교육 과정 소개서. 직장인을위한파이썬데이터분석올인원패키지 Online 안내. 해당교육과정소개서는최종본으로, 강의내용업데이트가완료되었습니다. 자세한문의는다음번호로부탁드립니다. 02-501-9396
강의정보 - 강의장 : 온라인 데스크탑, 노트북, 모바일등 - 기간 : 평생소장 - 상세페이지 : https://www.fastcampus.co.kr/data_online_pyd - 담당 : 패스트캠퍼스온라인팀 - 문의 : 02-501-9396 강의목표 - 복잡하고다양한형태의산업군별데이터정리 - 흩어져있는웹상의데이터를수집하고정리 - 누구나알아보기쉽게그래프와지도상에표현하는시각화 - 데이터를기반으로필요한정보예측및의사결정 강의요약 - 파이썬설치에러없는공유형클라우드 Colab 으로실습 - 자주사용하는파이썬문법과라이브러리사용법을경험 - 업무에쓰이는핵심데이터분석내용을 4 단계에걸쳐반복학습 - 마케팅, 미디어, 헬스케어, 금융, 비즈니스업계최고의강사님들이지식과노하우전수 - 5 가지주제 20 가지풍부한예제데이터로재미있게학습 강의특징 나만의속도로 낮이나새벽이나내가원하는시간대에나의스케쥴대로수강 원하는곳어디서나 시간을쪼개먼거리를오가며오프라인강의장을찾을필요없이어디서든수강 무제한복습 무엇이든반복적으로학습해야내것이되기에이해가안가는구간몇번이고재생 Copyright c FAST CAMPUS Corp. All Rights Reserved.
강사이경록과목 - 데이터분석을위한파이썬핵심문법과라이브러리 PART 약력 현 - 사용자관심사기반, 뉴스추천 B2B 솔루션개발 - 입문자를위한데이터분석강의 - 브레인크루대표이사, 데이터분석및머신러닝, 딥러닝블로그테디노트 (teddylee777.github.io) 운영 ( 17 년 ~ 현재 ) 전 - 삼성전자 SCSA 1 기 - 삼성전자무선사업부삼성노트, 테마, 갤러리앱개발 - C-LAB 사내벤처독립및아날로그플러스 - 주식회사설립 ( 공동창업자, CTO) - 블루투스 BLE 펌웨어및앱개발 - 인공지능이력서채용프로젝트프리랜서팀장 - 위스콘신주립대경제학 Google Tensorflow Developer Certificate 윤기태과목 - 유형별데이터분석맛보기 PART 약력 현 - 이커머스추천시스템머신러닝엔지니어 - 아주대학교미디어학과졸업 강의경력 - 패스트캠퍼스 < 데이터분석을위한파이썬활용 CAMP> 저서 - 이것이데이터분석이다 - 파이썬편 ( 한빛미디어 ) Copyright c FAST CAMPUS Corp. All Rights Reserved.
강사최윤진과목 - 실전예제 / 마케팅 PART 약력 현 - 주식회사몬데이터 Founder & CEO 전 - TBWA KOREA 근무 - 연세대학교정보대학원비즈니스빅데이터분석트랙박사과정재학중 강의경력 - Y 대학교, S 대학교 : 텍스트마이닝기초특강 - K 기관 : 데이터분석기초특강 - N 학회 : 통계세미나특강 조코딩과목 - 실전예제 / 미디어 PART 약력 현 - 대기업클라우드 & 빅데이터개발자 - Youtube 조코딩채널운영 전 - LINE+ 글로벌전략팀인턴 - 소셜데이팅서비스런치팅대표 - 고려대학교멋쟁이사자처럼운영진 Copyright c FAST CAMPUS Corp. All Rights Reserved.
