구현 | |
21. 실습 - 고객 구분용 Score 개발 2 - 로직 구현 (1) | |
22. 실습 - 고객 구분용 Score 개발 2 - 로직 구현 (2) | |
23. 실습 - 고객 구분용 Score 개발 2 - 로직 구현 (3) | |
24. 이론 - Score 기반 보험 관심 여부 예측 | |
25. 실습 - Score 기반 보험 관심 여부 예측 |