⏰7일 한정 EVENT 종료 임박 ⏰

0일 0시간 0분 0초 2021-11-21T23:59

Option 1. 맥북 패스로 구매하기

총 10과목

데이터 분석을 완벽하게 정복할 수 있도록 스텝별로 하나하나 듣기 좋은 강의로만 선별했어요. 가장 기초인 데이터 분석 부터 다양한 분석 툴을 정복하고 머신러닝, 인공지능까지 평생소장하고 따라만 오면 pro가 될 수 있을거예요

정가 0원

할인 판매가 0% 할인 0원

12개월 할부 월 0원

총 10과목

필요한 정보만 빠짐없이 데이터 자동 업데이트 방법까지 한 번에! 겉보기에 복잡한 데이터 분석을 한 눈에 볼 수있게 만들어 주는 맥북 패스!

정가 0원

할인 판매가 0% 할인 0원

12개월 할부 월 0원

총 10과목

왕초보 직장인을 위해 만들었어요! 기초 파이썬 분석부터 다양한 데이터 분석 툴까지 마스터! 내 커리어에 데이터 분석 역량을 기르고 싶다면 이 패스로 끝!

정가 0원

할인 판매가 0% 할인 0원

12개월 할부 월 0원

Option 2. 이 강의만 구매하기

(자동) (자동) (자동)

정가 ~~(자동)~~

현재 판매가 (자동)

12개월 무이자 할부 시 (자동)

최저가로 수강신청👆

Part3.[실전예제-마케팅]
마케팅 데이터 분석

Part3.[실전예제-마케팅]
마케팅 데이터 분석

Part4. [실전예제-미디어]
유튜브 인기 채널 및 영상 분석

Part5.[실전예제-헬스케어]
질병 데이터 분석
‘코로나 바이러스’