강사박기연과목 - 실전예제 / 온오프라인비즈니스 PART 약력 현 - 외국계 IT 회사 Tech Solution Engineer 전 - TMON Data Planning Unit - Enuma Data Analyst - Hyundai Card/Capital 근무 - 연세대학교정보대학원 Information System 석사졸업 주세민과목 - 실전예제 / 금융 PART 약력 현 - 케이뱅크빅데이터팀데이터사이언티스트 - 정보화정책학회지 (KCI) 논문심사위원 전 - LG CNS Digital Transformation 및빅데이터분야총괄컨설턴트, 경제학박사 - 서강대학교 Star CEO 과정빅데이터 /AI 강사 (2015~) - 혁신과경쟁연구센터, 선임연구원 - LG 전자해외마케팅 Copyright c FAST CAMPUS Corp. All Rights Reserved.
01. [ 파이썬필수스킬 ] 데이터분석을위한준비 Ch 00. Intro - 01. 데이터분석공부법 Ch 00. Intro - 02. 강의에활용할환경소개 (colab, python) Ch 01. google colaboratory 01. colab 사용을위한준비 (gmail 아이디생성 ) 02. colab이제공하는하드웨어성능, gpu 설정 03. colab 기본메뉴설명 ( 목차, 파일탐색기 ) 04. colab 공유받기, 공유하기 05. 셀 (cell) 의종류 ( 텍스트셀, 코드셀, 셀다루기 ) 06. 셀 (cell) 부가기능 ( 실행하기, 출력하기 ) 07. 텍스트셀 (cell) 과마크다운 (markdown) 문법 08. 파일업로드하기 09. 그밖의기능 ( 이미지, Youtube, HTML) 로딩 Ch 02. python Ch 02. python 기초 - 01. 출력 Ch 02. python 기초 - 02. 변수 Ch 02. python 데이터타입 - 01. 정수, 실수, 문자열, bool Ch 02. python 데이터타입 - 02. list Ch 02. python 데이터타입 - 03. tuple Ch 02. python 데이터타입 - 04. set Ch 02. python 데이터타입 - 05. dict Ch 02. python 연산자 - 01. 사칙연산 Ch 02. python 연산자 - 02. 괄호사용 Ch 02. python 연산자 - 03. 연산 - 문자열 Ch 02. python 프로그래밍 - 01. 주석, indent Ch 02. python 프로그래밍 - 02. 함수 Ch 02. python 프로그래밍 - 03. 비교연산자 Ch 02. python 프로그래밍 - 04. 조건문 Ch 02. python 프로그래밍 - 05. 논리연산자 Ch 02. python 프로그래밍 - 06. 반복문 Ch 02. python 프로그래밍 - 07. list comprehension Ch 02. python 프로그래밍 - 08. 문자열가지고놀기 Ch 02. python 프로그래밍 - 09. 패키지와 import
01. [ 파이썬필수스킬 ] 데이터분석을위한준비 Ch 03. numpy Ch 03. numpy - 01. numpy 란 Ch 03. numpy - 02. import 와 alias ( 별칭 ) 설정 Ch 03. numpy - 03. ndarray 생성, array에서의데이터타입 Ch 03. numpy - 04. index, slicing Ch 03. numpy - 05. fancy indexing Ch 03. numpy - 06. boolean indexing Ch 03. numpy - 07. arrange, range Ch 03. numpy - 08. 정렬 (sort) Ch 03. numpy - 09. 인덱스를반환하는 argsort Ch 06. numpy - 10. matrix( 행렬 ) 개요 Ch 06. numpy - 11. matrix( 행렬 ) 의연산 - 덧셈, 뺄셈 Ch 06. numpy - 12. matrix( 행렬 ) 의연산 - 곱셈, dot product Ch 06. numpy - 13. broadcasting
