컨텐츠 내용
- 수강신청
- 과정정보
ChatGPT를 활용한 노코드 데이터분석
과정소개
학습목표
본 훈련과정은 정보통신 산업의 핵심 영역 중 하나인 인공지능 활용 빅데이터 분석 역량 제고를 목적으로 이론과 실무 중심으로 설계한 교육입니다. ChatGPT와 같은 생성형 인공지능 도구를 적극 활용하여 기존 프로그래밍 언어 기반의 데이터 분석 업무의 진입 장벽을 낮추고, 본 훈련과정 수강하는 누구나 데이터 기반 의사결정과 분석 업무를 수행할 수 있도록 하는 것이 목표입니다.
훈련은 초급 입문자 수준을 기준으로 구성되었으며, 데이터 수집부터 전처리, EDA, 통계분석, 회귀‧분류‧군집‧시계열 분석에 이르기까지 전 과정을 단계적으로 학습합니다. 각 분석 주제별로 현업에서 활용 가능한 공공데이터 기반의 실습 예제를 제공하며, 이를 통해 실제 데이터를 기반으로 분석 기획 → 데이터 수집 및 전처리 → 분석 및 시각화 → 인사이트 도출의 전 과정을 경험할 수 있습니다.
훈련은 초급 입문자 수준을 기준으로 구성되었으며, 데이터 수집부터 전처리, EDA, 통계분석, 회귀‧분류‧군집‧시계열 분석에 이르기까지 전 과정을 단계적으로 학습합니다. 각 분석 주제별로 현업에서 활용 가능한 공공데이터 기반의 실습 예제를 제공하며, 이를 통해 실제 데이터를 기반으로 분석 기획 → 데이터 수집 및 전처리 → 분석 및 시각화 → 인사이트 도출의 전 과정을 경험할 수 있습니다.
교육대상
국민내일배움카드를 소지한 청년, 중장년 구직자 및 재직자를 대상으로 하며, 기본 컴퓨터 활용 능력을 갖춘 초급 입문자, 빅데이터 및 AI 분석에 관심 있는 자, 프로그래밍 경험이 없거나 제한적이더라도 AI 도구 활용에 흥미가 있는 자라면 누구나 참여할 수 있습니다.
수료기준
| 평가기준 | 진도율 | 과제 | 과제 | 진행단계평가 | 과제 | 과제 | 과제 | 과제 | 최종평가 | 총점 |
|---|---|---|---|---|---|---|---|---|---|---|
| 반영비율 | - | 25% | 5% | - | 25% | 5% | 30% | 10% | - | 100점 |
| 이수(과락)기준 | 80% | - | - | - | - | - | - | - | - | 0점 |
※ 수료기준은 이수(과락)기준에 나와있는 대로 진도율 80% 이상입니다. 실습과제 및 프로젝트도 잊지말고 수행해 보세요.
강사소개
- 강사명
- 이숙헌
- 강사약력
- 개발경력 25년차
- 정보통신기술진흥센터 국책심사위원(2016.7이후~)
- ㈜안랩에서 리눅스 커널과 네트워크 관련 프로그램 개발- ㈜랩와이에 연굿소장으로 있으면서 빅데이터 분석, 영상 처리, 게임 개발 등 다양한 분야의 개발
- 현재 ㈜러닝스페이스 기술 이사로 재직중으로 각종 데이터 분석과 강의 및 프로젝트 멘토링
- (전)안양대학교와 삼육대학교 겸임교수 재직, (전)고려대학교, 성신여자대학교, 숙명여자대학교 시간강사 재직
- 메디치 교육센터, 경기도 미래 기술 학교, KH정보 교육원, 서대문 여성인력 개발 센터, 한국IT비즈니스 진흥협회 등 강의
| Clip | 강의명 |
|---|---|
| Chapter 1. 오리엔테이션 | |
| 1 Clip | 과정 소개 / ChatGPT 소개 |
| 2 Clip | 데이터 분석 과정 이해 / 공공 데이터 활용법 |
| Chapter 2. 데이터 수집 및 전처리 | |
| 3 Clip | 데이터 수집 기술 / ChatGPT 데이터 연동 |
| 4 Clip | 데이터 전처리 처리 과정 및 주의사항 |
| 5 Clip | 데이터 결측치 확인 및 처리 방법 실습 |
| 6 Clip | 데이터 이상치 확인 및 처리 방법 실습 |
| 7 Clip | 범주형 데이터 전처리 개념 및 데이터 인코딩 |
| 8 Clip | 수치형 데이터 전처리의 이해 |
| 9 Clip | 수치형 데이터의 표준화와 정규화 이론 및 실습 |
| 10 Clip | [분석예제1] 무역 데이터 |
| Chapter 3. 기술 통계 분석 | |
| 11 Clip | 기술 통계적 분석 방법과 결과 해석 |
| 12 Clip | [분석예제2] 코로나와 서울지하철 유동인구 분석 |
| 13 Clip | 집단 간 비교 분석 / [분석예제3] 집단 간 분산성 분석 데이터 셋 실습 |
| Chapter 4. EDA 분석 | |
| 14 Clip | EDA 분석 이해 / [분석예제4] 타이타닉 데이터 EDA 분석 |
| 15 Clip | EDA 분석 기획 방법 / [분석예제5] 학생성적 EDA 분석 |
| Chapter 5. 상관 분석 | |
| 16 Clip | 공선성과 상관 계수 개념 이해 |
| 17 Clip | [분석예제6] 범죄자 생활정도 상관 분석 |
| 18 Clip | 다중 공선성 문제 및 해결 방법 |
| 19 Clip | [분석예제7] 보스턴 집값 상관 분석 |
| 20 Clip | 데이터의 상관 분석 이해 및 결과 해석 |
| 21 Clip | [분석예제8] 국가별 음주 데이터 상관 분석 |
| Chapter 6. 회귀 분석 | |
| 22 Clip | 회귀 분석 개념 및 모델 |
| 23 Clip | [분석예제9] 와인 품질 예측하기 |
| 24 Clip | 회귀 특성 공학 규제 개념 이해 |
| 25 Clip | [분석예제10] 생선 무게 예측하기 |
| 26 Clip | 로지스틱 회귀 분석 개념 이해 및 모델 소개 |
| 27 Clip | [분석예제11] 유방암 발생 예측하기 |
| Chapter 7. 분류 분석 | |
| 28 Clip | 분류 분석 개념 및 모델 |
| 29 Clip | 분류 분석 모델의 성능 평가 지표 해석 |
| 30 Clip | [분석예제12] 심부전증 예측하기 |
| 31 Clip | 분류 분석 앙상블 모델 소개와 장단점 |
| 32 Clip | [분석예제13] 심장병 예측하기 |
| Chapter 8. 군집 분석 | |
| 33 Clip | 군집 분석 모델 개념과 동작 방식 이해 |
| 34 Clip | 군집 분석 모델들 비교와 평가 |
| 35 Clip | K-means 모델 이해 |
| 36 Clip | [분석예제14] fruit 분류하기 |
| Chapter 9. 시계열 분석 | |
| 37 Clip | 시계열 분석 이해 |
| 38 Clip | 시계열 데이터의 결측치와 이상치 처리 방법 |
| 39 Clip | 시계열 분석 모델들 비교와 선택 방법 |
| 40 Clip | [분석예제15] 비트코인 예측하기 |