Part6.[실전예제-비즈니스]
패스트 푸드 매장 분포 분석

Part6.[실전예제-비즈니스]
이커머스 데이터 분석

Part1.파이썬 필수 스킬

1. 데이터 분석을 위한 준비

Intro 01. 데이터 분석 공부법
Intro 02. 강의에 활용할 환경소개 (colab, python) google colaboratory 01. colab 사용을 위한 준비 (gmail 아이디 생성)Intro 01. 데이터 분석 공부법
google colaboratory 02. colab이 제공하는 하드웨어 성능, gpu 설정Intro 01. 데이터 분석 공부법
google colaboratory 03. colab 기본 메뉴 설명 (목차, 파일탐색기)Intro 01. 데이터 분석 공부법
google colaboratory 04. colab 공유 받기, 공유 하기Intro 01. 데이터 분석 공부법
google colaboratory 05. 셀(cell)의 종류 (텍스트 셀, 코드 셀, 셀다루기)Intro 01. 데이터 분석 공부법
google colaboratory 06. 셀(cell) 부가기능 (실행하기, 출력하기)Intro 01. 데이터 분석 공부법
google colaboratory 07. 텍스트 셀(cell)과 마크다운(markdown) 문법Intro 01. 데이터 분석 공부법
google colaboratory 08. 파일 업로드 하기Intro 01. 데이터 분석 공부법
google colaboratory 09. 그 밖의 기능 (이미지, Youtube, HTML) 로딩Intro 01. 데이터 분석 공부법
python 기초 01. 출력Intro 01. 데이터 분석 공부법
python 기초 02. 변수Intro 01. 데이터 분석 공부법
python 데이터타입 01. 정수, 실수, 문자열, boolIntro 01. 데이터 분석 공부법
python 데이터타입 02. listIntro 01. 데이터 분석 공부법
python 데이터타입 03. tupleIntro 01. 데이터 분석 공부법
python 데이터타입 04. setIntro 01. 데이터 분석 공부법
python 데이터타입 05. dictIntro 01. 데이터 분석 공부법
python 연산자 01. 사칙연산Intro 01. 데이터 분석 공부법
python 연산자 02. 괄호사용Intro 01. 데이터 분석 공부법
python 연산자 03. 연산 – 문자열Intro 01. 데이터 분석 공부법
python 프로그래밍 01. 주석, indentIntro 01. 데이터 분석 공부법
python 프로그래밍 02. 함수Intro 01. 데이터 분석 공부법
python 프로그래밍 03. 비교연산자Intro 01. 데이터 분석 공부법
python 프로그래밍 04. 조건문Intro 01. 데이터 분석 공부법
python 프로그래밍 05. 논리연산자Intro 01. 데이터 분석 공부법
python 프로그래밍 06. 반복문Intro 01. 데이터 분석 공부법
python 프로그래밍 07. list comprehensionIntro 01. 데이터 분석 공부법
python 프로그래밍 08. 문자열 가지고 놀기Intro 01. 데이터 분석 공부법
python 프로그래밍 09. 패키지와 importIntro 01. 데이터 분석 공부법
numpy 01. numpy 란Intro 01. 데이터 분석 공부법
numpy 02. import 와 alias (별칭) 설정Intro 01. 데이터 분석 공부법
numpy 03. ndarray 생성Intro 01. 데이터 분석 공부법
numpy 04. array에서의 데이터 타입Intro 01. 데이터 분석 공부법
numpy 05. index, slicingIntro 01. 데이터 분석 공부법
numpy 06. fancy indexingIntro 01. 데이터 분석 공부법
numpy 07. boolean indexingIntro 01. 데이터 분석 공부법
numpy 08. arrange, rangeIntro 01. 데이터 분석 공부법
numpy 09. 정렬 (sort)Intro 01. 데이터 분석 공부법
numpy 10. 인덱스를 반환하는 argsortIntro 01. 데이터 분석 공부법
numpy 11. matrix(행렬) 의 연산 – 덧셈, 뺄셈Intro 01. 데이터 분석 공부법
numpy 12. matrix(행렬) 의 연산 – 곱셈Intro 01. 데이터 분석 공부법
numpy 13. broadcastingIntro 01. 데이터 분석 공부법
numpy 14. 매트릭스의 연산 (dot product)

2. 데이터 분석을 위한 시작, 전처리 라이브러리

데이터분석을 위한 준비
pandas 01. pandas를 소개합니다
pandas 02. series와 dataframe
pandas 03. type(object, int, float, category, datetime)
pandas 04. Series와 DataFrame 생성 (행과 열)
pandas 05. head, tail
pandas 06. Sort (정렬) – sort_index, sort_values
pandas 07. 통계값, 요약 (describe, info), shape
pandas 08. 파일 읽어오기 (csv, excel, json), 저장하기
pandas 09. isnull, notnull, isin, isna (조건필터링)
pandas 10. index 지정, loc와 iloc (인덱싱)
pandas 11. value의 종류 확인, nunique, unique
pandas 12. 통계값 (min, max, mean, std, var, count, size, sum)
pandas 13. 분포도 (kurtosis, skew)
pandas 14. groupby, aggregation
pandas 15. multi-index와 reset_index
pandas 16. pivot_table pandas – 전처리 01. copy (복사)
pandas – 전처리 02. Drop (행과 열 제거),
drop_duplicates (중복 제거) pandas – 전처리 03. 누락된 데이터 처리
pandas – 전처리 04. datetime 처리하기
pandas – 전처리 05. DataFrame 합치기 (concat)
pandas – 전처리 06. DataFrame 병합하기 (merge)
pandas – 전처리 07. lambda 함수
pandas – 전처리 08. apply
pandas – 전처리 09. filter
pandas – 전처리 10. label encoding
pandas – 전처리 11. 데이터프레임의 산술연산
pandas – 전처리 12. select_dtypes
pandas – 전처리 13. 원핫인코딩의 개념과 get_dummies
pandas – 시각화 01. plot
pandas – 시각화 02. bar
pandas – 시각화 03. hist (히스토그램)
pandas – 시각화 04. scatter (산점도)
pandas – 시각화 05. box

