01_데이터 분석이란 | 01. 강의소개 |
02. 데이터분석 예시 | |
02_파이썬 기초 | 01. 파이썬이란 |
02. 개발 환경 (Colaboratory) | |
03. 숫자와 문자열 자료형 | |
04. 리스트, 딕셔너리, 집합 | |
05. 조건문과 반복문 | |
06. 함수 | |
07. 클래스 | |
08. 파일 읽기쓰기 | |
09. 예외 처리 | |
10. 라이브러리 | |
03_판다스 기초 | 01. 판다스 데이터 구조 |
02. 데이터 선택하기 | |
03. 데이터 불러오기내보내기 | |
04. 데이터 가공하기 | |
05. 데이터 합치기 | |
06. 데이터 그룹화하기 | |
04_시각화 기초 | 01. 다양한 그래프 종류 |
02. matplotlib | |
03. seaborn | |
04. 인터렉티브 시각화 | |
05_머신 러닝 기초 | 01. 머신 러닝이란 |
02. 모델 평가 지표 | |
03. 머신러닝 프로젝트 Workflow | |
04. 딥 러닝 | |
06_SQL 기초 | 01. 데이터베이스란 |
02. SQL 기초 | |
03. SQL GROUP BY & JOIN | |
07_데이터 분석 시나리오 Part 1 - Overview | 01. 데이터 분석 실전 시나리오 Overview |
02. Part 1 Overview | |
03. 회사에서 데이터 분석가가 하는 역할 | |
04. 현업에서 다루는 데이터의 종류 | |
08_실전 프로젝트 1 - 유저행동 데이터로 서비스 건강성 분석하기 | 01. 데이터에서 지표를 만들어내는 방법 |
02. 데이터 살펴보기 | |
03. 지표 1. Active Users | |
04. TIP. 그래프 이쁘게 만들기 | |
05. 지표 2. 유저수와 세션수 | |
06. 지표 3. 코호트 분석 이론 | |
07. 지표 3. 코호트 분석 실습 | |
08. 분석 보고서 만들기 | |
09. 그 외 다양한 지표들 | |
09_실전 프로젝트 2 - 유저군집 분석하기 | 01. 클러스터링 이론 |
02. 데이터 살펴보기 | |
03. 데이터 정제하기- Cleaning | |
04. 상관계수 | |
05. 데이터 전처리하기- Preprocessing | |
06. 차원 축소 | |
07. 유저 세그먼트 나누기- Clustering | |
08. 모델 평가하기- Evaluation | |
09. 다양한 클러스터링 모델 사용해보기 | |
10. Part 1 마무리하기 | |
10_데이터 분석 시나리오 Part 2 - Overview | 01. Part 2 Overview |
02. 들어가기 전에 - 데이터 분석 전 도메인 파악하기- 마케팅 | |
11_실전 프로젝트 3 - 통계적 이론을 활용한 마케팅 데이터 분석 | 01. 데이터 살펴보기 |
02. 도메인 지식을 활용한 채널 기여도 분석 | |
03. Markov Chain 이론 | |
04. Markov Chain 을 통한 채널 기여도 분석 1 | |
05. Markov Chain 을 통한 채널 기여도 분석 2 | |
12_실전 프로젝트 4 - 머신러닝을 활용한 마케팅 예산 분배 최적화 | 01. 데이터 살펴보기 |
02. 회귀분석 | |
03. 데이터 전처리하기 | |
04. 머신러닝에서 딥러닝으로 확장하기 | |
05. Logistic Regression 을 활용한 마케팅 예산 분배 최적화 | |
06. 마케팅 예산 분배 시뮬레이션 | |
07. Part 2 마무리하기 | |
13_데이터 분석 시나리오 Part 3 - Overview | 01. 자연어 처리가 필요한 이유 |
02. 텍스트 전처리 | |
14_실전 프로젝트 5 - 토픽 모델링으로 리뷰 한눈에 보기 | 01. Project Overview |
02. 스마트폰 리뷰 데이터 살펴보기 | |
03. 워드클라우드로 키워드 한눈에 보기 | |
04. TF-IDF 이론 | |
05. TF-IDF로 의미없는 키워드 제거하기 | |
06. 토픽 모델링 이론 | |
07. LDA를 이용한 리뷰 주제 분석 | |
15_실전 프로젝트 6 - 감성분석으로 리뷰반응 살피기 | 01. Project Overview |
02. 의류 리뷰 데이터 살펴보기 | |
03. 사전으로 하는 감성 분석 | |
04. 토픽으로 하는 감성 분석 | |
05. 통계로 하는 감성 분석 | |
06. 딥러닝으로 하는 감성 분석 | |
07. 자연어 처리 최신 트렌드 | |
16_실전 프로젝트 7 - 유저/상품 협업 필터링으로 추천하기 | 01. 추천 시스템이 쓰이는 곳 |
02. 추천 알고리즘의 종류 | |
03. Project Overview | |
04. OTT 추천 데이터 살펴보기 | |
05. 유저-상품 기반 협업 필터링 이론 | |
06. 몸풀기 - 인기 기반 추천 | |
07. 유저-상품 기반 협업 필터링으로 추천하기 실습 | |
17_실전 프로젝트 8 - 모델기반 협업 필터링으로 추천하기 | 01. Project Overview |
02. 쇼핑몰 상품 추천 데이터 살펴보기 | |
03. 행렬 분해(Matrix Factorization) 이론 1 | |
04. 행렬 분해(Matrix Factorization) 이론 2 | |
05. 모델 기반 협업 필터링으로 구매 상품 추천하기 | |
06. 고도화된 추천 시스템 살펴보기 | |
18_실전 프로젝트 9 - 이탈 예측하기 | 01. 이탈 예측이란 |
02. 고객 이탈 정의하기 | |
03. Project Overview | |
04. 통신사 계약 해지 데이터 살펴보기 | |
05. 트리 모델 이론 | |
06. 트리 모델로 이탈 예측하기 | |
19_실전 프로젝트 10 - 이탈예측 성능 끌어올리기 | 01. Project Overview |
02. 서비스 구독 취소 데이터 살펴보기 | |
03. 트리 앙상블 이론 1- 랜덤 포레스트 | |
04. 트리 앙상블 이론 2- 부스팅 모델 | |
05. 트리 앙상블 모델로 이탈 예측하기 | |
06. 설명 가능한 머신 러닝 | |
20_데이터 분석 실무로 한 걸음 더 | 01. 다양한 업무 환경에서 분석가로 살아남기 |
02. 이외의 문제에 답할 수 있는 다양한 분석 및 모델링 기법 | |
03. 데이터 분석가로 취업하기 |