|
[문제편]
1 데이터 과학의 이해 1.1 데이터 과학이란 무엇인가 1.1.1 데이터 과학의 개념과 등장 배경 1.1.2 데이터 과학의 주요 분야와 직무 1.1.3 단원 종합 문제 1.2 데이터 과학의 활용 사례 1.2.1 산업별 데이터 과학 활용 사례 1.2.2 데이터 과학과 사회적 영향 1.2.3 단원 종합 문제 1.3 단원 종합 문제 2 데이터 수집과 관리 2.1 데이터의 유형과 구조 2.1.1 정형 데이터와 비정형 데이터 2.1.2 데이터 형식: CSV, JSON, XML 2.1.3 단원 종합 문제 2.2 데이터 수집 방법 2.2.1 공공 데이터 포털과 오픈 데이터 활용 2.2.2 웹 크롤링과 API를 이용한 데이터 수집 2.2.3 단원 종합 문제 2.3 데이터 품질과 윤리 2.3.1 데이터 품질 평가와 오류 유형 2.3.2 개인정보 보호와 데이터 윤리 2.3.3 단원 종합 문제 2.4 단원 종합 문제 3 데이터 전처리와 탐색적 데이터 분석 3.1 데이터 정제와 변환 3.1.1 결측값과 이상값 처리 3.1.2 데이터 변환과 정규화 3.1.3 데이터 통합과 분리 3.1.4 단원 종합 문제 3.2 기술 통계와 데이터 요약 3.2.1 중심 경향과 산포도 분석 3.2.2 상관관계 분석 3.2.3 단원 종합 문제 3.3 데이터 시각화 3.3.1 기본 시각화: 막대 그래프, 히스토그램, 선 그래프 3.3.2 고급 시각화: 상자 그림, 히트맵, 산점도 행렬 3.3.3 단원 종합 문제 3.4 단원 종합 문제 4 통계적 분석과 추론 4.1 확률과 확률 분포 4.1.1 이산 확률 분포: 이항 분포와 포아송 분포 4.1.2 연속 확률 분포: 정규 분포 4.1.3 단원 종합 문제 4.2 가설 검정 4.2.1 가설 검정의 원리와 절차 4.2.2 t-검정과 카이제곱 검정 4.2.3 단원 종합 문제 4.3 회귀 분석 4.3.1 단순 선형 회귀 분석 4.3.2 다중 회귀 분석과 모델 평가 4.3.3 단원 종합 문제 4.4 단원 종합 문제 5 머신러닝 기초 5.1 머신러닝 개요와 학습 방법 5.1.1 머신러닝의 개념과 학습 유형 분류 5.1.2 훈련 데이터와 테스트 데이터 분리 및 교차 검증 5.1.3 단원 종합 문제 5.2 지도 학습: 분류 알고리즘 5.2.1 k-최근접 이웃(KNN) 알고리즘 5.2.2 의사결정나무와 랜덤 포레스트 5.2.3 분류 모델 평가: 혼동 행렬, 정확도, 정밀도, 재현율 5.2.4 단원 종합 문제 5.3 비지도 학습: 군집화와 차원 축소 5.3.1 k-평균 군집화 알고리즘 5.3.2 주성분 분석(PCA)과 차원 축소 5.3.3 단원 종합 문제 5.4 단원 종합 문제 6 데이터 과학 프로젝트 설계와 실행 6.1 프로젝트 기획과 문제 정의 6.1.1 문제 정의와 분석 목표 설정 6.1.2 데이터 수집 계획 및 분석 방법 선정 6.1.3 단원 종합 문제 6.2 데이터 분석 및 모델 구현 6.2.1 탐색적 분석과 전처리 적용 6.2.2 모델 구현과 하이퍼파라미터 튜닝 6.2.3 단원 종합 문제 6.3 결과 해석과 의사소통 6.3.1 분석 결과 시각화와 인사이트 도출 6.3.2 프로젝트 보고서 작성과 발표 6.3.3 단원 종합 문제 6.4 단원 종합 문제 [정답과 해설편] |
이승도의 다른 상품