3. 데이터 분석의 꽃 시각화 라이브러리

matplotlib 01. matplotlib을 소개합니다
matplotlib 02. colab에서 한글 폰트 지정
matplotlib 03. plot
matplotlib 04. 기본 옵션 설정하기(title, label, legend)
matplotlib 05. 기본 옵션 설정하기(xticks, lim, marker)
matplotlib 06. 다중 그래프 그리기(figure, axes)
matplotlib 07. scatterplot
matplotlib 08. barplot, barh
matplotlib 09. lineplot
matplotlib 10. areaplot
matplotlib 11. histogram
matplotlib 12. pie chart
matplotlib 13. boxplot
matplotlib 14. style 지정
matplotlib 15. subplots (row, column 지정)
matplotlib 16. indicator 만들기
matplotlib 17. 3d 시각화
seaborn 01. seaborn을 소개합니다
seaborn 02. countplot
seaborn 03. distplot, hist
seaborn 04. heatmap
seaborn 05. pairplot
seaborn 06. violinplot
seaborn 07. lmplot
seaborn 08. relplot
seaborn 09. jointplot
seaborn 10. facetgrid
seaborn 11. 고급 스타일 적용하기
matplotlib 01. matplotlib을 소개합니다
matplotlib 02. colab에서 한글 폰트 지정
matplotlib 03. plot
matplotlib 04. 기본 옵션 설정하기(title, label, legend)
matplotlib 05. 기본 옵션 설정하기(xticks, lim, marker)
matplotlib 06. 다중 그래프 그리기(figure, axes)
matplotlib 07. scatterplot
matplotlib 08. barplot, barh
matplotlib 09. lineplot
matplotlib 10. areaplot
matplotlib 11. histogram
matplotlib 12. pie chart
matplotlib 13. boxplot
matplotlib 14. style 지정
matplotlib 15. subplots (row, column 지정)
matplotlib 16. indicator 만들기
matplotlib 17. 3d 시각화
seaborn 01. seaborn을 소개합니다
seaborn 02. countplot
seaborn 03. distplot, hist
seaborn 04. heatmap
seaborn 05. pairplot
seaborn 06. violinplot
seaborn 07. lmplot
seaborn 08. relplot
seaborn 09. jointplot
seaborn 10. facetgrid
seaborn 11. 고급 스타일 적용하기

