---

소개

---

참가 대상

AI 데이터 사이언티스트가 되고 싶은 누구나

---

커리큘럼

1) Part 1. AI 이해하기

01. 빅데이터 이해하기
∙ AI란 무엇인가?
∙ 데이터 사이언스란 무엇인가?
∙ 인공지능 기술과 데이터 분석 적용 이해하기

2) Part 2. Python

01. 파이썬 프로그래밍 기초
∙ if, elif, else를 활용한 조건문 학습
∙ for, while, break 키워드를 활용한 반복문 학습
∙ 연습문제를 통한 조건문과 반복문 실습
∙ try, except를 활용한 예외처리
∙ 함수를 활용한 효과적 코드 관리 및 운용
∙ 클래스와 함수, 속성의 차이 이해하기


02. 파이썬 프로그래밍 실전
∙ 데이터 분석을 위한 라이브러리 구조와 사용 방법 익히기
∙ Numpy, Pandas 기본 사용법 및 활용
∙ Matplotlib, Seaborn을 활용한 시각화
03. 파이썬 웹크롤링
∙ HTML이란?
∙ Beautifulsoup
∙ Selenium
∙ CSS Selector


04. Toy 프로젝트 : 웹 크롤링
∙ 주제 선정 및 가설 설정, 기획
∙ 크롤링을 활용한 데이터 수집
∙ 데이터 패턴 파악 및 가설 검증
∙ 발표 및 질의응답

3) Part 3. SQL / GIT

01. 빅데이터 추출,가공을 위한 SQL 기초/실전
∙ 주문 데이터를 활용한 기본 SQL
∙ SQL을 활용한 데이터 전처리
∙ SQL을 활용한 데이터 추출
∙ 보다 간결한 Query 변형 및 그룹 함수의 활용
∙ Python을 활용한 SQL 자동화


02. Git / GitHub
∙ Git의 기본 개념 및 역사
∙ Git/Github 의 활용 및 오류 해결, 브랜치
∙ Git flow 전략
∙ 팀 단위 개발

4) Part 4. Python 라이브러리 실전 / 코딩테스트

01. 파이썬 라이브러리 실전
∙ Numpy 응용
∙ Pandas 응용
∙ 시각화 기초 : Matplotlib, Seaborn
∙ EDA


02. 미니 프로젝트 : EDA
∙ 주제 선정 및 가설 설정, 기획
∙ 크롤링을 활용한 데이터 수집
∙ EDA를 통한 데이터 패턴 파악 및 가설 검증
∙ 발표 및 질의응답


03. 데이터 사이언스 코딩테스트
∙ 문자열, 배열, 해싱
∙ 정렬 알고리즘과 이진탐색
∙ 스택, 큐, 자료구조, 그리디 알고리즘
∙ 기술면접 & 자료구조 기반 실전 코딩테스트

5) Part 5. 머신러닝

01. 머신러닝 입문
∙ 머신러닝의 개념과 종류
∙ 회귀분석
∙ 기본적 머신러닝 모형


02. 머신러닝 실전
∙ 지도학습 모델 Review
: 회귀모델, 의사결정나무, k-NN, SVM, Naive bayse
∙ 비지도학습 : Clustering, PCA
∙ 모델 선택 및 주의사항
∙ 앙상블 기법


03. 모델링 프로젝트
가상데이터를 활용한 분류모델 생성 및 시각화

6) Part 6. 딥러닝 (NLP, RS, CV)

01. 딥러닝 입문 및 실전
∙ NN 기초 및 응용
∙ CNN 기초 및 응용사례
∙ RNN 기초 및 응용사례
∙ 네트워크 학습 방법
∙ 성능 향상을 위한 방법
∙ 다양한 Optimizer


02. 딥러닝 트랙학습
∙ NLP(자연어처리) 개념학습 및 실전
∙ RS(추천시스템) 개념학습 및 실전
∙ CV(컴퓨터 비전) 개념학습 및 실전

7) Part 7. Final Project

01. 기업연계 프로젝트
∙ 관심 분야 기업 데이터셋 선택
∙ 주제 및 가설 설정, 기획
∙ 강사 및 현직자 멘토와의 방향성 점검 및 피드백
∙ 중간 기획안 발표
∙ 최종 결과 발표 및 질의응답

---

위치

---