데이터 사이언스에 대한 기본적인 개념을 정립하는 강좌입니다. 수학&통계학에서 배운 내용들이 데이터 사이언스에 어떻게 활용되는지 수식, 코드와 더불어 자세한 설명을 제공하고 있습니다. 따라서 본 수업 수강을 위해서는 선형대수학, 미분방정식 및 약간의 회귀분석 지식이 필수입니다. (질문 사항이 있으신 분은 Q&A 및 FAQ를 참조해주세요.)

2020년 1월 강의 공지 (11월 26일부터 결제 가능)

1. 강의 일정 – 1월 4일, 5일, 11일, 12일 – 10am~1pm, 2pm~5pm (일 6시간)

  • 수강 신청 종료일 12월 30일 (인원제한에 따라 조기 종료 가능)
  • 강의장: 서초구 사평대로 369 유성빌딩 3층 (2층은 회사 업무 중)
  • 동영상 및 강의 자료는 강의 시작일 직전에 열어드립니다

2. 본 과정의 선수 과목인 수학 & 통계학 강좌는 온라인 강의로만 운영됩니다. 선수 과목 수강 여부는 본인의 선택입니다만, 선수 과목의 기초 수학을 모르시는 분은 무모한 도전을 삼가주시기 바랍니다

3. 복습용 동영상 수강자 분은 우측의 Start Course 버튼을 누르고 강의 영상을 시청하시면 됩니다

4. 강의 계획서 내용은 12월 말에 일부 변경될 예정입니다

5. 향후 강의 스케줄 문의는 사절합니다

 

 

Course Curriculum

0. Introduction
빅데이터에 대한 올바른 정의 FREE 00:15:00
머신러닝에 대한 오해 FREE 00:00:00
딥러닝에 대한 오해 FREE 00:00:00
데이터 사이언티스트의 업무 FREE 00:00:00
빅데이터 예시 FREE 00:00:00
데이터 사이언스 프로젝트 예시 FREE 00:00:00
R 기본 코드 간단 설명 FREE 00:00:00
1. Regression Analysis
Lecture 1 – Section 0 – A/B Test 00:00:00
Lecture 1 – Section 1 – 머신러닝에서 바라 본 Linear Regression 00:00:00
Lecture 1 – Section 1 – 머신러닝에서 바라 본 Linear Regression (Coding) 00:00:00
Lecture 1 – Section 2 – Regularization이란? Optimization vs. Generalization 00:00:00
Lecture 1 – Section 2 – Regularization이란? Optimization vs. Generalization (Coding) 00:00:00
2. Classification Analysis
Lecture 2 – Section 1 – Logistic regression 00:00:00
Lecture 2 – Section 1 – Logistic regression (Coding) 00:00:00
Lecture 2 – Section 2 – Support Vector Machine 00:00:00
Lecture 2 – Section 2 – Support Vector Machine (Coding) 00:00:00
Lecture 2 – Section 3 – Precision vs. Recall 00:00:00
Lecture 2 – Section 3 – Precision vs. Recall (Coding) 00:00:00
3. Data Grouping
Lecture 3 – Section 1 – k-Nearest Neighbor (kNN) 00:00:00
Lecture 3 – Section 2 – k-Means 00:00:00
Lecture 3 – Section 2 – knn & k-Means (Coding) 00:00:00
Lecture 3 – Section 3 – Principal Component Analysis (PCA) 00:00:00
Lecture 3 – Section 3 – PCA 1 (Coding) 00:00:00
Lecture 3 – Section 3 – PCA 2 (Coding) 00:00:00
4. Ensemble Models
Lecture 4 – Section 1 – Decision Tree 00:00:00
Lecture 4 – Section 2 – Bagging 00:00:00
Lecture 4 – Section 3 – Boosting 00:00:00
Lecture 4 – Section 4 – Ensemble 1 (Coding) 00:00:00
Lecture 4 – Section 4 – Ensemble 2 (Coding) 00:00:00
Lecture 4 – Appendix – Missing Data 처리법 (Coding) 00:00:00
5. Neural Network - Basic
Lecture 5 – Section 1 – Neural Network Basics 00:00:00
Lecture 5 – Section 1 – Neural Network Basics (Coding) 00:00:00
Lecture 5 – Section 2 – Autoencoder 00:00:00
Lecture 5 – Section 2 – Autoencoder (Coding) 00:00:00
Lecture 5 – TensorFlow 활용 샘플 1 (Coding) 00:00:00
Lecture 5 – TensorFlow 활용 샘플 2 (Coding) 00:00:00
6. Neural Network - Advanced
Lecture 6 – Section 1 – Convolutional Neural Network (CNN) 00:00:00
Lecture 6 – Section 1 – CNN (Coding) 00:00:00
Lecture 6 – Section 2 – Recurrent Neural Network (RNN) 00:00:00
Lecture 6 – Section 2 – RNN (Coding) 00:00:00
7. Pattern Recognition
Lecture 7 – Section 1 – Anomaly Detection 00:00:00
Lecture 7 – Section 1 – Anomaly Detection (Coding) 00:00:00
Lecture 7 – Section 2 – Association Rule 00:00:00
Lecture 7 – Section 2 – Association Rule (Coding) 00:00:00
Lecture 7 – Section 3 – Recommender System 00:00:00
Lecture 7 – Section 3 – Recommender System (Coding) 00:00:00
8. Reinforcement Learning
Lecture 8 – Section 1 – Reinforcement Learning 00:00:00
Lecture 8 – Section 1 – Reinforcement Learning (Coding) 00:00:00
Lecture 8 – Section 2 – Other topics 00:00:00
Lecture 8 – Section 2 – Other topics (Coding) 00:00:00
X