4. 예측을 위한 머신러닝 라이브러리

머신러닝의 개요 01. 머신러닝의 개요
머신러닝의 개요 02. 머신러닝의 원리
머신러닝의 개요 03. 미분, 편미분의 간단한 설명
머신러닝의 개요 04. 가설 함수와 손실 함수
머신러닝의 개요 05. 경사하강법(Gradient Descent) 이란
sklearn의 개요 01. sklearn을 소개합니다
sklearn의 개요 02. sklearn 의 주요 API에 대하여 소개합니다
sklearn의 개요 03. 학습, 검증, 테스트 데이터 세트란
sklearn – 전처리 기본 01. sklearn의 전처리 기능에 대하여 소개합니다
sklearn – 전처리 기본 02. 빈값 처리 (Imputer)
sklearn – 전처리 기본 03. 원 핫인코딩의 개념과 원 핫인코딩 진행하기
sklearn – 전처리 기본 04. Label Encoder
sklearn – 전처리 기본 05. Normalization (정규화)
sklearn – 전처리 기본 06. Standardization (표준화)
sklearn – 전처리 기본 07. train_test_split으로 학습 데이터 준비하기
sklearn – 분류 01. 지도학습을 소개합니다
sklearn – 분류 02. 분류 (classification) 란
sklearn – 분류 03. 데이터의 불균형 (imbalance) 그리고 stratify 옵션
sklearn – 분류 04. logistic regression
sklearn – 분류 05. SVM
sklearn – 분류 06. 결정 트리 (Decision Tree) 알고리즘 소개
sklearn – 분류 07. graph_viz로 시각화 해보기
sklearn – 분류 08. 하이퍼 파라미터란
sklearn – 분류 09. 과대적합과 과소적합 (overfitting, underfitting)
sklearn – 분류 10. 타이타닉 예제 실습 (소개)
sklearn – 분류 11. 타이타닉 예제 해설
sklearn – 분류 12. 다중분류
sklearn – 분류 13. 다중 분류의 예제 실습
sklearn – 분류 14. 다중 분류의 예제 해설
sklearn – 회귀 01. 회귀 (regression) 란
sklearn – 회귀 02. linear regression
sklearn – 회귀 03. 규제에 대한 이해 (l1, l2 규제)
sklearn – 회귀 04. 라쏘
sklearn – 회귀 05. 릿지
sklearn – 회귀 06. 엘라스틱 넷
sklearn – 회귀 07. 자전거 수요 예측 대회
sklearn – 앙상블 01. 앙상블 학습의 이해
sklearn – 앙상블 02. 앙상블의 종류와 작동 방식 (voting)
sklearn – 앙상블 03. 앙상블의 종류와 작동 방식 (bagging)
sklearn – 앙상블 04. 앙상블의 종류와 작동 방식 (boosting)
sklearn – 앙상블 05. RandomForest
sklearn – 앙상블 06. XGBoost의 개요
sklearn – 앙상블 07. XGBoost의 주요 하이퍼파라미터
sklearn – 앙상블 08. LightGBM
sklearn – 앙상블 09. LightGBM의 주요 하이퍼파라미터
sklearn – 앙상블 10. CatBoost
sklearn – 앙상블 11. CatBoost의 주요 하이퍼파라미터
sklearn – 비지도학습 01. 비지도학습을 소개합니다
sklearn – 비지도학습 02. 차원축소란
sklearn – 비지도학습 03. 차원축소 (PCA)
sklearn – 비지도학습 04. 군집화란
sklearn – 비지도학습 05. 군집화 (K-means)
sklearn – 비지도학습 06. 군집화 (DBSCAN)
sklearn -평가 01. 평가를 소개합니다
sklearn -평가 02. Mean Squared Error, Mean Absolute Error
sklearn -평가 03. Log Loss
sklearn -평가 04. accuracy
sklearn -평가 05. precision과 recall
sklearn -평가 06. confusion matrix
sklearn -평가 07. roc-auc sklearn -평가 08. f1 score

Part2.유형별 데이터 분석 맛보기

연습 예제로 배우는 데이터 분석 핵심 기법

강의 소개 영상 00. 오리엔테이션
EDA & 회귀 분석 01. 데이터 분석 문제를 정의하는 방식과 유형들
EDA & 회귀 분석 02. EDA를 통한 인사이트 발견 실습
EDA & 회귀 분석 03. 지도 학습과 회귀 분석
EDA & 회귀 분석 04. Linear Regression을 이용한 수치 예측 실습
분류 분석 01. Pokemon 데이터셋 탐색
분류 분석 02. 분류 분석과 로지스틱 회귀 모델
분류 분석 03. Logistic Regression을 이용한 전설의 포켓몬 분류 실습
분류 분석 04. 비지도 학습과 K-means 군집 분석
분류 분석 05. 능력치에 따른 포켓몬 군집 분류 실습
텍스트마이닝 01. 텍스트 마이닝이란
텍스트마이닝 02. 텍스트 데이터 전처리 실습
텍스트마이닝 03. 텍스트 데이터 분석 실습 – I (시나리오 키워드 분석)
텍스트마이닝 04. 텍스트 데이터 분석 실습 – II (장면별 중요 단어 분석)
감성분류 01. 텍스트 마이닝을 활용한 감성 분석
감성분류 02. 한국어 텍스트 데이터 전처리 실습
감성분류 03. Logistic Regression을 이용한 텍스트 분류 실습
감성분류 04. 긍부정 키워드 분석 실습

