결제 취소나 환불은 어떻게 하나요?

결제 취소 및 환불이 필요하신 경우, 고객센터를 통해서 요청해주시기 바랍니다결제 취소 및 환불 내역은 ‘마이페이지 > 거래내역’에서 확인이 가능합니다. 환불 신청 절차 안내 1. 고객센터(help@fastcampus.co.kr)로 수강생 정보(성함 및 아이디), 강의명을 기재하시어 이메일로 환불 접수를 해주세요.2. 결제 수단에 맞춰 환불이 진행되며, 계좌 입금으로 결제하신 경우에는 환불받으실 계좌도 함께 기재해주시기 바랍니다.3. 이메일로 환불을 요청하신 경우, 카드/가상계좌/이니계좌 환불은 메일 답변 후 바로 취소 처리되며 결제사를 통해 실 환불이 진행되기 때문에 환불완료까지는 최대 3~7일 정도 소요될 수 있습니다.4. 무통장 결제건은 목요일까지 환불계좌정보와 함께 help@fastcampus.co.kr 로 환불 접수해주셨을 경우 다음 주 수~목요일 사이쯤 입금될 예정이오니 참고하셔서 추후 확인해 주시기 바랍니다.

현금영수증은 어디에서 발급 요청이 가능한가요?

현금영수증은 온라인 결제 시스템을 통해 결제를 진행하실 때, 해당 결제 시스템을 통해 신청이 가능하며 소득공제용(개인), 지출증빙용(사업자) 중 선택하실 수 있습니다.무통장 입금[우리 1005-902-393657 ㈜패스트캠퍼스)]으로 입금을 해주신 경우에는 고객센터(help@fastcampus.co.kr) 이메일 주소로 현금영수증 혹은 지출증빙 영수증을 발급하실 정보(핸드폰 번호 혹은 사업자번호)를 기재하여 따로 요청해주시기 바랍니다.

회사 비용으로 처리하기 위해 전자세금계산서를 발급받고 싶습니다.

전자세금계산서 발급을 원하실 경우, 무통장입금 방식으로 결제를 해주셔야 하며 입금하실 전용 계좌번호는 다음과 같습니다.패스트캠퍼스는 면세 사업자로 수강료에 별도의 부가세가 부과되지 않습니다. 수강료 입금 계좌 우리은행 1005-902-393657 패스트캠퍼스㈜전자세금계산서를 발급하실 귀사의 사업자등록증을 파일로 첨부하시어 고객센터 이메일 주소로 전자세금계산서 발행을 요청해주시기 바랍니다. 입금 시, 수강생명 혹은 계산서를 발급하신 회사명과 상이한 정보로 입금하시면 꼭 알려주시기 바랍니다. 상세 안내 1) 수강료 입금 후 발행을 원하실 경우전자계산서 발급을 위해 귀사의 사업자등록증을 PDF파일로 첨부하신 후 '수강생명/교육과정명 / 아이디(계정정보) / 전자계산서를 발급 받을 담당자 이메일 주소 '를 기재하여 고객센터(help@fastcampus.co.kr)로 요청해주세요.2) 수강료 입금 전 청구 발행 요청 시수강하고자 하는 과정의 '수강신청서 제출 '을 먼저 완료 해 주신 후, 전자계산서 발급을 위해 귀사의 사업자등록증을 PDF파일로 첨부하신 후 '수강생명 / 교육과정명 / 아이디(계정정보) / 입금액(수강료) / 입금예정일자 / 전자계산서를 발급 받을 담당자 이메일 주소 '를 상세 기재하여 고객센터(help@fastcampus.co.kr)로 요청해 주시면 입금하실 전용 계좌정보를 안내드립니다. 얼리버드 할인의 경우 결제일자 기준으로 적용됩니다.따라서 전자세금계산서만 발급하시고 입금완료가 되지 않을 경우 수강료는 추후 상향조정될 수 있는 점 참고하시어 할인 마감일을 지켜주시기 바랍니다.

수강신청확인서 및 수료증은 어디에서 발급 요청이 가능한가요?

수강신청확인증은 수강료 결제가 완료된 경우, 수강신청을 증빙하기 위해 발급해드리는 증빙 서류이며수료증명서는 강의를 완강하신 경우에 강의 수료를 증빙하기 위해 발급해드리는 증빙 서류입니다. 수료증명서 발급 기준 안내 1) 오프라인 강의의 경우 : 강의를 완강하신 경우 발급2) 온라인 강의의 경우 : 80% 이상 수강하신 경우에 발급위 증빙 서류 발급을 희망하실 경우 저희 고객센터(help@fastcampus.co.kr) 이메일 주소로 아이디/수강생명 / 과정명을 기재하여 발급을 요청해주시면 PDF 파일을 첨부하여 메일로 안내해드리고 있습니다.

