IT 직무교육

  • 카카오톡
  • 네이버블로그
  • 페이스북
  • 인스타그램
빅데이터 R 분석 마스터
교육시간 09:30 ~17:30 [평일반]
교육일정 신청하신 교육의 참여기간은 등록하신 날 부터 1년이내 들을 수 있습니다.
교육비용 2,099,200원
(20%할인금액)		 교육문의 ☎ 02 . 539 . 8879

 

​

 

주제 강의주요내용 시간
R 기초 문법 및패키지 사용법
  • R 프로그램 개요 및 기초문법
  • ⓐ R 설치(R Stu및dio) 및 기본 메뉴 실습
  • ⓑ 데이터의 유형 자료구조 이해
  • ⓒ 데이터 입출력 및 파일 처리
  • ⓓ 제어문과 반복문

  • R 패키지 및 함수 사용
  • ⓐ 패키지 설치 및 사용법
  • ⓑ 사용자 정의함수 및 내장함수
 7H
데이터 시각화및 특성 분석
  • 데이터 분석을 위한 전처리
  • ⓐ 데이터 특성 분석
  • ⓑ 데이터 전처리

  • 데이터 리모델링
  • ⓐ 데이터 리모델링 패키지(plyr, dplyr,reshape,reshape2)

  • 정형 데이터와 비정형 데이터 처리
  • ⓐ 정형 데이터 처리(SQL 데이터 처리)
  • ⓑ 비정형 데이터 처리(워드클라우드 및 연관어 분석)

  • 데이터 분석을 위한 시각화
  • ⓐ 이산변수와 연속변수 시각화
 7H
기술/추론통계
예측 분석
  • 기술통계분석
  • ⓐ 척도별 기술통계량 연산
  • ⓑ 교차분석과 교차표 작성
  • ⓒ chi-square 분석 및 검정

  • 집단별 비율 및 평균 차이 검정
  • ⓐ 집단별 비율 차이 검정(binom, prop)
  • ⓑ 집단별 평균 차이 검정( T-test, Anova)

  • 지도학습(Supervised Learning)
  • ⓐ 상관/회귀분석(Correlation and Regression Analysis)
  • ⓑ 분류분석(Decision Tree)
 7H
군집 및 연관분석
시계열 분석
  • 시계열 분석
  • ⓐ 시계열 예측 모형에 적합한 데이터 생성
  • ⓑ 시계열 데이터를 이용한 미래 예측
  • ⓒ 시계열모형 예측 도식화

  • 비지도학습(unSupervised Learning)
  • ⓐ 군집분석(Clustering Analysis)
  • ⓑ 연관분석(Association Rule)
 7H
Machine Learning:
소개 및 분석환경 구축
  • Machine Learning 개요 및 적용 사례
  • Machine Learning을 위한 R 리뷰
  • Machine Learning을 위한 데이터 반입/처리
  • 데이터 탐색 및 시각화
 7H
Machine Learning:
추천 및 패턴
  • 추천 알고리즘 이해 및 사례: Amazon.com의 도서 추천
  • k-NN을 이용한 콘텐츠/서비스 추천
  • 아이템기반협업필터링을 이용한 콘텐츠/서비스 추천
  • 유저기반협업필터링을 이용한 콘텐츠/서비스 추천
  • Association Rule을 통한 온라인 서비스 Transaction에서 의미있는 패턴 발견
  • SAR 활용 순서 반영 패턴의 발견
 7H
Machine Learning:
군집 및 그래프
  • 군집 알고리즘의 이해 및 사례: 온라인 서비스 고객 군집의 발견
  • K-means Clustering
  • Hierarchical Clustering
  • 그래프 분석의 이해 및 사례: 교통 데이터의 그래프 분석
  • 그래프 시각화, 특성 이해 및 분석
  • 그래프 내 커뮤니티 발견 및 링크 예측
 7H
Machine Learning:
분류모형 with Text Mining
  • 다양한 분류모형 개요 및 사례: 스팸 메일 텍스트 마이닝 및 필터링
  • 비정형 데이터 분류를 위한 텍스트 마이닝 개요 및 실습: 뉴스/고객리뷰 분석
  • Naive Bayes를 이용한 부도 예측/일기예보/스팸 필터링
  • Random Forest를 이용한 부도 예측/일기예보/비행기 연착 예측
  • 병렬처리를 이용한 Random Forest 개선
  • 다양한 분류모형 활용 전략
 7H
Machine Learning:
다양한 분류모형
  • K-Nearest Neighbors를 이용한 부도 예측/일기예보
  • Deep Learning VS Shallow Learning: Support Vector Machine과 Neural Network
  • Support Vector Machine을 이용한 부도 예측/일기예보/스팸 필터링
  • Artificial Neural Network를 이용한 부도 예측/일기예보/스팸 필터링
  • Deep Learning 살펴보기
  • 최종실습: Machine Learning을 통한 예측 및 Web Dashboard를 이용한 시각화
  • Wrap-up
 7H
Deep Learning 소개 및 활용전략
  • Deep Learning 소개 및 활용전략 : Data Analytics Overview, Deep Learning에 대한 이해 및 활용 분야 이해
 2H
Deep Learning with 오픈소스
  • Deep Learning 지원 다양한 오픈소스 소개
 3H
Deep Learning 사례
  • Deep Learning 활용 사례(1)
 2H
R을 이용한 Deep Learning 소개
  • R 리뷰 및 R에서의 Deep Learning 활용 방안 이해, 환경 구축
 2H
Deep Learning with R 사용환경 구축
  • R 리뷰 및 R에서의 Deep Learning 활용 방안 이해, 환경 구축
 2H
Deep Learning with R-Elman NN / Jornan NN
  • Deep Learning 알고리즘 습득 및 실제 데이터 적용
 2H
Deep VS Shallow
  • Deep Learning VS Shallow Learning
 1H
Deep Learning with R-Autoencoder, Stacked autoencoder
  • Deep Learning 알고리즘 습득 및 실제 데이터 적용
 3H
Deep Learning with R 사례
  • Deep Learning 활용 사례(2)
 1H
Deep Learning with R-Restricted Boltzmann machine
  • Deep Learning 알고리즘 습득 및 실제 데이터 적용
 3H
Deep Learning with R -Deep Belief Network
  • Deep Learning 알고리즘 습득 및 실제 데이터 적용
 2H
Deep Learning with R 사례
  • Deep Learning 활용 사례(3)
 1H
Deep Learning 알고리즘 활용 전략
  • Deep Learning 알고리즘 비교 및 활용 방안
 2H
미니프로젝트
  • Deep Learning를 활용한 최종 실습
 2H
신청자(필수)
생년월일(필수) 예)820506
수강형태(필수)
결재방법(필수)
교육일정선택(필수)
문의사항