Part3.[실전예제-마케팅]

마케팅 데이터 분석

강의소개 00. 마케팅 데이터 분석 강의 개요
[ Acquisition ] 세일즈 데이터 분석을 통한 마케팅 믹스 모델링 01. 분석할 데이터 파악 : 미디어별 광고비 EDA
[ Acquisition ] 세일즈 데이터 분석을 통한 마케팅 믹스 모델링
02. 분석 모델링 : 미디어별 광고비로 세일즈 예측
[ Acquisition ] 세일즈 데이터 분석을 통한 마케팅 믹스 모델링
03. 분석 결과 해석 : 잘 된 분석인가? 어떻게 개선 가능 한가?
[ Acquisition ] 세일즈 데이터 분석을 통한 마케팅 믹스 모델링 04. 적용 방안
[ Retention ] A/B Test로 고객 retention 높이기 01. 분석할 데이터 파악 : 모바일 게임 A/B Test
[ Retention ] A/B Test로 고객 retention 높이기 02. 데이터 분석 : A/B 집단별 비교
[ Retention ] A/B Test로 고객 retention 높이기 03. 분석 결과 해석 : 정말 차이가 있는 걸까?
[ Retention ] A/B Test로 고객 retention 높이기 04. 적용 방안
[ Revenue ] 고객 세그먼트를 나눠보자 01. 분석할 데이터 파악 : E-commerce 데이터 EDA
[ Revenue ] 고객 세그먼트를 나눠보자 02. 분석 모델링 : 고객 세그먼트 클러스터링
[ Revenue ] 고객 세그먼트를 나눠보자 03. 분석 모델링 : 고객 유형 분류
[ Revenue ] 고객 세그먼트를 나눠보자 04. 분석 결과 해석
[ Revenue ] 고객 세그먼트를 나눠보자 05. 적용 방안
[ Revenue ] 고객 해지율을 낮추고, CLV 를 높여보자 01. 분석할 데이터 파악 : 통신사 고객 데이터 EDA
[ Revenue ] 고객 해지율을 낮추고, CLV 를 높여보자 02. 분석 모델링 : 해지할 고객은 누구인가?
[ Revenue ] 고객 해지율을 낮추고, CLV 를 높여보자 03. 모델 성능평가
[ Revenue ] 고객 해지율을 낮추고, CLV 를 높여보자 04. 결과 해석 및 적용 방안
[ Referral ] 리뷰 분석을 통한 소비자 인식조사 01. 텍스트마이닝 개요
[ Referral ] 리뷰 분석을 통한 소비자 인식조사 02. 분석할 데이터 파악 : 경쟁사 고객 리뷰
[ Referral ] 리뷰 분석을 통한 소비자 인식조사 03. 텍스트 데이터 전처리 : 형태소 분석, 불용어 처리
[ Referral ] 리뷰 분석을 통한 소비자 인식조사 04. 텍스트 분석의 기본 단어빈도 분석과 워드클라우드
[ Referral ] 리뷰 분석을 통한 소비자 인식조사 05. 텍스트에서 토픽/주제 찾기 LDA 토픽모델링
[ Referral ] 리뷰 분석을 통한 소비자 인식조사 06. 적용 방안

Part4.[실전예제-미디어]

유튜브 인기 채널 및 영상 분석

강의 소개 영상 00. 오리엔테이션
인기 채널 순위 시각화 01. 환경 설정 (라이브러리, 폰트, 데이터)
인기 채널 순위 시각화 02. 데이터 구조 파악 및 정리
인기 채널 순위 시각화 03. seaborn을 활용한 데이터 시각화
인기 영상 타이틀 분석 01. 제목 추출 및 정제하기
인기 영상 타이틀 분석 02. soynlp 개념 설명 및 한글 단어 추출의 원리
인기 영상 타이틀 분석 03. 제목 단어 추출 및 빈도 수 구하기
인기 영상 타이틀 분석 04. 워드 클라우드 그리기

Part5.[실전예제-헬스케어]

