전체교육일정
교육개요
데이터의 본질을 파헤치고, 미시적인 통계에서 거시적인 인사이트를 발견하는 여정에 여러분을 초대합니다. 단 하나의 강의로 데이터분석의 모든 것, CRISP-DM 방법론부터 통계 기초까지의 이론과 실전을 경험하세요. 단순 분석을 넘어 시각화를 통해 데이터 이야기를 들려주는 능력, 이 과정을 통해 개발하실 수 있습니다. '데이터분석 및 시각화' 강좌로 데이터 분석가로서의 첫걸음을 단단히 다져보세요.
교육목표
데이터 분석과 시각화 핵심 개념을 체계적으로 학습하고, CRISP-DM부터 통계 기초까지 폭넓게 다루어 역량을 향상시킵니다.
강의내용
[Chapter1. 데이터 분석 방법론(CRISP-DM)]
· 학습 목표
데이터 분석을 위해 CRISP-DM 방법론을 이해하고 적용하는 방법을 학습합니다.
· 주요 내용
1. CRISP-DM, 비즈니스 이해 ~ 데이터 이해
2. CRISP-DM, 모델링 ~ 배포
3. 분석을 위한 데이터 구조
[Chapter2. 시각화 라이브러리]
· 학습 목표
시각화 라이브러리를 사용하여 데이터를 효과적으로 시각화할 수 있으며, 시각적 표현을 통해 인사이트를 도출하는 능력을 갖춥니다.
· 주요 내용
1. 기본 그래프 그리기
2. 여러 그래프 함께 그리기
3. 분석을 위한 그래프
[Chapter3. 단변량 분석 - 수치형 변수]
· 학습 목표
수치형 변수의 특성을 이해하고, 통계적인 방법으로 데이터를 분석하고 해석하는 방법을 학습합니다.
· 주요 내용
1. 수치형 변수의 기초 통계량
2. 시각화1 – Histogram, Density plot
3. 시각화2 – Boxplot
[Chapter4. 단변량 분석 - 범주형 변수]
· 학습 목표
범주형 변수의 특성을 파악하고, 적절한 통계적 기법을 활용하여 데이터를 해석하는 방법을 학습합니다.
· 주요 내용
1. 범주형 변수의 기초통계량
2. 시각화: Bar plot, Pie chart
[Chapter5. 통계 기초]
· 학습 목표
통계적 개념을 이해하고, 실제 데이터에 통계적 기법을 적용하여 의미 있는 결과를 도출하는 방법을 학습합니다.
· 주요 내용
1. 가설수립과 검정
2. 평균과 모집단 추정
3. 중심극한정리와 신뢰구간
[Chapter6. 이변량 분석1: 숫자형 vs 숫자형]
· 학습 목표
두 수치형 변수 간의 관계를 이해하고, 상관 관계 및 회귀 분석을 통해 패턴을 발견하는 방법을 학습합니다.
· 주요 내용
1. 시각화: 산점도
2. 가설검정: 상관분석
[Chapter7. 이변량 분석2: 범주형 vs 숫자형]
· 학습 목표
범주형 변수와 수치형 변수 간의 관계를 파악하고, 효과적인 분석을 통해 인사이트를 얻는 방법을 학습합니다.
· 주요 내용
1. 시각화: 평균비교 Barplot
2. 가설검정1: t-test
3. 가설검정2: 분산분석
[Chapter8. 이변량 분석3: 범주형 vs 범주형]
· 학습 목표
범주형 변수 간의 상호작용을 이해하고, 카이제곱 검정 등의 통계 기법을 사용하여 관련성을 파악하는 방법을 학습합니다.
· 주요 내용
1. 교차표: pd.crosstab
2. 시각화: mosaic plot
[Chapter9. 이변량 분석4: 숫자형 vs 범주형]
· 학습 목표
수치형 변수와 범주형 변수 간의 관계를 분석하고, 효과적인 시각화를 통해 결과를 전달할 수 있습니다.
· 주요 내용
1. 시각화 : 범주별 KDE plot, Histogram
2. 가설검정 대안