01. [ 파이썬필수스킬 ] 데이터분석을위한시작, 전처리라이브러리 Ch 01. pandas - 01. pandas 를소개합니다 Ch 01. pandas - 02. series 와 dataframe Ch 01. pandas - 03. csv 파일읽어오기 Ch 01. pandas - 04. excel 파일읽어오기 Ch 01. pandas - 05. 통계값 (describe), 요약정보 (info), 정렬 (sort) Ch 01. pandas - 06. Selection - column 선택 Ch 01. pandas - 07. Selection - loc, iloc Ch 01. pandas - 08. Selection - Boolean Indexing, isin Ch 01. pandas - 09. 결측값색인 - isnull, isna, notnull Ch 01. pandas - 10. 복사 (copy) Ch 01. pandas - 11. row, column 추가및삭제 Ch 01. pandas - 12. 통계값 (min, max, mean, var, std, count, sum, median, mode) Ch 01. pandas - 13. 피벗테이블 (pivot_table) Ch 01. pandas - 14. 그룹별통계 (groupby) Ch 01. pandas - 15. 복합인덱스 (multi-index) 와인덱스초기화 (reset_index) Ch 02. pandas - 전처리 - 01. 결측값채우기 (fillna) Ch 02. pandas - 전처리 - 02. 결측값제거 (dropna), 중복제거 (drop_duplicates) Ch 02. pandas - 전처리 - 03. 행과열제거 (drop) Ch 02. pandas - 전처리 - 04. DataFrame 합치기 (concat) Ch 02. pandas - 전처리 - 05. DataFrame 병합하기 (merge) Ch 02. pandas - 전처리 - 06. Series 의 Type 변환하기 Ch 02. pandas - 전처리 - 07. 시간을다루는 datetime 타입 Ch 02. pandas - 전처리 - 08. apply Ch 02. pandas - 전처리 - 09. lambda, map Ch 02. pandas - 전처리 - 10. 데이터프레임의산술연산 Ch 02. pandas - 전처리 - 11. select_dtypes Ch 02. pandas - 전처리 - 12. 원핫인코딩의개념과 get_dummies Ch 02. pandas - 전처리 - 13. 부동산데이터로데이터분석실습 - 문제설명 Ch 02. pandas - 전처리 - 14. 부동산데이터로데이터분석실습 - 해설 Ch 03. pandas - 시각화 - 01. 데이터시각화에대하여 Ch 03. pandas - 시각화 - 02. colab 한글폰트깨짐현상해결 ( 시각화 ) Ch 03. pandas - 시각화 - 03. plot, line, bar, histogram Ch 03. pandas - 시각화 - 04. kde, hexbin Ch 03. pandas - 시각화 - 05. boxplot Ch 03. pandas - 시각화 - 06. area, pie, scatter
01. [ 파이썬필수스킬 ] 데이터분석의꽃시각화라이브러리 Ch 01. matplotlib - 01. matplotlib 을소개합니다 Ch 01. matplotlib - 02. colab 에서한글폰트지정 Ch 01. matplotlib - 03. 밑그림그리기 ( 단일그래프, 다중그래프 ) Ch 01. matplotlib - 04. 다중그래프 - fig, axes, subplots Ch 01. matplotlib - 05. 기본그래프스타일링 Ch 01. matplotlib - 06. 그래프이미지를저장및활용하기 Ch 01. matplotlib - 07. scatterplot Ch 01. matplotlib - 08. barplot, barh Ch 01. matplotlib - 09. lineplot Ch 01. matplotlib - 10. areaplot Ch 01. matplotlib - 11. histogram Ch 01. matplotlib - 12. pie chart Ch 01. matplotlib - 13. boxplot Ch 01. matplotlib - 14. 3d 시각화 Ch 01. matplotlib - 15. imshow Ch 02. seaborn - 01. seaborn 을소개합니다 Ch 02. seaborn - 02. seaborn 에서추가된기능, 장점미리보기 Ch 02. seaborn - 03. matplotlib 차트를 seaborn 에서구현 (1) - scatterplot, barplot Ch 02. seaborn - 04. matplotlib 차트를 seaborn 에서구현 (2) - lineplot, histogram, boxplot Ch 02. seaborn - 05. 