질병 데이터 분석 '코로나 바이러스'

강의소개 00. 헬스케어 파트 개요 및 소개
코로나 바이러스 데이터 분석 01. 환경 설정 및 데이터 구조 파악
코로나 바이러스 데이터 분석 02. 국가별 최신 확진자, 사망자, 회복자 데이터 분석
코로나 바이러스 데이터 분석 03. 시간에 따른 확진자, 사망자, 회복자 시각화
전세계 코로나 바이러스 감염 지도 표시 01. folium 라이브러리 소개 및 설명
전세계 코로나 바이러스 감염 지도 표시 02. 전세계 코로나 바이러스 감염 지도 시각화

Part6.[실전예제-비즈니스]

온 오프라인 비즈니스 데이터 분석

강의소개 00. 비즈니스 파트 개요 및 소개
이커머스 데이터 분석 01. Olist Dataset 소개하기, Data Schema 및 테이블 정의서 확인하기, 진행순서 소개
이커머스 데이터 분석 02. seaborn과 missingno를 통한 결측치 시각화, 배송이 취소된 정보에 대한 차트 생성하기
이커머스 데이터 분석 03. 신규 칼럼 생성과 데이터 분포 확인하기, boxplot을 통한 이상치 검출하기
이커머스 데이터 분석 04. 국가별 고객 수 및 도시별 거주 비율 확인하기, 서로 다른 두 테이블 간 조인하기, 발생된 중복row 제거하기
이커머스 데이터 분석 05. 2016년부터 2018년까지 높은 매출을 기록하고 있는 상품 카테고리 확인하기, treemap으로 시각화하기
이커머스 데이터 분석 06. pivot table을 활용한 월별 매출액 확인하기, line 차트로 시각화하기, 고객이 많이 선택한 결제 방법 확인하기
이커머스 데이터 분석 07. 리뷰 점수별 분포 확인하기, heatmap을 통한 고객 만족도의 상관관계 분석하기
이커머스 데이터 분석 08. scatter를 통한 국가별 고객과 판매자의 위치정보 시각화하기, Wrap up

패스트푸드 매장 분포 분석 01. 공공데이터포털의 상권 데이터 소개하기, glob로 데이터 로드하고 탐색하기, 결측치 시각화하고 처리하기
패스트푸드 매장 분포 분석 02. 지리정보 시각화하기, 패스트푸드 브랜드명이 포함된 데이터만 선별하기, 하나의 데이터셋으로 생성하기
패스트푸드 매장 분포 분석 03. 브랜드별 매장수 변화 확인하기, folium을 통해 매장 분포 확인하기, Choropleth map으로 구별 표시해주기
패스트푸드 매장 분포 분석 04. GeoJSON을 사용하는 Choropleth map을 통해 구별 패스트푸드점 분포와 밀집도 표현하기
패스트푸드 매장 분포 분석 05. 2015년, 2019년도 맥도날드 매장 데이터 탐색하기, 연도별 매장수 비교하기, 원하는 형태로 데이터셋 변환해보기
패스트푸드 매장 분포 분석 06. folium을 통해 15년도와 19년도 맥도날드 전국 매장수 비교하기
패스트푸드 매장 분포 분석 07. Wrap up 및 참고할만한 사이트 소개하기

Part7.[실전예제-금융]

