패키지_비전공자를 위한 데이터 추출부터 분석 활용 실습까지
90%45,000원
450,000원
이 과정은 고용24에 먼저 신청 후, 내일배움카드로 결제해야 최종 신청이 완료됩니다.
훈련과정 탐색표 보기
권장 수강 대상
취업 준비생
카테고리
🪙 국비지원
훈련 시간
52시간 44분
강의수
45개
강의 소개
커리큘럼
90% 국비지원으로 부담 없이 시작하세요!
🎁 수강하면 얻을 수 있는 것
• 강의 및 자료 평생 소장 - 언제든 복습할 수 있어요. • 1:1 Q&A 지원 - 담당 멘토가 직접 답변해 드려요. • 수료증 발급 - 이력서, 포트폴리오에 활용할 수 있어요. • 실무 프로젝트 실습 - 업무, 일상에 빠르게 적용할 수 있어요.
이런 고민이 있나요?
파이썬을 배웠는데 데이터 분석에 어떻게 활용해야 할지 모르겠어요
비전공 대학생 / 취업준비생
김**
데이터 분석을 하다 보니 통계 지식이 부족해서 이해가 어려워요
데이터 분석 입문자
박**
머신러닝 모델을 데이터 분석에 사용해보고 싶은데 방법을 모르겠어요
머신러닝 입문자
하**
현업 데이터를 다루지만, 분석 결과를 근거로 인사이트를 도출하고 설명하기가 어려워요
마케팅 실무자 / 비즈니스 기획자
이**
이렇게 성장할 수 있어요!
파이썬 설치부터 실전 프로젝트까지 경험하며 데이터 분석 역량을 키워요
비전공 대학생 / 취업준비생
김**
데이터 분석 각 단계에 필요한 통계와 확률 이론을 실습과 함께 배워요
데이터 분석 입문자
박**
머신러닝 프로세스를 이해하고 예측 모델을 직접 만들고 평가해요
머신러닝 입문자
하**
실무 데이터를 직접 분석하며 비즈니스 문제를 데이터로 설명하는 역량을 키울 수 있어요
마케팅 실무자 / 비즈니스 기획자
이**
과정 구성 안내
본 과정은 아래의 인기 강의들을 기반으로,
처음 시작하는 분도 데이터 추출 및 분석 활용이 가능하도록
가장 실용적인 커리큘럼으로 재구성한 패키지 과정입니다.
- 파이썬 어디까지 파봐썬
- 데이터 분석 ABC
- 쉽게 배울 수 있는 라이브러리 기초
- 머신러닝 기초 with Python
크리에이터
김인유
파이썬 교육자
안녕하세요! 무역회사 출신 비전공자로 6개월 만에 고용노동부 장관상을 수상한 파이썬 교육자입니다. 아이패드로 독학했던 경험을 바탕으로 여러분의 파이썬 나무를 쑥쑥 키워드릴게요!
• 비전공자 출신 파이썬 및 인공지능 교육자
• 고용노동부 장관상 수상
• 웹페이지, 데이터 분석, 인공지능 코딩 교육
김철민
한양대학교 지식서비스 연구소 책임
이영빈
• 모두의연구소 AI 교육 퍼실리테이터(2020.12~)
• AI GDE(2025.02~)
• "JAX/Flax로 딥러닝 레벨업" 저자
• NeuRIPS 2024 Workshop 논문저자(Zero2Story)
김태헌
• 데이터분석 교육 유튜버 겸 DevRel
• 모두의연구소 콘텐츠 제작 PD
• [파이선 딥러닝 텐서플로] 공동 저자
• AI 유튜버 [퇴근후딴짓] 채널 운영
• 머신러닝 스터디 모임 리딩(120회 이상)
커리큘럼
초급
52시간 44분
노드 01
파이썬과 환경설정
파이썬으로 세상에 인사하기
1-1
들어가며
5분
1-2
파이썬이란?
