한국생산성본부

최근 검색어
인기 검색어
닫기

교육

지수

자격인증

접기/펴기

R을 활용한 통계분석 및 머신러닝 고급실무

교육상세 옵션정보
교육일정
 
교육시간 4일, 28시간 / [화~금] 09:30~17:30
교육장소 서울본부(강의장 추후 개별 안내)
고용보험 고용보험 비환급 ?
교육비
정상가 800,000 원 1사2인 이상시 1인당 760,000 원 KPC 유료법인회원 720,000 원
교육문의 T. 02-724-1228 / F. 02-724-1875 / jekim@kpc.or.kr
 

교육시간

[화~금] 09:30~17:30




교육목적/특징

■ R의 기본 문법과 데이터 모델을 이해하고 스크립트를 작성하여 데이터 처리, 시각화, 통계분석 수행
■ R의 패키지 사용, 탐색적 데이터 분석과 머신러닝 및 예측 분석 수행
■ R을 활용한 현황/추이 분석을 통한 통계분석과 머신러닝을 활용한 예측까지 전체 분석 프로세스 이해
■ R을 활용한 빅데이터 분석 프로젝트를 수행하는데 필요한 각종 절차와 산출물 작성법 습득




교육대상

■ R을 이용한 데이터 분석에 관심이 있는 분
■ R을 이용한 데이터 시각화에 관심이 있는 분
■ R을 이용한 빅데이터 분석 프로젝트에 관심이 있는 분




교육내용

"[Big Data] R을 활용한 빅데이터 분석 및 활용실무"의 후수과목입니다. 선수교육 커리큘럼 참고 바랍니다 (화면 하단 추천과정 링크).
■ IT관련 기본 지식, 통계 관련 업무를 하지 않으시는 분들은 수업이 원활하지 않을 수 있습니다.

일자별 교육내용을 나타낸 표입니다.

일자

내용

1일차

[Module 01] 빅데이터 분석 플랫폼과 R을 이용한 분석

[Phase 01] 빅데이터 분석 플랫폼
- 빅데이터 분석 플랫폼의 이해
- 빅데이터 수집/저장/처리/분석/시각화 주요 기술

[Phase 02] 빅데이터 분석과 R
- 주요 분석 기법
- 통계분석과 머신러닝
- 통계분석 절차와 머신러닝 서비스

[Phase 03] 빅데이터 분석 사업
- 빅데이터 전략 계획
- 데이터 수집에서 활용까지
- 빅데이터 분석 시범사업 Case study

[Module 02] 데이터 분석 프로세스와 프로젝트 실무

[Phase 04] 데이터의 구조와 분석 기법
- 데이터의 구조화
- 좋은 데이터 구하기
- 데이터 평가 기법
- 데이터 구조와 분석기법

[Phase 05] 분석 프로세스와 주제선정
- 분석 프로세스의 이해
- 데이터 정의부터 분석 계획서 작성까지

[Phase 06] 분석 프로젝트와 산출물
- 국내 빅데이터 주요 분석사업
- 분석 결과 산출물 작성법

2일차

[Module 03] R의 이해와 사용법

[Phase 07] R 개요 및 설정
- R의 이해 및 특징
- R, R Studio 설치 및 설정
- R시작하기 및 기본 예제
- R 패키지의 이해

[Phase 08] R 프로그래밍
- R 기초 문법의 이해
- R 데이터 입력과 출력
- R 패키지 사용법과 실습

[Phase 09] R 데이터 모델
- Vector, Matrix, Array, List 객체의 이해 및 실습
- DataFrame 객체의 이해 및 실습
- 변수와 데이터프레임의 이해

[Module 04] 탐색적 데이터 분석

[Phase 10] R 데이터 전처리
- 데이터셋 만들기
- 변수 추가/삭제 및 컬럼 이름 변경
- Missing Value 처리
- 정렬 및 집계
- Row/Column Subset
- SQLDF

[Phase 11] R 데이터 시각화 기초
- R Graphics 기초
- R 기본 그래프
- R 그래프 매개변수(색상, 축, 속성, 타이틀)의 활용

