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

매일 선착순 20명 한정! 할인가 확인하고 커리어 성장하세요!

강의찾기