10분
1-3
파이썬 설치
10분
1-4
파이썬 실행
20분
1-5
파이썬으로 할 수 있는 것
10분
1-6
마무리하며
5분
노드 02
파이썬 용어들
파이썬 용어와 친해지기
2-1
들어가며
5분
2-2
표현식과 문장
10분
2-3
식별자
15분
2-4
주석과 출력 : print()
10분
2-5
파이썬 실행 모드
10분
2-6
파이썬의 인기 이유
10분
2-7
마무리하며
5분
노드 03
자료형(1)
숫자형과 문자열 다뤄보기
3-1
들어가며
5분
3-2
숫자 자료형들
10분
3-3
숫자 연산해보기
10분
3-4
문자열 자료형
15분
3-5
문자열 다루기
15분
3-6
마무리하며
5분
노드 04
자료형(2)
리스트와 튜플 다뤄보기
4-1
들어가며
5분
4-2
리스트 자료형
15분
4-3
리스트 관련 함수들
15분
4-4
튜플 자료형
15분
4-5
마무리하며
10분
노드 05
자료형(3)
딕셔너리, 집합, 불 그리고 변수까지 다뤄보기
5-1
들어가며
5분
5-2
딕셔너리 자료형
10분
5-3
딕셔너리 관련 함수
10분
5-4
집합(set) 자료형
15분
5-5
불(bool) 자료형
10분
5-6
변수
15분
5-7
마무리하며
10분
노드 06
조건문
파이썬으로 조건문 만들어보기
6-1
들어가며
5분
6-2
연산자
10분
6-3
if 조건문
10분
6-4
else 사용하기
15분
6-5
elif 사용하기
15분
6-6
조건문 연습하기
10분
6-7
마무리하며
5분
노드 07
반복문
자동으로 반복해주는 반복문 만들어보기
7-1
들어가며
5분
7-2
while 반복문
25분
7-3
for문과 range함수
25분
7-4
마무리하며
5분
노드 08
함수
파이썬에서 함수 만들고 사용해보기
8-1
들어가며
5분
8-2
예약어(Reserved Words)
15분
8-3
함수
15분
8-4
다양한 함수의 형태
20분
8-5
마무리하며
5분
노드 09
함수 활용하기
배웠던 함수 알차게 활용해보기
9-1
들어가며
5분
9-2
인수의 형식
20분
9-3
변수의 범위(variable scope)
15분
9-4
함수에서 재귀호출 사용하기
15분
9-5
마무리하며
5분
노드 10
프로젝트 실습
배웠던 내용을 토대로 1) 전화번호 가려주는 프로그램 만들기, 2) 리스트 평탄화, 3) 10 이하 숫자만 곱해주는 함수 만들기를 해 봅니다.
10-1
들어가며
5분
10-2
프로젝트 1 : 전화번호 가려주는 프로그램
15분
10-3
프로젝트 2 : 리스트 평탄화
20분
10-4
프로젝트 3 : 10 이하 숫자만 곱해주는 함수
15분
10-5
마무리하며
5분
노드 11
Hello Data World!
데이터 분석과 코딩의 중요성
11-1
들어가며
5분
11-2
알고 보면 모든 것이 데이터 (1)
15분
11-3
알고 보면 모든 것이 데이터 (2)
15분
11-4
머글이 아닌 마법사의 길로
20분
11-5
마무리하며
5분
노드 12
데이터 분석 ABC
데이터와 데이터베이스의 기본 개념
12-1
들어가며
5분
12-2
데이터와 데이터베이스 (1)
15분
12-3
데이터와 데이터베이스 (2)
22분
12-4
데이터와 데이터사이언스
18분
12-5
마무리하며
2분
노드 13
거북이와 함께 하는 파이썬 기초
파이썬 기초 구문 #자료형태와 자료구조, 제어문
13-1
들어가며
7분
13-2
거북이 띄우기
25분
13-3
파이썬 문법
25분
13-4
마무리하며
3분
노드 14
파이썬을 더 매력적으로!
기초 라이브러리 소개
14-1
들어가며
3분
14-2
기초 분석을 위한 라이브러리
35분
14-3
시각화를 위한 라이브러리
20분
14-4
마무리하며
2분
노드 15
우리 기업의 판매상태는 어떨까?
