과정소개
· 현직 데이터사이언티스트 전문가가 전하는 빅데이터 개발 및 분석 실무 노하우 및 체계적인 교육
· 회사내에서 빅데이터 개발 및 분석 업무로 보직 변경을 하고자 하는 분을 위한 교육
· 빅 데이터 시스템 구축 및 분석의 A부터 Z까지 전체적인 흐름을 파악하고, 빅데이터 수집부터 적재, 처리 , 분석까지 프로젝트로 배우며 관련 노하우 습득

학습목표
· 빅데이터 수집 관련 기술 및 제품에 대한 인사이트를 얻을 수 있다.
· 데이터 요구사항 도출 및 유형별 분류 및 특성을 파악할 수 있다.
· 실무 데이터사이언티스트로서의 데이터 수집 노하우를 습득할 수 있다.
· 수집 변환된 데이터를 비즈니스 목적에 맞게 데이터 유형과 분석 목적을 고려하여 저장 구조를 설계할 수 있다.
· 실무 데이터사이언티스트로서의 데이터 적재 노하우를 습득할 수 있다.
· 데이터 분석에 있어서 통계의 기본 개념을 익힌다면 조금 더 심도있는 분석을 수행할 수 있다.
· 모집단과 표본의 개념과 표본 추출 방법 이해, 척도의 종류 이해
· 확률변수의 이해, 가설검정 과정의 이해
· 상관분석, 회귀분석의 이해
· 비즈니스 목표와 전략 및 방침에 따라 데이터마이닝 기반의 데이터 분석을 도입하고 전체 프로세스를 관리할 수 있다.
· 통계학 기반의 데이터 분석과 머신러닝 기반의 데이터 분석의 차이와 활용 목적을 이해하고 활용 목적에 맞추어 머신러닝 기법의 적용 필요성을 판단할 수 있다.
· 해결하고자 하는 이슈에 따라 데이터 구조의 설명과 패턴화에 적합한 머신러닝 기법을 선정하고 적용 절차를 계획할 수 있다.
· 분석하고자 하는 목적 및 데이터 세트 특성에 따라 머신러닝 기법 적용을 위한 훈련 데이터 세트와 테스트 데이터 세트 분할 기준을 판단할 수 있다.
· 수립된 분석 계획에 따라 실제로 정확한 분류나 예측 모형화를 위해 적합한 머신러닝 기법을 적용할 수 있다
· 연속형 목적변수(혹은 반응변수)가 주어진 경우, 이의 문제 해결을 위해 다양한 수치 예측 모델을 비교해 보고 최적의 수치예측모델을 선정하여 적용할 수 있다.
· 다양한 군집화 기법을 적용해보고 최적의 군집화 기법을 선정하여 적용할 수 있다.
· 기계 학습의 개념 및 특징 공간, 데이터의 중요성을 설명한다.
· 영상 처리 기초와 머신러닝의 주요 도전 과제를 설명한다.
· 머신러닝 분류와 예측 알고리즘을 설명한다.
· 이미지 및 텍스트 처리를 위한 딥러닝 알고리즘을 설명한다.

교육대상
데이터분석 분야 및 관련 분야 취업 및 ADP 자격 취득