한 번에 끝내는 머신러닝과 데이터분석 A-Z 초격차 패키지 Online.

01. 빈 틈 없는 커리큘럼

머신러닝 알고리즘은 기본!
코딩 기초, R, 파이썬 데이터분석, 딥러닝까지
풀커버하는 꼼꼼한 커리큘럼
02. 머신러닝 프로젝트 끝판왕

파이썬 & R 실전 프로젝트 25개!
500개의 단계별 실습으로
완벽하게 마무리하는 머신러닝 학습
03. 머신러닝 치트키 모음

자주 쓰는 오픈소스와 코드,
실무에서 마주치는 연습용 데이터로
머신러닝 활용력 500배 UP!

코스 프로모션 배너 전용입니다.

0일 0시간 0분 0초 코스 프로모션 배너 전용입니다.

Option 1. 이 강의 패키지로 구매 시

총 10과목

실전 머신러닝 끝판왕! 머신러닝 알고리즘 다 다루는 건 기본! 퀴즈처럼 풀면서 배우는 300제 이상의 실습 문제들을 통해 머신러닝을 풀커버해보세요!

정가 0원

할인 판매가 0% 할인 0원

12개월 할부 월 0원

Option 2. 이 강의 최저가로 구매하기

(자동) (자동) (자동)

정가 ~~(자동)~~

현재 판매가 (자동)

12개월 무이자 할부 시 (자동)

최저가로 수강신청

단순 데이터분석으로는 부족하다면?
이제는 머신러닝으로 레벨업을 해야할 때!
R과 파이썬 데이터분석부터 머신러닝까지 담은
초격차 강의 하나로 시작해보세요.

그 어떤 머신러닝 강의와도 비교를 거부합니다

기초, 실무, 심화, 최신
초격차 강의 하나에 담김 머신러닝의 A-Z!

격이 다른 이 모든 혜택을
강의 하나에 모아서 평생소장

빈틈없이 촘촘하게 짜여진
초격차 커리큘럼만 따라오세요

어디서부터 머신러닝 공부를 시작해야할지 막막했다면
이 커리큘럼이 정답입니다.
R, 파이썬 데이터분석과 머신러닝을 모두 섭렵해보세요!

누구든 머신러닝을 완벽히 이해할 수 있도록
체계적으로 설계했습니다

더이상 따라치는 코드에 만족하지 말고
진짜 "내 코드"를 가질 수 있는 강의를 들으세요.

현존하는 머신러닝 알고리즘은 다 있다!
필요한 알고리즘만 골라서 들어도
아깝지 않은 역대급 가성비 💸

꼭 알아야하는 기본 알고리즘부터
알아두면 유용한 실무용 알고리즘까지 없는 게 없다!

오직 초격차 강의에서만 가능한
압도적인 실전 프로젝트

타사와의 비교를 거부하는 실무밀접 데이터분석 프로젝트!
다양한 산업&직무의 데이터에 배운 알고리즘들을 적용해보세요.

머신러닝만 가르쳐주는 흔한 강의 대신
머신러닝 학습에 필요한
모든 것을 담은 초격차 강의

실력에 따라, 관심사에 따라 나에게 맞는 과정을
추가해서 들을 수 있어요.

완벽한 강의구성은 기본이죠
초격차 강의는 부가혜택까지 초.격.차.

코스 프로모션 배너 전용입니다.

0일 0시간 0분 0초 코스 프로모션 배너 전용입니다.

Option 1. 이 강의 패키지로 구매 시

총 10과목

실전 머신러닝 끝판왕! 머신러닝 알고리즘 다 다루는 건 기본! 퀴즈처럼 풀면서 배우는 300제 이상의 실습 문제들을 통해 머신러닝을 풀커버해보세요!

정가 0원

할인 판매가 0% 할인 0원

12개월 할부 월 0원

Option 2. 이 강의 최저가로 구매하기

(자동) (자동) (자동)

정가 ~~(자동)~~

현재 판매가 (자동)

12개월 무이자 할부 시 (자동)

최저가로 수강신청

패스트캠퍼스가 준비한 최고의 강사진.