데이터 전처리와 기초 분석
15-1
들어가며
5분
15-2
상황 인식과 문제 정의
5분
15-3
데이터 분석
45분
15-4
마무리하며
5분
노드 16
우리 기업의 매출이 왜 감소할까?
EDA를 통한 데이터 분석
16-1
들어가며
5분
16-2
상황 인식과 문제 정의
5분
16-3
데이터 분석
45분
16-4
마무리하며
5분
노드 17
우리 기업의 고객은 왜 떠나갈까?
데이터 결합과 집계
17-1
들어가며
5분
17-2
상황 인식과 문제 정의
5분
17-3
데이터 분석
45분
17-4
마무리하며
5분
노드 18
우리 기업의 VIP는 누구인가?
빈도 분석과 RFM
18-1
들어가며
5분
18-2
상황 인식과 문제 정의
5분
18-3
데이터 분석
45분
18-4
마무리하며
5분
노드 19
우리 기업의 VIP고객들은 어떤 게임플레이를 하고 있을까?
상관 분석과 군집 분석
19-1
들어가며
5분
19-2
상황 인식과 문제 정의
5분
19-3
데이터 분석
45분
19-4
마무리하며
5분
노드 20
(프로젝트) 모두카페 꼼꼼히 살펴보기
배웠던 내용을 토대로 스터디까페 매출 데이터 분석하고 운영 전략 제시를 해 봅니다.
20-1
들어가며
5분
20-2
상황 인식과 문제 정의
5분
20-3
데이터 분석
40분
20-4
마무리하며
5분
노드 21
NumPy 기초
일반적인 Python과 NumPy를 비교하고 NumPy에서 자주 사용하는 메소드에 대해 공부합니다.
21-1
들어가며
15분
21-2
NumPy란?
10분
21-3
NumPy ndarray
10분
21-4
NumPy의 주요 method 알아보기
10분
21-5
연습문제
10분
노드 22
파이썬에서 데이터프레임을 다루는 패키지 : pandas 1편
Dataset Description을 읽는 방법과 pandas documentation을 읽는 방법에 대해 공부하고 결측치를 제거하는 방법에 대해 공부합니다.
22-1
들어가며
20분
22-2
Pandas 소개 및 사용할 Dataset에 대한 소개
30분
22-3
데이터의 기본적인 내용 분석하기
30분
22-4
결측지 확인 및 제거하기
15분
22-5
연습문제
25분
노드 23
파이썬에서 데이터프레임을 다루는 패키지 : pandas 2편
pandas로 데이터 전처리를 진행하고 탐색적 데이터분석(Exploratory Data Analysis)를 진행하는 방법에 대해 익힙니다.
23-1
들어가며
20분
23-2
데이터 정제하기
1시간
23-3
GroupBy 연산으로 EDA 진행하기
1시간
23-4
연습문제
1시간
노드 24
데이터 시각화 라이브러리 : Matplotlib
파이썬에서 가장 대표적인 시각화 라이브러리인 matplotlib에 대해 공부하고 다양한 시각화 방식을 공부하고 응용합니다.
24-1
들어가며
20분
24-2
그래프를 처음부터 그려보자 - matplotlib 기초
15분
24-3
그래프를 더 꾸며봐요
20분
24-4
다양한 그래프 그려보기
15분
24-5
연습문제
20분
노드 25
입문 프로젝트: 코로나19 데이터를 분석해보자!
코로나19 데이터로 Pandas를 활용한 데이터 분석을 연습해봅시다.
25-1
코로나19 데이터를 분석해보자!
1시간
노드 26
프로젝트: 최고의 국가대표팀을 가려내자!
FIFA 데이터를 기반으로 최고의 국가대표팀을 가려내는 프로젝트입니다.
26-1
FIFA 데이터 기반으로 현재 최고의 국가대표팀을 가려내자!
3시간
노드 27
데이터분석 확률/통계
데이터 사이언스에서 확률/통계의 중요성과 앞으로 다룰 확률/통계의 범위에 대해서 알아보겠습니다.
