비전공자를 위한 데이터 사이언스 입문

커리큘럼 안내

• 레벨1

  엑셀로 캐글 경진대회 문제 해결하기

  글로벌 데이터 사이언스 경진대회 캐글(kaggle.com)에 참가해 스프레드시트 정적분석을 활용, 문제를 해결합니다.

  1. 학습 내용
     • 인공지능 알고리즘
     • 스프레드시트의 정적분석을 활용한 문제 해결
  2. 실습 내용
     • 데이터사이언스 경진대회 캐글(kaggle) 참여
     • 캐글 경진대회 중 하나인 타이타닉 생존자 예측 문제 참가
• 레벨2

  데이터분석을 위한 파이썬 학습하기

  스프레드시트로 문제를 해결하면서 알고리즘을 파악했다면 본격적으로 데이터를 분석하기 위해 파이썬을 학습합니다.

  1. 학습 내용
     • 프로그래밍 언어 파이썬(Python) 학습
     • 인공지능/머신러닝 알고리즘 시연 케이스를 통해 데이터분석 예측에 대한 전반적인 이해
  2. 실습 내용
     • 스프레드시트로 풀었던 타이타닉 문제를 파이썬으로 해결
• 레벨3

  판다스(Pandas), 씨본(Seaborn) 학습하기

  파이썬의 데이터분석 패키지인 판다스와 데이터 시각화 패키지인 씨본에 대해 학습해 데이터분석에 적용합니다.

  1. 학습 내용
     • 파이썬 데이터분석 패키지 판다스(pandas) 학습
     • 파이썬 시각화 패키지 씨본(seaborn) 학습
  2. 실습 내용
     • 판다스로 실제 데이터를 불러와 데이터분석하기
     • 타이타닉 경진대회의 데이터 시각화
• 레벨4

  파이썬으로 데이터 분석하기

  1주 차에 스프레드시트로 해결했던 캐글의 문제를 파이썬을 활용해 다시 해결해봅니다.

  1. 학습 내용
     • 파이썬의 싸이킷런(scikit-learn)의 머신러닝 알고리즘 의사결정나무 학습
     • 캐글 상위 5% (예측 정확도 81.818%) 도달 노하우
  2. 실습 내용
     • 파이썬으로 타이타닉 문제 재도전
     • 의사결정나무 알고리즘을 활용 캐글 점수 상위 25% (예측 정확도 78.947%) 도전
• 레벨5

  데이터분석 실제 활용하기

  데이터분석 경진대회인 <Bike Sharing Demand>에 참가해 문제를 해결하고 ‘탐험적 데이터분석'에 도전합니다.

  1. 학습 내용
     • 데이터 분석 결과를 알고리즘에 적용하는 탐험적 데이터분석(Exploratory Data Analysis)
  2. 실습 내용
     • 새로운 경진대회 <Bike Sharing Demand> 참가
     • 자전거 대여 스타트업 Capital Bikeshare의 고객 데이터를 활용, 2011년-2012년의 시간당 자전거 대여량 예측
• 레벨6

  머신러닝 알고리즘 활용하기

  의사결정나무(Decision Tree) 알고리즘과 이를 개선한 알고리즘을 활용해봅니다.

  1. 학습 내용
     • 머신러닝 알고리즘에 분석한 데이터 적용
     • 예측 모델의 성능 개선을 위한 분류/회귀 개념 이해
     • 회귀 버전의 의사결정나무 적용
     • 랜덤 포레스트(random forest) 알고리즘 사용
  2. 실습 내용
     • 학습 결과물을 직접 캐글에 제출에 점수 확인
     • 의사결정나무 알고리즘을 개선해 새로운 알고리즘 테스트 진행
• 레벨7

  캐글을 거치지 않고 모델 성능 검증하기

  먼저 모델을 검증하는 두 가지 방식인 Hold-out Validation과 Cross Validation을 학습한 뒤 검증한 모델이 개선 되었는지 알아보기 위한 회귀(Regression) 문제에 대한 측정 공식인 Mean Absolute Error(MAE), Mean Squared Error(MSE), Root Mean Squared Error(RMSE) 등을 학습합니다.

  1. 학습 내용
     • 모델 성능 검증 방법 Hold-out Validation 학습
     • 모델 성능 검증 방법 Cross Validation 학습
     • 회귀문제에 대한 측정 공식 학습
  2. 실습 내용
     • 캐글에 모델 예측값을 제출하지 않고 모델 성능 검증
• 레벨8

  캐글 최상위권 성적 도전하기

  캐글 경진대회 상위 5%(캐글점수 0.39010)에 도달하는 것을 목표로 데이터분석 과제를 실행합니다. *캐글에서는 상위 5% 진입한 사람들을 프로 데이터 사이언티스트로 간주합니다.

  1. 학습 내용
     • Bike Sharing Demand의 공식 측정 공식 Root Mean Logarithmic Error 이해
     • 하이퍼패러미터(Hyperparameter) 이해 및 모델 튜닝
     • 데이터 사이언티스트 직무 로드맵 및 노하우
  2. 실습 내용
     • 캐글 최상위권 성적(0.39010)에 도전
     • 캐글 상위 5%에 진입한 사람에겐 캐글에서 공인하는 은메달 마크가 부여되며, 데이터 사이언티스트로서의 능력을 인정받게 됩니다.