강현욱 님

현) 카카오엔터테인먼트 데이터 분석가
전) 라인플레이 데이터 사이언티스트
전) 아모레퍼시픽 데이터 분석가
전) SPSS Korea 데이터 사이언티스트
--
[강의] 기초 통계 및 고급 통계, 데이터 마이닝 등
[프로젝트] S, K 통신사 고객 세분화 개발
[프로젝트] N 은행 ASS 신용평점모행 개발
[프로젝트] A, K 보험사 유지율 예측 모형 개발
[프로젝트] 게임 내 아이템 구매 추천 모형 및 push targeting 모형 개발 등

김재연 님

현) 마키나락스 MLOps 엔지니어
전) 티맥스 클라우드 소프트웨어 엔지니어
--
[자격증] Certified Kubernetes Admisitrator
[수상] 2018 빅콘테스트 금융 부문 최우수상
[프로젝트] 사내 MLOps 플랫폼 개발 및 서비스 CI/CD 파이프라인 도입
[프로젝트] 사내 및 외부 고객사 환경 Kubernetes 구축 및 운영
[기타] kubernetes/minikube, kubeflow 등 MLOps 관련 오픈소스 컨트리뷰터

장영준 님

현) Nota ai 소프트웨어 엔지니어
전) 삼성전자 DS부문 데이터 사이언티스트
--
[프로젝트] PaaS 클라우드 기반 머신러닝 서비스 플랫폼 구축 과제
[프로젝트] 반도체 제조 공정 Defect 불량의 원인 설비 부품 탐색 시스템 개발
[프로젝트] 반도체 Wafer Defect Map 불량 분류/검색 시스템 개발

전종섭 님

현) 마키나락스 머신러닝 엔지니어
전) 세브란스병원 영상의학과 연구원
--
[프로젝트] 반도체 장비 이상탐지, Energy Storage System 화재 예측
[저서] 한 줄씩 따라 해보는 파이토치 딥러닝 프로젝트 모음집(다양한 AI 프로젝트로 실전 감각 익히기)

신경식 님

현) [Youtube] Shin’s Lab 운영(신호처리, 수학, 머신러닝, 딥러닝 강의)
전) 비전공자를 위한 파이썬 프로그래밍 및 머신러닝 레슨
--
[커넥트 재단] 커넥트 마스터
[광운대학교] 파이썬 및 영상처리 강의

전민규 님

현) 고려대학교 컴퓨터학과 석박통합과정
현) Broad Institute of MIT/Harvard as a visiting graduate researcher
--
[프로젝트] 현미경으로 촬영한 의학 데이터분석 프로젝트
[프로젝트] 불법 쓰레기 투기 탐지 모델 개발
[프로젝트] 퓨샷 라이브 이미지 생성 프로젝트 등

커리큘럼.

아래의 모든 강의를 초격차 패키지 하나로 모두 들을 수 있습니다.
지금 한 번만 결제하고 모든 강의를 평생 소장하세요!

Part1. 머신러닝을 위한 최소한의 수학/통계

01. 기초대수학

· 대수학적 특징과 항등원, 역원
· 집합
· 집합의 표함관계
· 집합의 연산
· 파티션
· 함수
· 대수함수
· 초월함수
· 함수의 변형
· 선형함수
· Parametric Models

02. 미적분학

· 극한
· 도함수
· 미분법
· 체인룰
· Gradient-based Optimization
· 다변수함수와 그래디언트
· 인공뉴런의 최적화
· 벡터하무와 그래디언트
· 야코비안과 체인룰

03. 선형대수

· 벡터의 연산1
· 벡터의 연산2
· 행렬의 연산1
· 행렬의 연산2
· 역행렬
· 연립선형방정식
· 선형변환
· 정사영행렬1
· 스칼라정사영과 벡터정사영
· 정사영행렬2
· 가역선형변환
· 행렬의 고유값과 고유벡터

04. 확률

· 확률
· 확률의 계산
· 조건부확률
· 베이즈정리
· 확률변수
· 확률변수의 기댓값과 산포도
· 이산, 연속 확률분포
· 시그모이드와 소프트맥스
· 정보와 엔트로피
· 크로스 엔트로피

Part2. 파이썬 데이터분석과 프로그래밍 기초

01. 파이썬 기초 뿌시기

· 파이썬을 알아봅시다
· 변수란?
· 자료형 뿌시기 : 숫자형, 문자형, 리스트, 튜플, 딕셔너리, 셋
· 제어문 뿌시기 : for, while, if
· List Comprehension
· 여러 가지 함수를 알아봅시다
· 외부 라이브러리 사용해 봅시다