27-1
들어가며
5분
27-2
데이터 분석에서 확률 통계가 중요한 이유와 범위
45분
노드 28
데이터란?
데이터의 종류를 이해하고, 모집단에서 표본을 뽑는 방법, 통계량을 추출하는 방법, 추정, 샘플링 방법들에 대해서 알아보겠습니다.
28-1
들어가며
5분
28-2
데이터에 대한 이해
5분
28-3
확률
25분
28-4
추론통계, 표본추출
25분
노드 29
데이터 마이닝 (데이터 전처리)
데이터 마이닝, 특히 데이터 전처리 방법들을 확률/통계에 기반하여 알아보겠습니다.
29-1
들어가며
5분
29-2
기초 통계량
20분
29-3
데이터 에러와 이상치 검출
25분
29-4
데이터 정제
5분
29-5
불균형 변수처리
5분
노드 30
데이터 마이닝 (시각화 + EDA)
데이터 마이닝에서의 시각화와 탐색적 데이터 분석에 대하여 다루겠습니다.
30-1
들어가며
5분
30-2
시각화
10분
30-3
EDA
45분
노드 31
특성 엔지니어링
특성 엔지니어링을 통해 데이터에서 변수를 추출하고 선택하는 법에 대해서 알아보겠습니다.
31-1
들어가며
5분
31-2
특성과 특성엔지니어링
55분
노드 32
데이터 분석
통계 기반의 데이터 분석 방법에 대해서 소개할 예정입니다.
32-1
들어가며
5분
32-2
데이터 분석 및 통계기반 데이터 분석방법
15분
32-3
회귀, 머신러닝, 모형 복잡도
40분
노드 33
분석 결과 해석 (검정 및 평가)
분석 모델에 따른 검정 방법 및 분석 결과를 해석하는 방법에 대하여 다룰 예정입니다.
33-1
들어가며
5분
33-2
평가 지표
45분
33-3
분석모형진단
10분
33-4
중간정리
5분
노드 34
프로젝트: 타이타닉 데이터 분석
캐글의 타이타닉 데이터를 이용하여 데이터 전처리부터 모델링, 성능평가까지 진행해 봅니다.
34-1
들어가며
5분
34-2
프로젝트 실습-데이터 확인 및 전처리
25분
34-3
프로젝트 실습-EDA, 모델링, 성능평가
40분
34-4
총정리
5분
노드 35
심화탐구 프로젝트: 분석 결과 해석하기
이전에 수행한 "프로젝트: 타이타닉 데이터 분석"에서 얻은 결과를 바탕으로, 타이타닉 데이터를 분석해 봅시다.
35-1
타이타닉 데이터 해석하기
1시간
노드 36
머신러닝 시작하기
머신러닝이 있기 전에는 어떤 방식으로 문제를 해결했을까요? 이번 노드에서는 전통적인 룰베이스 방식과 머신러닝을 비교하고 머신러닝 프로세스를 설명해요.
36-1
들어가며
2분
36-2
AI로 바뀌는 세상
10분
36-3
머신러닝이란?
10분
36-4
머신러닝 모델
10분
36-5
머신러닝 프로세스
20분
36-6
자주 사용하는 용어
10분
36-7
마무리하며
2분
노드 37
데이터 핸들링1
판다스는 엑셀과 같이 데이터를 다루는 도구에요. 다만 마우스가 아닌 코딩으로 데이터를 핸들링한답니다. 판다스 라이브러리를 활용해 데이터를 불러오고, 저장, 선택, 추가, 변경 등 실습을 시작해 봐요.
37-1
들어가며
2분
37-2
라이브러리 불러오기
5분
37-3
데이터프레임과 시리즈
10분
37-4
데이터 불러오기 및 저장
10분
37-5
데이터 선택하기
10분
37-6
인덱싱/슬라이싱
15분
37-7
Index 다루기
10분
37-8
행과 열 추가
10분
37-9
값 변경
10분
37-10
마무리하며
2분
노드 38
데이터 핸들링2
판다스를 통해 데이터 삭제, 결측치 처리, 정렬, 자료형 변환, 내장함수 활용, 그룹핑, apply함수 등 데이터 전처리를 위한 실습을 진행해요.
