데이터, 데이터 분석가,  시각화, 크롤링, 파이썬,  파이선, 취업,  포트폴리오, 강의,  머신러닝
  • 데이터사이언스
  • 초급, 중급

데이터 분석가 취업! 파이썬 머신러닝 포트폴리오 패키지

실무경험을 대체할 수 있는 9개의 프로젝트, 분석 경험을 잘 담아낸 파이썬 포트폴리오 작성법, 두 가지를 배우면 데이터 분석가 취업, 어렵지 않습니다!

바로 수강
수강 기한
평생 수강
  • 온라인
    총 86강, 약 20시간 12분

파이썬 데이터 분석가 취업 올인원 패키지

20시간만에 완성하는 데이터 분석 포트폴리오

AI Championship 수상자 & Kaggle 상위 0.2%진짜 전문가들이 알려주는 데이터 분석가!

강의소개

난이도 높은 딥러닝 + 시계열 분석, 누구보다 빠르게 입문하는 방법.

데이터 분석 강의

01. 파이썬, 데이터 분석, 머신러닝을 동시에 배울 수 있는 특별한 커리큘럼

본 과정은 분석가들이 꼭 필요한 스킬셋을 골라 패키징했습니다. 20시간 안에 파이썬, 데이터 분석, 머신러닝 이 세 가지를 동시에 얻어갑니다.

02. 학습과 동시에 취업용 포트폴리오를 관리하는 노하우까지 알려주는 독보적인 교육 방식

GitHub를 활용한 포트폴리오 관리 방법, Kaggle, Dacon 등을 활용한 경진대회 참여 노하우 등을 강의로 풀어낸 강의는 이 강의가 유일합니다.

03. 현직 분석가 & AI 챔피언십 우승자 & 캐글 상위 0.2% Master! 국내 유일한 최고의 강사진

현업보다 더 현업 속에 있는 강사진들이 본 과정에서 본인만의 노하우를 풀어냅니다.

 
 
 
 

본 강의에서
무엇을 얻어갈 수 있나요?

현직자 강사진들이 함께 하는 분석가로의 20시간!

  • 한번에 배우는

    파이썬 + 머신러닝

    기초 문법부터 데이터 분석 전 파트, 머신러닝 기법 등 파이썬으로 할 수 있는 분석 스킬셋을 모두 알려드립니다.

    데이터 분석 강의
  • 한번에 해결하는

    취업 포트폴리오

    강의 커리큘럼마다 실습과 프로젝트가 포함되고, Kaggle 및 Github 사용법 또한 익히며 취업용 포트폴리오를 완성할 수 있습니다.

    데이터 분석 강의
  • 마스터 총 집합!

    분석가의 노하우

    본 강의를 진행하시는 강사님들의 공통점은 모두 데이터 직군의 현업자라는 것입니다. 현업 강사님으로부터 실무 스킬, 취업 등 다양한 노하우를 얻어가세요.

    데이터 분석 강의

20시간만에 배우는 파이썬 기초와 머신러닝,
그리고 커리어 A to Z, 러닝스푼즈와 함께하세요!


본 강의가 특별한 이유는
무엇인가요?

1

직무/분야별 취업시장이 원하는 포트폴리오!

프로젝트를 통해 무엇을 배웠는지 어떤 방식으로 데이터에 접근하여 분석했는지 직무, 분야별 포트폴리오 작성법을 배울 수 있습니다.

2

Git Hub 프로필 하나로취업이 된다?

네이버, 카카오, 우아한형제들 등의 대기업 데이터 직군들은 무조건 사용하는 Git! 코드를 잘 작성하는 것 만큼, 코드를 관리하는 것도 중요합니다. 취업 및 이직을 위해 GitHub를 어떻게 잘 활용할 수 있는지 배웁니다.

3

데이터 사이언티스트 우대사항, Kaggle

국내외적으로 공인된 데이터 경진대회 Kaggle 수상과 고득점 경력은 취업 시 우대사항이 됩니다. 캐글 0.1%의 데이터 사이언티스트가 캐글 고득점 노하우와 활용법을 배울 수 있습니다.