02. 데이터 분석 1단계 : 전처리

· 데이터 프레임 생성
· 칼럼명 추출 / 변경
· copy 를 이용한 데이터 복사
· 시리즈
· loc 과 iloc 을 이용한 원하는 위치의 데이터 추출
· 조건에 맞는 데이터 추출
· 정렬
· 결측값 처리
· 타입 변환
· 레코드, 칼럼 추가 / 삭제
· apply, map 을 활용한 데이터 변환
· 데이터 프레임 결합_상하결합
· 데이터 프레임 결합_좌우결합
· 그룹화
· 피벗테이블
· 파일 호출 / 저장

03. 데이터 분석 2단계 : 시각화

· matplotlib 을 이용한 단일 차트 그리기
· 여러 데이터를 한 차트에 그리기
· subplot / subplots 를 이용한 여러개의 차트 그리기
· load_dataset 을 이용한 데이터 셋 불러오기
· barplot 을 이용한 막대 그래프 그리기
· countplot 을 이용한 막대 그래프 그리기
· scatterplot 을 이용한 산점도 그리기
· lineplot 을 이용한 선도표 그리기
· heatmap 을 이용한 히트맵 그리기
· pie 를 이용한 원형차트 그리기
· boxplot 을 이용한 상자 수염 그림 그리기
· displot / histplot 을 이용한 히스토그램 그리기
· pandas-profiling 을 통한 EDA

04. 데이터 분석 3단계 : 머신러닝과 딥러닝 맛보기

· 머신러닝 소개
· 데이터 전처리
· 머신러닝 모델 구성 및 결과 검증
· 다양한 머신러닝 기술
· 딥러닝 소개
· numpy 를 이용한 행렬 연산
· 딥러닝 모델 구성 및 결과 검증
· 머신러닝 / 딥러닝의 한계

Part3. R 프로그래밍 기초와 데이터분석

01. R 기초 뿌시기

· R과 R studio를 설치해 봅시다
· R studio 사용법
· 라이브러리, 명령어, 변수 이해하기
· 여러 가지 형태의 이해와 데이터 읽어오기
· 데이터 저장하기
· 데이터의 특정 파악하기(기본 칼럼 소성, 타입 등)

02. 데이터 분석 1단계 : 전처리

· 데이터 가공
    - 칼럼 선택 select
    - 로우 선택 filter(수치형, 문자열)
    - mutate 사칙연산 변수 생성
    - mutate 조건문 변수 생성
    - 날짜 / 문자 전처리
    - arrange와 join
· 데이터 집계
    - aggregate : group by / summarise
· 데이터 변환
    - pivot : dcast, melt
· 데이터 탐색
    - 데이터 분석 기초 프로세스 수립
    - 데이터 품질 검토
    - 시나리오 수립
    - 아웃라이어 처리 및 데이터 현황 이해

03. 데이터 분석 2단계 : 시각화

· line chart
· bar chart
· 이중 축
· 산점도

04. 데이터 분석 3단계 : 실전 데이터분석

· 데이터 둘러보기
· EDA 및 데이터 전처리
· 분석 및 시각화

Part4. 머신러닝 알고리즘의 모든 것

01. 머신러닝 소개

· 머신러닝이란
· Model Selection

02. Regression

· Linear Regression
· Linear Regression 심화
· Linear Regression 실습 (Python)
· Linear Regression 실습 (R)
· Regulation
· 당뇨병 진행도 예측 (Python)
· 당뇨병 진행도 예측 (R)

03. Logistic Regression

· Logtistic Regression
· 폐암의 양성 음성 분류 (Python)
· 폐암의 양성 음성 분류 (R)

04. Decision Tree

· Decision Tree
· Decision Tree Classification 실습 (Python)
· Decision Tree Classification 실습(R)
· Decision Tree Regression 실습(Python)
· Decision Tree Regression 실습 (R)
· Iris 꽃 종류 분류 (Python)
· Iris 꽃 종류 분류 (Multiclass - Python)
· Iris 꽃 종류 분류 (R)
· Iris 꽃 종류 분류 (Multiclass - R)
· Ensemble & Random Forest
· 손글씨 분류 (Python)
· 손글씨 분류 (R)
· 부동산 가격 예측 (Python)
· 부동산 가격 예측 (R)

05. Naive Bayes

· Navie Bayes
· Navie Bayes 실습 (Python)
· Navie Bayes 실습 (R)