금융 데이터 분석

강의소개 00. 금융 데이터 분석 개요
시계열데이터 특성 파악하기 01. 시계열 데이터 주요 특징
시계열데이터 특성 파악하기 02. (실습) 시계열 데이터 Trend 및 Cycle 분해 및 시각화
시계열 데이터, 이것만은 꼭 분석하자 - 01. 데이터 안정성 보장 필요성
시계열 데이터, 이것만은 꼭 분석하자 - 02. (실습) Dickey Fuller Test 및 의미 해석
시계열 데이터, 이것만은 꼭 분석하자 - 03. 시계열의 두 가지 유형 : AR, MA
시계열 데이터, 이것만은 꼭 분석하자 - 04. (실습) ACF, PACF 분석을 통한 인사이트 도출
시계열 예측모형만들기 - 01. 시계열 특성에 맞춤형으로 적용 가능한 예측 기법 소개
시계열 예측모형만들기 - 02. ARIMA 모델을 적용한 예측 모형 구축 프로세스
시계열 예측모형만들기 - 03. (실습) ARIMA 모델을 적용한 예측 모형 만들기
주식종목 분석 및 포트폴리오 구성하기 - 01. 금융자산평가 : 수익, 리스크, Sharpe ratio
주식종목 분석 및 포트폴리오 구성하기 - 02. (실습) 포트폴리오 평가하기
주식종목 분석 및 포트폴리오 구성하기 - 03. 최적화 기초 개념 소개
주식종목 분석 및 포트폴리오 구성하기 - 03. 포트폴리오 최적화
주식종목 분석 및 포트폴리오 구성하기 - 04. (실습) 최적의 포트폴리오 도출하기

Part8.[부록]

비주얼 코딩 툴로 배우는 데이터 분석

강의소개 00. 비즈니스 파트 개요 및 소개
[ 비주얼코딩 ] SAS UE 코딩없이 하는 데이터 분석 01. 설치 가이드
[ 비주얼코딩 ] SAS UE 코딩없이 하는 데이터 분석 02. 기본 사용법 (데이터 불러오기, 작업화면 준비)
[ 비주얼코딩 ] SAS UE 코딩없이 하는 데이터 분석 03. 데이터 탐색
[ 비주얼코딩 ] SAS UE 코딩없이 하는 데이터 분석 04. 데이터 처리
[ 비주얼코딩 ] SAS UE 코딩없이 하는 데이터 분석 05. T-test, ANOVA
[ 비주얼코딩 ] SAS UE 코딩없이 하는 데이터 분석 06. 회귀분석, 로지스틱리그레션
[ 비주얼코딩 ] KoALA 코딩없이 하는 텍스트 분석 07. 텍스트 분석(빈도분석, 감성분석, LDA토픽모델링, 동시출현분석 등)

더 자세한 커리큘럼이 궁금하다면?

상세 커리큘럼 다운 받기

언제 어디서나 제약 없이 공부하세요.

2020년, 하루 딱 10분씩 투자해서 내 업무에 파이썬 데이터 분석을 적용해 보세요!

입문자의 눈높이에 맞춰.
파이썬과 데이터분석이 처음인 입문자도 포기하지 않도록 재미있는 실전 예제로 완성합니다.

산업별로 반영한 최신 커리큘럼.
데이터 분석에 가장 중요한 핵심 업계 지식을 갖출 수 있도록 각 산업군별에 속한 6명의 현직 데이터 분석 전문가들이 5개 산업군 핵심 주제들로 구성했습니다.

원하는 곳 어디서나.
시간을 쪼개 먼거리로 강의장을 찾을 필요 없이, 원하는 곳에서 편하게 온라인으로 학습하세요.

보기만 해도 실력이 느는 반복 학습.
이해가 잘 되지 않는 어려운 부분도 이해가 될 때까지 반복하여 수강하는 것이 가능합니다.

⏰7일 한정 EVENT 종료 임박 ⏰

0일 0시간 0분 0초 2021-11-21T23:59

Option 1. 맥북 패스로 구매하기

총 10과목

데이터 분석을 완벽하게 정복할 수 있도록 스텝별로 하나하나 듣기 좋은 강의로만 선별했어요. 가장 기초인 데이터 분석 부터 다양한 분석 툴을 정복하고 머신러닝, 인공지능까지 평생소장하고 따라만 오면 pro가 될 수 있을거예요

정가 0원

할인 판매가 0% 할인 0원

12개월 할부 월 0원

총 10과목

필요한 정보만 빠짐없이 데이터 자동 업데이트 방법까지 한 번에! 겉보기에 복잡한 데이터 분석을 한 눈에 볼 수있게 만들어 주는 맥북 패스!