개인정보 수집 및 이용

수집하는 개인정보의 항목

수집하는 목적/방법에 따라 수집하는 개인정보 항목은 다음과 같습니다.
- 기본 개인정보 정보
　신청자, 샌년월일, 연락처, 이메일, 회사명

- 마케팅/서비스 이용을 위한 정보
　신청자, 주민등록번호, 연락처, 이메일, 회사명

- 서비스 이용 중 발생되는 정보
　서비스 이용기록, 접속로그, 쿠키
　결재수단에 대한 기록여부(계좌), 결재기록

개인정보 수집 및 이용 목적

에이콘 아카데미는 수집한 개인정보를 다음의 목적을 위해 활용합니다.
- 서비스 제공에 관한 계약 이행 및 서비스 제공에 따른 요금정산 목적
학습진행, 컨텐츠 제공, 구매 및 요금 결제, 물품배송 또는 청구지 등 발송
- 회원 관리
회원제 서비스 이용에 따른 본인확인, 개인 식별, 불량회원의 부정 이용 방지와
비인가사용 방지, 가입 의사 확인, 연령확인, 불만처리 등 민원처리, 고지사항 전달
- 마케팅 및 광고에 활용
신규 서비스(제품) 개발 및 특화, 이벤트 등 광고성 정보 전달, 인구통계학적 특성에 따른
서비스 제공 및 광고 게재, 접속 빈도 파악 또는 회원의 서비스 이용에 대한 통계
- 고용보험 과정의 노동부 신고
회원이 신청한 과정이 고용보험 대상 과정인 경우 고용보험 환급을 이유로 노동부에 신고하게 됩니다.

개인 정보 보유 및 이용기간

원칙적으로, 개인정보 수집 및 이용목적이 달성된 후에는 해당 정보를 지체 없이 파기합니다.
단, 다음의 정보에 대해서는 아래의 이유로 명시한 기간 동안 보존합니다.

보존 항목 : 신청자, 주민등록번호, 연락처, 이메일, 회사명
보존 근거 : 고용보험 환급 적정성 심의
보존 기간 : 3년

그리고 관계법령의 규정에 의하여 보존할 필요가 있는 경우 회사는 아래와 같이 관계법령에서 정한 일정한 기간 동안 회원정보를 보관합니다.
1) 기타 법령에 따른 보유기간/관계법 안내
- 계약 또는 청약철회 등에 관한 기록 : 5년 (전자상거래 등에서의 소비자 보호에 관한 법률)
- 대금결제 및 재화 등의 공급에 관한 기록 : 5년 (전자상거래 등에서의 소비자 보호에 관한 법률)
- 소비자의 불만 또는 분쟁처리에 관한 기록 : 3년 (전자상거래 등에서의 소비자 보호에 관한 법률)
- 본인확인에 관한 기록 보존 이유 : 정보통신 이용촉진 및 정보보호 등에 관한 법률 보존 기간 : 6개월
- 방문에 관한 기록 보존 이유 : 통신 비밀 보호법 보존 기간 : 3개월

수강신청하기

로그인

로그인

Back to Top

회원가입