FAQ

강의에 대해
궁금한 점이 있으신가요?

Q. 강의자료나 실습 코드는 어디에 있나요?

내 강의장에서 해당 강의를 이어보기하시면 왼쪽 상단에 "강의자료" 버튼이 있습니다.클릭 시 zip파일로 다운로드되며, 강의 자료와 실습코드, 그리고 강사님께 문의할 수 있는 연락처가 포함되어 있습니다.

Q. 수강 시, 준비 사항은 어떤 것이 있을까요?

실습을 위해 개인 PC가 꼭 필요합니다. OS는 Windows OS, Mac OS 모두 가능합니다.

수강 대상

이런 분들은 꼭 들으셔야 해요!


비싸고 종류도 많은 입문 책과 강의 때문에 어떤 것부터 시작해야 할지 감을 잡지 못하시는 분


기초와 사용법만 가르쳐주고 끝나는 강의들 때문에 이력서에 쓸 프로젝트와 포트폴리오가 없으신 분


데이터 분석을 공부해도 혼자서는 취업이 어려워서 어떻게 취업할 수 있는지 가르쳐 줄 사람이 필요하신 분

강사소개

우리 강사님을 소개할게요!

데이터 분석 강의

장남수

이력사항
  • (현) 스타트업 Data Lab 총괄
  • (전) 핀테크 기업 텍스트 분석 총괄
  • (전) 아모레퍼시픽
  • POSTECH 산업공학
프로젝트
  • "직장인을 위한 데이터 분석 실무 with 파이썬" 저자
  • 유명 기업 사내 기업교육 다수 진행
데이터 분석 강의

이인섭

이력사항
  • (현) 프리딕션 대표이사
  • (전) 데이콘 데이터 사이언티스트
  • 세종대학교 컴퓨터학과 졸
프로젝트
  • 국가 토지연구원 빅데이터 교육 매니저
  • KCB 금융데이터 경진대회 수상
  • KBO 타자 OPS 모델링 대회 수상
  • 서울 빅데이터 연합 학회 강사
  • L카드 임직원, 사모펀드 변호사 등 개인 강사경력 다수
데이터 분석 강의

송근일

이력사항
  • (전) 데이콘 데이터 사이언티스트
  • 서울대학교 통계학과 졸, 민족사관고등학교
프로젝트
  • 캐글 상위 0.1%
  • 펀다 상점 매출 예측 프로젝트 팀장
  • 상상우리 이력서 매칭 프로젝트 팀장
  • 수원대학교 빅데이터 강사

커리큘럼 (86)

  • [데이터 분석 & 시각화] SECTION 1. 데이터 분석을 위한 파이썬 기초

    01:17:47

    1-1. 파이썬 준비하기

    00:14:08

    1-2. 데이터 분석을 위한 파이썬 자료형 (1)

    00:17:40

    1-3. 데이터 분석을 위한 파이썬 자료형 (2)

    00:07:24

    1-4. 데이터 분석을 위한 기본 문법 (1)

    00:16:31

    1-5. 데이터 분석을 위한 기본 문법 (2)

    00:13:12

    1-6. 데이터 분석을 위한 기본 문법 (3)

    00:08:52
  • [데이터 분석 & 시각화] SECTION 2. 데이터 분석을 위한 클래스 - Pandas

    02:05:26

    2-1. 판다스 기본 사용법 (1)

    00:15:45

    2-2. 판다스 기본 사용법 (2)

    00:20:01

    2-3. 판다스 기본 사용법 (3)

    00:06:47

    2-4. 데이터 병합하기 (1)

    00:12:33

    2-5. 데이터 병합하기 (2)

    00:10:24

    2-6. 정리, 집계하기

    00:16:49

    2-7. 영어 이름 트렌드 살펴보기 (1)

    00:16:31

    2-8. 영어 이름 트렌드 살펴보기 (2)

    00:18:41

    2-9. 영어 이름 트렌드 살펴보기 (3)

    00:07:55
  • [데이터 분석 & 시각화] SECTION 3. 데이터 분석을 위한 클래스 - Seaborn, Folium

    01:15:06

    3-1. Seaborn으로 시각화 하기 (1)

    00:18:11

    3-2. Seaborn으로 시각화 하기 (2)

    00:16:27

    3-3. Folium으로 지도시각화 하기 (1)

    00:14:47

    3-4. Folium으로 지도시각화 하기 (2)

    00:18:50

    3-5. Folium으로 지도시각화 하기 (3)

    00:06:51
  • [데이터 분석 & 시각화] SECTION 4. "아직 이 트레이드에 대해 반대하는 분 계십니까?"