06. KNN

· KNN
· KNN 실습(Python)
· KNN 실습(R)
· 음수 가능 여부 판단 (Python)
· 음수 가능 여부 판단 (R)

07. SVM

· SVM
· SVM 커널 실습(Python)
· SVM 커널 실습 (R)
· 얼굴 사진 분류 (Python)
· 얼굴 사진 분류 (R)

08. Clustering

· Clustering
· Non - Hierarchical Clustering
· Hierarchical Clustering 실습 (Python)
· Hierarchical Clustering 실습 (R)
· Non - Hierarchical Clustering 실습 (Python)
· Non - Hierarchical Clustering 실습 (R)
· Clustering으로 빈 데이터 채우기 (Python)
· Clustering으로 빈 데이터 채우기 (R)
· K Means로 이미지 압축 (Python)

09. Dimensionality Reduction

· Dimensionality Reduction
· 차원 축소 시각화 실습 (Python)
· 차원 축소 시각화 실습 (R)
· 차원 축소와 군집화 (Python)
· 차원 축소와 군집화 (R)
· Eigenface와 얼굴 사진 분류 (Python)
· Eigenface와 얼굴 사진 분류 (R)

10. Boosting & Stacking

· Boosting & XGBoost
· Boosting Regression 실습 (Python)
· Boosting Regression 실습 (R)
· Boosting Classification 실습 (Python)
· Boosting Classification 실습 (R)
· Boosting 심화
· Boosting 심화 실습 (Python)
· Boosting 심화 실습 (R)
· Boosting Classfication 심화 실습 (Python)
· Boosting Classification 심화 실습 (R)
· Stacking Regression 실습 (Python)
· Stacking Regression 실습 (R)
· Stacking Classfication 실습 (Python)
· Stacking Classification 실습 (R)

11. Annormaly Detection

· AnomalyDetection&Sampling
· Sampling실습 (Python)
· Sampling실습 (R)
· Out of DistributionDetection
· Out of DistributionDetection 실습 (Python)
· Out of DistributionDetection 실습 (R)

12. Recommendation System

· ContentsBasedFiltering
· 유사도 함수 실습(Python)
· 유사도 함수 실습(R)
· TF-IDF 실습(Python)
· TF-IDF 실습(R)
· Collaborative Filtering
· Collaborative Filtering (2)
· KNN 협업 필터링 실습(Python)
· KNN협업 필터링 실습(R)
· Matrix Factorization (Python)
· Matrix Factorization (R)

13. Explainable AI

· LIME
· LIME 실습 (Python)
· LIME 실습 (R)

커리큘럼 읽기 힘드시죠..?
패스트캠퍼스가 작정하고 구성한 강의입니다.😎🔥

Part5. 파이썬 머신러닝 프로젝트

01. 강의 소개

· 강의 목표 및 학습 방법
· Google Colab 환경 사용하기
· 강의 자료 및 실습 코드 설치

02. 데이터 분석과 머신러닝

· 일반적인 데이터 분석
· 머신러닝 데이터 분석
· 실습에 사용할 주요 머신러닝 기법들

03. [실습1] 보험료 예측하기

· 데이터 소개와 분석 프로세스 수립
· 데이터 준비 - (1) 중복/데이터 타입
· 데이터 준비 - (2) 범주형 변수 처리/결측값
· 데이터 준비 - (3) 이상치/상관성 탐색
· 다양한 Regression 을 활용한 보험료 예측

04. [실습2] 대출 상품 투자 위험도 줄이기

· 데이터 소개와 분석 프로세스 수립
· 데이터 준비 - (1) 데이터 전처리 1
· 데이터 준비 - (2) 데이터 전처리 2
· 데이터 준비 - (3) Feature 변환 / 결측값 처리
· 데이터 준비 - (4) 상관성 탐색 / Target Feature 생성
· CatBoost 를 활용한 분류 예측 모델 생성
· 모델 평가 및 Feature Importance

05. [실습3] HR 데이터를 활용한 직원 이탈 요인 분석

· 데이터 소개와 분석 프로세스 수립
· 데이터 탐색 및 전처리
· 데이터 타입별 Feature 변환 - (1) 숫자형 Feature
· 데이터 타입별 Feature 변환 - (1) 범주형 Feature
· 상관성에 따른 Feature 정제
· Random Forest / Gradient Boosting 분류 예측 모델 생성
· Grid Search 를 활용한 최적 모델 탐색 및 모델 평가
· Feature Importances