[Phase 12] 탐색적 데이터 분석
- 상관/인과/연관분석
- 기초통계
- 데이터셋 적재하기
- 데이터 Segmeatation
- 분포시각화 (히스토그램, 핵밀도 그래프, Box Plots, Dot Plots)

3일차

[Module 05] 머신러닝 알고리즘

[Phase 13] 머신러닝 알고리즘의 이해
- 머신러닝의 이해와 원리
- K-Nearest Neighbors
- 속성과 레이블, 유사도의 개념

[Phase 14] 머신러닝 알고리즘- 지도학습
- 의사결정나무(Decision Tree)
- NaiveBayes 분류기
- Logistic regression
- SVM(Support Vector Machines)

[Phase 15] 머신러닝 알고리즘 - 비지도학습
- 군집의 이해
- K-Means Clustering

4일차

[Module 06] 머신러닝 실습과 예측 분석

[Phase 16] 머신러닝 실습
- 거리개념과 MDS
- 의사결정나무를 이용한 분류기 실습
- 군집분석
- 계층적 군집과 K-Means 군집 실습
- KNN의 구현과 적용
- Naive Bayes 실습

[Phase 17] 예측분석
- 시계열 분석과 예측
- Time Series Analysis 개요
- 시계열 상관(CCF 분석) 실습
- 예제 데이터를 활용한 추세와 계절성 분석
- 시계열 예측 실습

[Phase 18] 빅데이터 분석의 미래
- 빅데이터 분석 플랫폼의 활용
- 빅데이터 분석의 미래

* 본 교육과정은 개강일 기준으로 약 7일 전 개강 여부를 확정하며,
최소한의 수강생이 모이지 않을 경우 폐강될 수도 있음을 알려드립니다.
(수강신청 완료자분들을 대상으로 개강일 기준 약 7일 전 문자/메일로 안내드리고 있습니다.)

 

수강후기

연관 자격

자격증명 자격증관련링크

R을 활용한 통계분석 및 머신러닝 고급실무

2022-10-11~2022-10-14

 
한국생산성본부

슬기로운 직장생활을 위한 한국생산성본부 교육과정 상세 안내

과정명 : R을 활용한 통계분석 및 머신러닝 고급실무

교육일정 2022-10-11 ~ 2022-10-14 교육시간 09:30 : 17:30 교육장소
교육비 지원 고용보험 비환급 담당자 T. 02-724-1228 / F. 02-724-1875 / jekim@kpc.or.kr

교육비

정상가 1사2인 이상시 1인당 KPC회원(일반,특별)
800,000원 760,000원 720,000원

※ 2일이하 과정은 산업인력공단 실시신고 등록마감으로 인해 훈련 개시 1일전(근무일기준) 18:00까지 신청할 수 있습니다.

상세안내

교육시간

[화~금] 09:30~17:30

교육목적/특징

■ R의 기본 문법과 데이터 모델을 이해하고 스크립트를 작성하여 데이터 처리, 시각화, 통계분석 수행
■ R의 패키지 사용, 탐색적 데이터 분석과 머신러닝 및 예측 분석 수행
■ R을 활용한 현황/추이 분석을 통한 통계분석과 머신러닝을 활용한 예측까지 전체 분석 프로세스 이해
■ R을 활용한 빅데이터 분석 프로젝트를 수행하는데 필요한 각종 절차와 산출물 작성법 습득

교육대상

■ R을 이용한 데이터 분석에 관심이 있는 분
■ R을 이용한 데이터 시각화에 관심이 있는 분
■ R을 이용한 빅데이터 분석 프로젝트에 관심이 있는 분

교육내용

"[Big Data] R을 활용한 빅데이터 분석 및 활용실무"의 후수과목입니다. 선수교육 커리큘럼 참고 바랍니다 (화면 하단 추천과정 링크).
■ IT관련 기본 지식, 통계 관련 업무를 하지 않으시는 분들은 수업이 원활하지 않을 수 있습니다.

일자별 교육내용을 나타낸 표입니다.