    01:51:35

    4-1. Who is the Best player? (1)

    00:17:19

    4-2. Who is the Best player? (2)

    00:20:41

    4-3. 여름에 힘 떨어지는 타자 vs 꾸준한 타자 (1)

    00:19:35

    4-4. 여름에 힘 떨어지는 타자 vs 꾸준한 타자 (2)

    00:19:36

    4-5. 왜 우리 팀만 만나면 잘하는거야 (1)

    00:17:27

    4-6. 왜 우리 팀만 만나면 잘하는거야 (2)

    00:16:57
  • [데이터 분석 & 시각화] SECTION 5. "이 사람들 다 어디로 가는거지?"

    02:01:52

    5-1. 여러 개의 엑셀 파일 통합 정리하기 (1)

    00:21:41

    5-2. 여러 개의 엑셀 파일 통합 정리하기 (2)

    00:17:15

    5-3. 여러 개의 엑셀 파일 통합 정리하기 (3)

    00:13:17

    5-4. 일자별 승객 수 살펴보기 (1)

    00:20:50

    5-5. 일자별 승객 수 살펴보기 (2)

    00:19:06

    5-6. 지하철역별 승객 수 살펴보기 (심화) (1)

    00:17:12

    5-7. 지하철역별 승객 수 살펴보기 (심화) (2)

    00:12:31
  • [데이터 분석 & 시각화] SECTION 6. "나만의 데이터 지도 만들기"

    01:01:38

    6-1. 오픈API 신청하기

    00:09:48

    6-2. API를 통한 데이터 받기 (1)

    00:16:53

    6-3. API를 통한 데이터 받기 (2)

    00:07:14

    6-4. 따릉이 지도 만들기 (1)

    00:17:38

    6-5. 따릉이 지도 만들기 (2)

    00:10:05
  • [머신러닝] SECTION1. 머신러닝이란?

    00:13:34

    1-1. 인공지능 vs 머신러닝 vs 딥러닝

    00:07:59

    1-2. 머신러닝 시작해보기

    00:05:35
  • [머신러닝] SECTION 2. "집 값이 비싼 지역은 어디일까?" - PCA, 군집화, 분포도를 활용한 분석

    01:55:04

    2-1. 결과값의 정확도 - 공분산과 상관계수

    00:08:30

    2-2. 차원축소

    00:10:07

    2-3. 집 값이 비싼 지역은 어디일까 (차원축소 실습) (1)

    00:18:06

    2-4. 집 값이 비싼 지역은 어디일까 (차원축소 실습) (2)

    00:19:11

    2-5. 집 값이 비싼 지역은 어디일까? (차원축소 실습) (3)

    00:10:43

    2-6. 클러스터링

    00:12:58

    2-7. 무엇이 집 값의 차이를 크게 만들까? (클러스터링 실습) (1)

    00:14:54

    2-8. 무엇이 집 값의 차이를 크게 만들까? (클러스터링 실습) (2)

    00:20:35
  • [머신러닝] SECTION 3. "원하는 결과를 어떻게 예측할까?" - 꽃의 종류를 예측하는 머신러닝 모델 만들기

    01:38:17

    3-1. 기계는 어떻게 학습하는가 - 지도학습

    00:05:12

    3-2. kNN(k 근접 이웃)

    00:12:49

    3-3. 머신러닝 예측 확률 높이기 (kNN 실습) (1)

    00:21:45

    3-4. 머신러닝 예측 확률 높이기 (kNN 실습) (2)