06. [실습4] 고객 데이터를 활용한 상품 배송 분석

· 데이터 소개와 분석 프로세스 수립
· 데이터 탐색 및 전처리
· 데이터 타입별 Feature 전환
· 상관성에 따른 Feature 정제
· 고객 정보를 활용한 정시 배송 예측
· Clustering 과 PCA 를 활용한 고객
· Segmentation

07. [실습5] 마케팅을 위한 연관 규칙 분석

· 데이터 소개와 분석 프로세스 수립
· 데이터 준비를 위한 EDA 및 전처리
· Apriori 알고리즘을 활용한 연관 규칙 분석

08. [실습6] 반도체 제조 공정 프로세스 Pass&Fail 수율 예측

· 데이터 소개와 분석 프로세스 수립
· 데이터 탐색 및 전처리
· Target Feature 정의 및 Feature 정제
· Target Feature 불균형 문제 처리
· 데이터 준비 및 기본 모델링
· Under/Over Sampling 후 모델링
· PCA 적용 및 이상치 제거
· PCA 적용 및 이상치 제거 후 모델링

09. [실습7] 자동차 제조 테스트 공정 시간 예측하기

· 데이터 소개와 분석 프로세스 수립
· 데이터 준비를 위한 EDA 및 전처리
· RandomForest, XGBoost 를 활용한 예측 모델 생성
· 다양한 차원 축소 기법을 활용한 Feature Selection
· Stacked Regression Model 적용

10. [실습8] 제조 공정 예측 유지 보수하기

· 데이터 소개와 분석 프로세스 수립
· 데이터 준비 - (1) 데이터별 전처리
· 데이터 준비 - (2) 데이터별 전처리
· 데이터 준비 - (3) Feature 정제
· 데이터 준비 - (4) Feature 정제
· XGBoost 를 활용한 모델링과 평가

11. [실습9] 가스 터빈 추진 플랜트 제조 공정의 부식 예측

· 데이터 소개와 분석 프로세스 수립
· 데이터 준비 - (1) 데이터 전처리
· 데이터 준비 - (2) 상관성 / Feature Selection
· 다양한 Regressor 를 활용한 모델 생성과 Hypertuning

12. [실습10] 제조 공정 내 가스 혼합물의 개별 가스 성분 분류

· 데이터 소개와 분석 프로세스 수립
· 데이터 준비를 위한 EDA 및 전처리
· PCA 적용
· 다양한 Classifier 를 활용한 가스 성분 분류 모델 생성
· Feature Selection 을 활용한 모델링

13. [실습11] COVID-19 관련 이커머스 상품 판매 데이터 분석

· 데이터 소개와 분석 프로세스 수립
· 데이터 탐색 및 전처리
· Clustering & PCA 분석 적용해 보기
· 구매 선호도 예측 모델 생성하기

14. [실습12] 온라인 쇼핑몰 고객 Clustering 분석

· 데이터 소개와 분석 프로세스 수립
· 데이터 탐색 및 전처리 - (1)
· 데이터 탐색 및 전처리 - (2)
· 데이터 탐색 및 전처리 - (3)
· RFM 고객 분석 해보기
· K-means Clustering 분석 및 Hyperparameters Optimization
· DB-Scan Clustering 분석 및 시각화

15. [실습13] 소매 판매 데이터를 활용한 이커머스 고객 Segmentation 분석

· 데이터 소개와 분석 프로세스 수립
· 데이터 탐색 및 전처리 - (1)
· 데이터 탐색 및 전처리 - (2)
· 데이터 탐색 및 전처리 - (3)
· 데이터 탐색 및 전처리 - (4)
· K-means Clustering 분석 및 Silhouette/PCA 분석을 통한 평가
· 다양한 Classifier 및 Grid Search를 활용한 예측 분석 및 평가

16. [실습14] 시계열 분석을 이용한 Drugstore 매출 예측

· 데이터 소개와 분석 프로세스 수립
· 데이터 준비 - (1) 데이터 전처리
· 데이터 준비 - (2) EDA / 상관성
· 시계열 분석 및 Prophet 을 활용한 매출 예측

17. [실습15] 이커머스 여름 의류 매출 분석

· 데이터 소개와 분석 프로세스 수립
· 데이터 준비 - (1) 데이터 전처리
· 데이터 준비 - (2) EDA
· K-Means Clustering 을 활용한 매출 영향 인자 분석
· 다양한 Classifier 를 활용한 매출 예측 - (1)
· 다양한 Classifier 를 활용한 매출 예측 - (2)

Part6. R 머신러닝 프로젝트