38-1
들어가며
2분
38-2
데이터 불러오기/만들기
3분
38-3
데이터 삭제
12분
38-4
결측치 처리
8분
38-5
정렬
6분
38-6
자료형 변환
5분
38-7
데이터 탐색
5분
38-8
내장함수
8분
38-9
그룹핑
6분
38-10
apply함수
7분
38-11
마무리하며
2분
노드 39
사이킷런 살펴보기
"사이킷런은 머신러닝을 위한 파이썬 라이브러리에요!
사이킷런을 통해 데이터 전처리부터, 머신러닝 모델 학습 그리고 평가까지 무작정 시작해보아요."
39-1
들어가며
2분
39-2
사이킷런 활용하기
5분
39-3
데이터 전처리: 범주형 데이터
35분
39-4
데이터 전처리: 수치형 데이터
7분
39-5
사이킷런에서 제공하는 데이터셋
10분
39-6
머신러닝
16분
39-7
공식문서 소개
3분
39-8
마무리하며
2분
노드 40
지도학습(분류)
분류 머신러닝 모델을 소개하고 실습을 진행해요. 기본 모델을 평가해보고, 모델 성능을 높이기 위한 하이퍼파라미터 튜닝을 간단히 진행합니다.
40-1
들어가며
2분
40-2
의사결정나무
10분
40-3
랜덤포레스트
10분
40-4
xgboost
20분
40-5
교차검증
15분
40-6
평가(분류)
10분
40-7
마무리하며
2분
노드 41
지도학습(회귀)
회귀 머신러닝 모델을 소개하고 실습을 진행해요. 선형회귀에 규제를 적용한 모델과 비교하고, xgboost 모델에 적용할 하이퍼파라미터를 자동으로 탐색해 봅니다.
41-1
들어가며
2분
41-2
선형 회귀
10분
41-3
릿지 회귀
15분
41-4
라쏘 회귀
10분
41-5
엘라스틱넷 회귀
2분
41-6
랜덤포레스트 & xgboost
2분
41-7
하이퍼파라미터 튜닝
15분
41-8
평가(회귀)
7분
41-9
마무리하며
2분
노드 42
비지도학습
비지도학습에서는 차원축소의 대표적인 방법인 PCA와 여러 PCA방법을 살펴보고, 군집(클러스터링)에서는 비계층적 군집분석인 K-means와 계층적 군집분석인 덴드로그램에대해 알아봅니다.
42-1
들어가며
2분
42-2
차원축소
30분
42-3
군집(클러스터링)
30분
42-4
마무리하며
2분
노드 43
자연어 처리
지금까지 정형데이터를 기반으로해 머신러닝을 실습했다면 이번 시간에는 비정형데이터(자연어)를 기반으로 머신러닝에 적용해볼게요.
43-1
들어가며
2분
43-2
자연어 처리 기초
20분
43-3
감성 분석
20분
43-4
자연어 전처리
20분
43-5
마무리하며
2분
노드 44
이미지 처리
머신러닝은 딥러닝을 포함하고 있어요. 딥러닝(텐서플로)를 통해 간단한 비정형 데이터(이미지)를 분류해 봅시다.
44-1
들어가며
2분
44-2
딥러닝
20분
44-3
이미지 분류
30분
44-4
CNN을 활용한 이미지 분류
10분
44-5
마무리하며
2분
노드 45
머신러닝 프로젝트
배웠던 내용을 토대로 Airbnb 가격 예측 프로젝트를 진행 해 봅니다.
45-1
들어가며
2분
45-2
머신러닝 프로젝트
40분
45-3
마무리하며
2분
45-4
부록-이미지 데이터 만들고 분류하기
20분
90% 국비지원 이번 달 종료 예정!
⏳ 12월 31일까지 놓치지 마세요.