빅데이터 모델링으로 내 데이터 분석 커리어도 모델링!
분석 모형 설계 과정부터 고급 분석 기법까지, 비전공자도 바로 시작하는 빅데이터 분석 자격증!
분석 모형 설계 과정부터 고급 분석 기법까지,
비전공자도 바로 시작하는 빅데이터 분석 자격증!
- 분석을 위한 분석 모형 설계
- 회귀분석부터 비정형 데이터 분석까지 다루는 다양한 분석 기법
- 완벽한 핵심 이론 및 요점 정리
- 유형별 기출 문제 풀이 및 해설
빅데이터분석기사 필기 3과목! 고난이도 개념도 쉽게 쏙쏙!
데이터 과학자, 개발자의 역할이 점점 확대되고 있는 오늘날, 특히 빅데이터 분석은 기술 시장에서 두각을 나타내고 있습니다!
그러나, 이러한 역량이 마치 전문가만의 영역인 것처럼 느껴지시나요?
이제 누구나, 여러분도 빅데이터와 인공 지능 분석을 쉽게 시작할 수 있습니다.
마소캠퍼스의 빅데이터 분석기사 필기 3과목 강의는 바로 그 시작입니다!
데이터 사이언스 분야, 궁금하신가요?
마소캠퍼스의 빅데이터 분석기사 필기 3과목 강의는 이러한 필요성을 충족시키기 위해 마련되었습니다.
본 강의는 복잡한 수학이나 어려운 프로그래밍 없이도 빅데이터 분석의 세계를 경험할 수 있는 기회를 제공합니다.
이번에 소개할 빅데이터 분석기사 필기 3과목 강의에서는 회귀분석, 로지스틱 회귀분석, 의사결정나무, 인공신경망, KNN 및 서포트 벡터머신과 같은 고급 분석 기법들을 포괄적으로 다루며, 이를 통해 데이터 분석의 전문성을 갖추는 데 필요한 모든 지식과 기술을 제공합니다.
빅데이터 분석, 너무 멀고 어려운 분야라고 생각하셨나요?
관심은 있지만, 전문 지식을 갖추지 못했다고 걱정하시나요?
이제 마소캠퍼스의 “빅데이터 분석기사 필기 3과목” 강의와 함께라면, 복잡하고 어려운 지식을 몰라도 데이터 분석 전문가로 거듭날 수 있습니다.
이 강의를 통해 여러분도 데이터 중심의 미래에서 중요한 역할을 할 수 있으며, 빅데이터 분석 전문가로서의 첫걸음을 내딛을 준비 하세요.
본 강의는 빅데이터 분석기사 필기 3과목 전반에 걸쳐 다양한 고급 데이터 분석 기법을 포괄적으로 다루며, 데이터 분석에 필요한 심화 이론을 체계적으로 배울 수 있는 과정입니다.
- 3과목 빅데이터 분석 핵심 이론 마스터하기!
3과목에서는 복잡한 데이터 패턴을 이해하고 예측하는 데 필요한
회귀분석, 로지스틱 회귀분석, 의사결정나무, 인공신경망 등의 고급 분석 기법을 쉽고 흥미롭게 소개합니다.
- 빅데이터 분석 전문가로서의 첫걸음
본 강의는 빅데이터 분석의 기술적인 깊이를 추가하고자 하는
비전공자나 초보자들이 필요한 고급 분석 지식과 통계 지식을 습득할 수 있습니다.
- 실전 문제로 경험 쌓기!
핵심 이론 설명과 함께 제공되는 다양한 고급 분석 기법에 대한
기출 문제를 통해 실전감각을 키울 수 있습니다.
- 단기간에 빅데이터 분석 자격증 취득을 목표로 하는 분
- 빅데이터 분석 지식을 얻고 싶은 모든 분
- 데이터 분석에 관심이 있지만 난이도 때문에 고민하셨던 분
- 비전공자지만 IT업계로 입사/직무전환/리스킬을 꿈꾸는 분
빅데이터 분석기사 필기 3과목 강의를 수료하고 나면,
다양한 데이터 분석 기법의 지식을 갖추게 됩니다.