일자

내용

1일차

[Module 01] 빅데이터 분석 플랫폼과 R을 이용한 분석

[Phase 01] 빅데이터 분석 플랫폼
- 빅데이터 분석 플랫폼의 이해
- 빅데이터 수집/저장/처리/분석/시각화 주요 기술

[Phase 02] 빅데이터 분석과 R
- 주요 분석 기법
- 통계분석과 머신러닝
- 통계분석 절차와 머신러닝 서비스

[Phase 03] 빅데이터 분석 사업
- 빅데이터 전략 계획
- 데이터 수집에서 활용까지
- 빅데이터 분석 시범사업 Case study

[Module 02] 데이터 분석 프로세스와 프로젝트 실무

[Phase 04] 데이터의 구조와 분석 기법
- 데이터의 구조화
- 좋은 데이터 구하기
- 데이터 평가 기법
- 데이터 구조와 분석기법

[Phase 05] 분석 프로세스와 주제선정
- 분석 프로세스의 이해
- 데이터 정의부터 분석 계획서 작성까지

[Phase 06] 분석 프로젝트와 산출물
- 국내 빅데이터 주요 분석사업
- 분석 결과 산출물 작성법

2일차

[Module 03] R의 이해와 사용법

[Phase 07] R 개요 및 설정
- R의 이해 및 특징
- R, R Studio 설치 및 설정
- R시작하기 및 기본 예제
- R 패키지의 이해

[Phase 08] R 프로그래밍
- R 기초 문법의 이해
- R 데이터 입력과 출력
- R 패키지 사용법과 실습

[Phase 09] R 데이터 모델
- Vector, Matrix, Array, List 객체의 이해 및 실습
- DataFrame 객체의 이해 및 실습
- 변수와 데이터프레임의 이해

[Module 04] 탐색적 데이터 분석

[Phase 10] R 데이터 전처리
- 데이터셋 만들기
- 변수 추가/삭제 및 컬럼 이름 변경
- Missing Value 처리
- 정렬 및 집계
- Row/Column Subset
- SQLDF

[Phase 11] R 데이터 시각화 기초
- R Graphics 기초
- R 기본 그래프
- R 그래프 매개변수(색상, 축, 속성, 타이틀)의 활용

[Phase 12] 탐색적 데이터 분석
- 상관/인과/연관분석
- 기초통계
- 데이터셋 적재하기
- 데이터 Segmeatation
- 분포시각화 (히스토그램, 핵밀도 그래프, Box Plots, Dot Plots)

3일차

[Module 05] 머신러닝 알고리즘

[Phase 13] 머신러닝 알고리즘의 이해
- 머신러닝의 이해와 원리
- K-Nearest Neighbors
- 속성과 레이블, 유사도의 개념

[Phase 14] 머신러닝 알고리즘- 지도학습
- 의사결정나무(Decision Tree)
- NaiveBayes 분류기
- Logistic regression
- SVM(Support Vector Machines)

[Phase 15] 머신러닝 알고리즘 - 비지도학습
- 군집의 이해
- K-Means Clustering

4일차

[Module 06] 머신러닝 실습과 예측 분석

[Phase 16] 머신러닝 실습
- 거리개념과 MDS
- 의사결정나무를 이용한 분류기 실습
- 군집분석
- 계층적 군집과 K-Means 군집 실습
- KNN의 구현과 적용
- Naive Bayes 실습

[Phase 17] 예측분석
- 시계열 분석과 예측
- Time Series Analysis 개요
- 시계열 상관(CCF 분석) 실습
- 예제 데이터를 활용한 추세와 계절성 분석
- 시계열 예측 실습

[Phase 18] 빅데이터 분석의 미래
- 빅데이터 분석 플랫폼의 활용
- 빅데이터 분석의 미래

* 본 교육과정은 개강일 기준으로 약 7일 전 개강 여부를 확정하며,
최소한의 수강생이 모이지 않을 경우 폐강될 수도 있음을 알려드립니다.
(수강신청 완료자분들을 대상으로 개강일 기준 약 7일 전 문자/메일로 안내드리고 있습니다.)

 

한국생산성본부

우) 03170 서울시 종로구 새문안로5가길 32 생산성빌딩
Copyright ⓒ Korea Productivity Center. All Rights Reserved.