    00:11:23

    3-5. 의사결정나무

    00:17:55

    3-6. 의사결정나무 - 오버피팅 방지하는 방법

    00:03:56

    3-7. 꽃의 종류를 예측하는 머신러닝 (의사결정나무 실습)

    00:09:54

    3-8. 모델 성능 측정하기

    00:15:23
  • [머신러닝] SECTION 4. "어떤 고객에게 집중해야할까?" - 앙상블과 금융 데이터를 이용한 예금 가입 가능성 예측하기

    00:47:49

    4-1. 머신러닝의 성능과 정확도를 향상 시켜주는 기법 - 앙상블

    00:07:31

    4-2. 앙상블 기법 1 - 배깅

    00:05:42

    4-3. 예금 가입 가능성이 높은 고객 예측 (배깅 실습)

    00:18:33

    4-4. 앙상블 기법 2 - 부스팅

    00:09:34

    4-5. 예측과 다른 고객을 통해 더 높은 실적 노려보기 (부스팅 실습)

    00:06:29
  • [머신러닝] SECTION 5. "결론이 무엇인가?" - 예금 가입 예측 모델의 결과 해석하기

    00:49:20

    5-1. 모델의 해석이 필요한 이유

    00:06:15

    5-2. 변수중요도 (실습)

    00:10:31

    5-3. Shap Value 원리

    00:07:29

    5-4. Shap Value 실습

    00:25:05
  • [포트폴리오] SECTION 1. 데이터 분석가란?

    00:22:21

    1-1. 데이터 분석가의 업무

    00:10:59

    1-2. 데이터 분석 과정

    00:11:22
  • [포트폴리오] SECTION 2. 나만의 포트폴리오 만들기

    00:22:33

    2-1. 프로젝트 관리하기

    00:10:16

    2-2. 깃허브 관리하기

    00:04:20

    2-3. 포트폴리오 관리하기

    00:07:57
  • [포트폴리오] SECTION 3. 맨체스터 유나이티드.. 왜 하위권 팀이 된 걸까?

    01:14:21

    3-1. 라이벌 팀과 비교하며 부족한 포지션 찾기 (1)

    00:17:40

    3-2. 라이벌 팀과 비교하며 부족한 포지션 찾기 (2)

    00:17:06

    3-3. 라이벌 팀과 비교하며 부족한 포지션 찾기 (3)

    00:20:23

    3-4. 그래서 어떤 선수를 영입해야 하는거야

    00:19:12
  • [포트폴리오] SECTION 4. 오늘 매출은 얼마나 나올까?

    01:19:18

    4-1. kaggle 대회 참여를 위한 준비 - 피처 엔지니어링

    00:20:45

    4-2. kaggle 대회 참여와 고득점을 위한 분석 - 베이스라인 모델 (1)

    00:19:13

    4-3. kaggle 대회 참여와 고득점을 위한 분석 - 베이스라인 모델 (2)

    00:09:19

    4-4. 보조 데이터를 이용하여 성능 올리기 (1)

    00:15:48

    4-5. 보조 데이터를 이용하여 성능 올리기 (2)

    00:14:13
  • [포트폴리오] SECTION 6. 누구에게 돈을 빌려줄 것인가?

    01:48:27

    5-1. ML 포트폴리오의 기본

    00:21:57

    5-2. 문제정의 및 분석과정 정리 (1)

    00:16:06

    5-3. 문제정의 및 분석과정 정리 (2)

    00:26:00

    5-4. 문제정의 및 분석과정 정리 (3)

    00:14:55

    5-5. 문제정의 및 분석과정 정리 (4)

    00:12:00

    5-6. 문제정의 및 분석과정 정리 (5)

    00:17:29
  • [포트폴리오] SECTION 6. 포트폴리오 요약

    00:08:17

    6-1. 포트폴리오 요약

    00:08:17

커리어 성장으로 가는 길, 러닝스푼즈와 함께 하세요!

지금 보고 계시는 강의의 관련 태그로 다른 강의도 찾아보세요.

온라인

데이터 분석가 취업! 파이썬 머신러닝 포트폴리오 패키지

강의찾기