정가 0원

할인 판매가 0% 할인 0원

12개월 할부 월 0원

총 10과목

왕초보 직장인을 위해 만들었어요! 기초 파이썬 분석부터 다양한 데이터 분석 툴까지 마스터! 내 커리어에 데이터 분석 역량을 기르고 싶다면 이 패스로 끝!

정가 0원

할인 판매가 0% 할인 0원

12개월 할부 월 0원

Option 2. 이 강의만 구매하기

(자동) (자동) (자동)

정가 ~~(자동)~~

현재 판매가 (자동)

12개월 무이자 할부 시 (자동)

최저가로 수강신청👆

함께 들으면 더 좋은 강의를 추천해드릴게요!

[맥북패스 주의사항 및 환불규정 ]

~11/21 맥북패스 주의사항 및 환불규정 바로가기 ☞

[ 주의사항 및 환불규정 ]
* 상황에 따라 사전 공지 없이 할인이 조기 마감되거나 연장될 수 있습니다.
* 수강 신청 및 결제 완료를 하신 분들께는 결제 후 기재하신 이메일 주소로 결제 후 24시간 이내에 일괄 안내됩니다. 연락처와 이메일을 정확하게 기입 부탁드립니다.

- 총 학습 기간
정상 수강기간(유료 수강기간) 최초 2개월(60일), 무료 수강 기간은 61일차 이후로 무제한이며, 유료 수강기간과 무료 수강기간 모두 동일하게 시청 가능합니다.
본 패키지는 약 38시간 분량으로, 일 1시간 내외의 학습 시간을 통해 정상 수강 기간(=유료 수강 기간) 내에 모두 수강이 가능합니다.
– 수강시작일 : 수강 시작일은 결제일로부터 기간이 산정됩니다. (사전 예약 강의의 경우 1차 강의 오픈일)
패스트캠퍼스의 사정으로 수강시작이 늦어진 경우에는해당 일정 만큼 수강 시작일이 연기됩니다.
* 천재지변, 폐업 등 서비스 중단이 불가피한 상황에는 서비스가 종료될 수 있습니다.
– 본 상품은 기수강생 할인, VIP CLUB 제도 (구 프리미엄 멤버십), 기타 할인이벤트 적용 불가 합니다.
– 콘텐츠는 향후 당사의 일정에 따라 추가 또는 업데이트 될 수 있습니다.
– 쿠폰 적용이나 프로모션 등으로 인해 5만원 이하의 금액으로 강의를 결제할 경우, 할부가 적용되지 않습니다.

– 환불금액은 정가가 아닌 실제 결제금액을 기준으로 계산됩니다.
– 수강시작 후 7일 이내, 5강 미만 수강 시에는 100% 환불 가능합니다.
– 수강시작 후 7일 초과, 5강 이상 수강 시 수강기간인 2개월 (60일) 대비 잔여일에 대해 다음과 같이 환불 가능합니다.
: 환불요청일시 기준 수강시작 후 8일 ~20일 미만 경과시, 실 결제금액의 2/3에 해당하는 금액을 환불
: 환불요청일시 기준 수강시작 후 21일~30일 미만 경과시, 실 결제금액의 1/2에 해당하는 금액을 환불
: 환불요청일시 기준 수강시작 후 30일 초과 시, 환불금액 없음

패스트캠퍼스 아이디 공유 금지 정책 안내
아이디 공유란?
1개의 아이디로 여러명이 공유하여 수강하는 형태를 말합니다. 패스트캠퍼스의 모든 온라인 강의에서는 아이디 공유를 금지하고 있습니다.
동시접속에 대한 기록이 내부 시스템을 통해 자동으로 누적되며, 동시 접속 기록이 10회 이상 확인되는 경우 사전 안내없이 아이디가 차단될 수 있습니다.

root layout

올인원 패키지 : 직장인을 위한 파이썬 데이터분석