이 강의는 이미 데이터 분석에 기초를 가진 학습자부터 현직 데이터 분석가까지,
고급 데이터 처리 기술을 습득하고자 하는 모든 수준의 학습자에게 적합합니다.
- 분석 절차 수립과 분석 환경 구축하기
- 회귀분석 및 로지스틱 회귀분석을 통한 데이터 예측 능력 향상
- 비정형 데이터 분석과 같은 고급 분석 기법 이해
- 다양한 분석 기법 적용을 통한 빅데이터 해석 역량 강화
이 강의를 통해 필요한 다양한 분석 기법을 습득하고,
빅데이터 분석 전문가로서의 시작을 준비하세요.
1. 회귀분석 차근차근 알아보기!
3. 군집분석 개념 정확히 알아보기
2. 인공신경망의 개념 알아보기
4. 기출 문제로 정리를 한번에!
Q. 빅데이터 분석기사 필기 3과목은 어떤 주제를 다루나요?
A. 본 강의는 분석모형 설계부터 고급 데이터 분석 기법까지 다룹니다. 구체적으로 회귀분석, 로지스틱 회귀분석, 의사결정나무, 앙상블 모형, KNN, 서포트벡터머신, 인공신경망, 시계열 분석 등의 내용을 포함합니다.
Q. 강의를 수강하기 위한 요구 사항 또는 필요 조건이 있나요?
A. 본 강의는 이론과 문제 풀이에 중점을 두고 있습니다. 따라서 특별한 요구 사항은 없으나, 강의 내용을 따라갈 수 있는 기본적인 데이터 분석 및 통계 지식이 있으면 더욱 효과적으로 학습할 수 있습니다. 필기 도구나 노트북 등 강의 노트를 정리할 수 있는 도구를 준비하는 것이 좋습니다.
Q. 비전공자나 데이터 분석 초보자도 이 강의를 수강할 수 있나요?
A. 네, 가능합니다. 비록 고급 기법을 다루지만, 강의는 기본 개념부터 차근차근 설명하기 때문에 비전공자나 분석 초보자도 충분히 따라올 수 있도록 설계되어 있습니다.
-
-
- 실습 위주의 강의이기 때문에 강의 화면과 실습 화면을 분리할 수 있는 듀얼 모니터 또는 여분 기기를 함께 준비해주시면 좋습니다.
- 또한 Windows OS 기반으로 실습이 진행되므로, Windows 환경에서의 강의 수강을 추천해드립니다.
- 강의 교안 및 실습파일은 <00. 교재 다운로드 센터> 섹션에 존재합니다.
-
“어제보다 성장하겠습니다. 그리고, 어제보다 성장하려는 사람을 돕겠습니다.”
마소캠퍼스의 진심과 소망을 담은 Actionable Content로,
2013년부터 온오프라인으로 함께해 온 누적 강의 1억시간!
이 소중한 경험과 시간은 언제나 마소캠퍼스와 수강생 모두의 성장의 원천입니다.
마소캠퍼스 팀은 우리의 모두의 성장을 위해 두 가지 원칙을 반드시 지킵니다.
1. 배우면 반드시 쓸 수 있는 Actionable Content
2. 참여자의 시간과 수고를 존중하는 Time-Saving Curriculum
마소캠퍼스의 Actionable and Time-Saving Curriculum으로 성장의 길을 함께 걸어나가길 기원합니다.
학습 규정 및 환불 규정
학습 규정
- 본 상품은 동영상 형태의 강의를 자유롭게 수강할 수 있는 VOD(온라인 녹화 강의) 상품입니다.
- 수강 신청 및 결제를 완료하시면, ‘내 강좌’를 통해 바로 수강이 가능합니다.
총 학습기간
- 정상 수강기간(유료 수강기간) 최초 30일, 무료 수강 기간은 31일 일차 이후로 무제한이며, 유료 수강기간과 무료 수강기간 모두 동일하게 시청 가능합니다.
- 하루 3시간 내외로 학습하시면 정상 수강기간(유료 수강기간) 내에 전체 과정을 모두 수강하실 수 있습니다.
- 수강 시작일은 결제일로부터 산정됩니다.
환불 규정
환불금액은 정가가 아닌 실제 결제금액을 기준으로 계산됩니다.
- 쿠폰을 사용하여 강의를 결제하신 후 취소/환불 시 쿠폰은 복구되지 않습니다.
- 31일차 이후 무료로 제공되는 기간은 환불 산정에 포함되지 않습니다.
- 강의 자료(교재 등)를 다운로드한 경우에는 위 기준과 무관하게 환불이 불가합니다.
* 보다 자세한 환불 규정은 마소캠퍼스 [주의사항 및 환불규정]페이지에서 확인 가능합니다.
기타 환불 관련 안내
환불 요청은 cs@masocampus.com으로 주문번호를 함께 보내주시면 접수됩니다.
- 환불 금액은 신청 시점을 기준으로 산정되며, 업무시간 외 요청은 2영업일 오후까지 순차 처리됩니다.
- 환불 금액은 수업 시간을 기준으로 반올림하여 산정합니다.
- 계좌이체로 환불받으실 경우 이체 수수료 500원이 공제된 금액이 지급됩니다.
- 환불 대금은 접수일로부터 7영업일 이내 지급됩니다.
- 취소 및 환불 접수·처리는 평일 오전 10시~오후 4시 (점심시간 12시~1시 제외) 내에만 가능합니다.
- 취소 및 환불은 한국소비자원 고시 소비자분쟁해결기준에 의거하여 처리됩니다.
주의 사항
- 상황에 따라 별도의 사전 안내 없이 할인 혜택이 조기에 마감되거나 연장될 수 있는 점 참고 부탁드립니다.
- 천재지변, 폐업 등 불가피한 사유로 서비스 운영이 어려운 경우, 서비스가 종료될 수 있습니다.
- 커리큘럼은 완성도 향상을 위한 제작 과정에서 일부 내용이 추가, 삭제 또는 변경될 수 있습니다.
마소캠퍼스 정책 안내
마소캠퍼스 ID 공유 금지 정책
- 마소캠퍼스의 모든 온라인 강의에서는 1개의 아이디로 여러 명이 공유하는 형태를 금지하고 있습니다.
- 동시접속에 대한 기록은 내부 시스템을 통해 자동으로 누적되며, 이후 서비스 이용이 제한될 수 있습니다.
저작권 정책
- 마소캠퍼스의 모든 강의는 무단 배포 및 가공하는 행위, 캡처 및 녹화하여 공유하는 행위, 무단으로 판매하는 행위 등 일체의 저작권 침해 행위를 금지합니다.
- 부정 사용이 적발될 경우 저작권법 위반에 의한 법적인 제재를 받으실 수 있습니다.
그 외 공통 사항은 마소캠퍼스 [주의사항 및 환불규정], [이용약관] 페이지를 따릅니다.
Course Curriculum
| 00. 교재 다운로드 센터 | |||
| [onc2009]BDA0000 교재 다운로드 센터 | 00:00:00 | ||
| 01. 분석 절차 수립 | |||
| [onc2009]BDA0101 분석모형 선정 | FREE | 00:17:12 | |
| [onc2009]BDA0102 분석모형 구축 절차 | 00:06:22 | ||
| [onc2009]BDA0103 기출변형문제 | 00:09:53 | ||
| 02. 분석 환경 구축 | |||
| [onc2009]BDA0201 분석 도구 선정 | FREE | 00:04:56 | |
| [onc2009]BDA0202 데이터 분할 | 00:15:12 | ||
| [onc2009]BDA0203 기출변형문제 | 00:04:11 | ||
| 03. 회귀분석 | |||
| [onc2009]BDA0301 회귀분석의 개념 | FREE | 00:10:50 | |
| [onc2009]BDA0302 회귀모형의 가정 | 00:14:01 | ||
| [onc2009]BDA0303 기출변형문제 | 00:07:09 | ||
| [onc2009]BDA0304 회귀모형의 검정 1 | 00:04:04 | ||
| [onc2009]BDA0305 회귀모형의 검정 2 | 00:13:44 | ||
| [onc2009]BDA0306 회귀모형의 해석 | 00:12:37 | ||
| [onc2009]BDA0307 회귀모형의 분산분석 | 00:05:43 | ||
| [onc2009]BDA0308 기출변형문제 | 00:09:35 | ||
| [onc2009]BDA0309 최적 회귀방정식 선택 | 00:11:06 | ||
| [onc2009]BDA0310 패널티 회귀분석 | 00:13:15 | ||
| [onc2009]BDA0311 기출변형문제 | 00:03:41 | ||
| 04. 로지스틱 회귀분석 | |||
| [onc2009]BDA0401 로지스틱 회귀분석의 개념 | 00:21:48 | ||
| [onc2009]BDA0402 로지스틱 회귀분석의 해석 | 00:07:50 | ||
| [onc2009]BDA0403 기출변형문제 | 00:08:32 | ||
| 05. 의사결정나무 | |||
| [onc2009]BDA0501 의사결정나무의 개념 | FREE | 00:11:31 | |
| [onc2009]BDA0502 의사결정나무의 해석 | 00:09:32 | ||
| [onc2009]BDA0503 기출변형문제 | 00:04:01 | ||
| 06. 앙상블 모형 | |||
| [onc2009]BDA0601 앙상블 분석 | 00:17:13 | ||
| [onc2009]BDA0602 기출변형문제 | 00:07:16 | ||
| 07. KNN과 서포트벡터머신 | |||
| [onc2009]BDA0701 KNN | 00:06:09 | ||
| [onc2009]BDA0702 서포트벡터머신 | 00:11:21 | ||
| 08. 인공신경망 | |||
| [onc2009]BDA0801 인공신경망의 개념 | 00:19:51 | ||
| [onc2009]BDA0802 활성함수 | 00:13:47 | ||
| [onc2009]BDA0803 인공신경망의 학습 | 00:16:34 | ||
| [onc2009]BDA0804 인공신경망의 장단점 | 00:11:56 | ||
| [onc2009]BDA0805 기출변형문제 | 00:14:25 | ||
| [onc2009]BDA0806 딥러닝 | 00:11:28 | ||
| [onc2009]BDA0807 CNN | 00:10:41 | ||
| [onc2009]BDA0808 기출변형문제 | 00:03:36 | ||
| 09. 연관분석 | |||
| [onc2009]BDA0901 연관분석의 개념 | 00:12:21 | ||
| [onc2009]BDA0902 Apriori 알고리즘 | 00:12:51 | ||
| 10. 군집분석 | |||
| [onc2009]BDA1001 군집분석의 개념 | 00:17:28 | ||
| [onc2009]BDA1002 K-평균 군집분석 | 00:14:03 | ||
| [onc2009]BDA1003 기타 군집분석 | 00:07:55 | ||
| [onc2009]BDA1004 기출변형문제 | 00:02:55 | ||
| [onc2009]BDA1005 자기조직화지도 | 00:08:13 | ||
| 11. 시계열 분석 | |||
| [onc2009]BDA1101 시계열 분석 | 00:10:53 | ||
| [onc2009]BDA1102 시계열 모형 | 00:18:54 | ||
| [onc2009]BDA1103 기출변형문제 | 00:04:22 | ||
| 12. 범주형 자료 분석 | |||
| [onc2009]BDA1201 범주형 자료 분석-1 | 00:15:14 | ||
| [onc2009]BDA1202 범주형 자료 분석-2 | 00:09:40 | ||
| [onc2009]BDA1203 기출변형문제 | 00:04:50 | ||
| 13. 비모수 통계 | |||
| [onc2009]BDA1301 비모수 통계 | 00:13:31 | ||
| 14. 베이지안 기법 | |||
| [onc2009]BDA1401 베이지안 기법 | 00:13:39 | ||
| [onc2009]BDA1402 기출변형문제 | 00:05:25 | ||
| 15. 비정형 데이터 분석 | |||
| [onc2009]BDA1501 비정형 데이터 분석 1 | 00:18:16 | ||
| [onc2009]BDA1502 비정형 데이터 분석2 | 00:03:44 | ||
538156 STUDENTS ENROLLED