이해를돕기위한 seaborn 샘플데이터소개 Ch 02. seaborn - 06. countplot Ch 02. seaborn - 07. distplot, hist Ch 02. seaborn - 08. heatmap Ch 02. seaborn - 09. pairplot Ch 02. seaborn - 10. violinplot Ch 02. seaborn - 11. lmplot Ch 02. seaborn - 12. relplot Ch 02. seaborn - 13. jointplot
01. [ 파이썬필수스킬 ] 예측을위한머신러닝라이브러리 Ch 01. 머신러닝의개요 - 01. 머신러닝의개요 Ch 01. 머신러닝의개요 - 02. 가설함수, 비용, 손실함수, 경사하강법 Ch 02. sklearn의개요 - 01. sklearn과주요 API에대해서소개합니다. Ch 02. sklearn의개요 - 02. 학습 (fit), 예측 (predict) 실습 Ch 02. sklearn의개요 - 03. 학습데이터와예측데이터 Ch 02. sklearn의개요 - 04. 검증데이터 (Validation) Ch 03. sklearn - 전처리기본 - 01. sklearn의전처리기능에대하여소개합니다 Ch 03. sklearn - 전처리기본 - 02. train_test_split으로학습데이터준비하기 Ch 03. sklearn - 전처리기본 - 03. 빈값처리 (Imputer) Ch 03. sklearn - 전처리기본 - 04. Label Encoder Ch 03. sklearn - 전처리기본 - 05. One Hot Encoding Ch 03. sklearn - 전처리기본 - 06. Normalization ( 정규화 ) Ch 03. sklearn - 전처리기본 - 07. Standardization ( 표준화 ) Ch 04. sklearn - 분류 - 01. iris 데이터로드 (dataset 활요 ) Ch 04. sklearn - 분류 - 02. dataset으로부터데이터프레임만들기 Ch 04. sklearn - 분류 - 03. 데이터의불균형 (imbalance) 그리고 stratify 옵션 Ch 04. sklearn - 분류 - 04. logistic regression ( 로지스틱회귀 ) Ch 04. sklearn - 분류 - 05. 모델선언, 학습 (fit), 예측 (predict) 프로세스 Ch 04. sklearn - 분류 - 06. stochastic gradient descent (SGD) Ch 04. sklearn - 분류 - 07. 하이퍼파라미터 (hyper-parameter) Ch 04. sklearn - 분류 - 08. KNeighborsClassifier ( 최근접이웃알고리즘 ) Ch 04. sklearn - 분류 - 09. 서포트벡터머신 (SVM) Ch 04. sklearn - 분류 - 10. 결정트리 (Decision Tree) Ch 04. sklearn - 분류 - 11. graph_viz로시각화해보기 Ch 04. sklearn - 분류 - 12. 분류정확도 (accuracy) 의함정 Ch 04. sklearn - 분류 - 13. 오차행렬 (confusion matrix) Ch 04. sklearn - 분류 - 14. 정밀도 (precision) 와재현율 (recall) Ch 04. sklearn - 분류 - 15. f1 score
01. [ 파이썬필수스킬 ] 예측을위한머신러닝라이브러리 Ch 05. sklearn - 회귀 - 01. 회귀 (Regression) Ch 05. sklearn - 회귀 - 02. 보스턴주택가격예측데이터셋 Ch 05. sklearn - 회귀 - 03. 회귀평가지표 (MSE, MAE, RMSE) Ch 05. sklearn - 회귀 - 04. 평가지표를활용한모델의성능평가 Ch 05. sklearn - 회귀 - 05. 선형회귀모델 (Linear Regression) Ch 05. sklearn - 회귀 - 06. 규제에대한이해 (l1, l2 규제 ) Ch 05. sklearn - 회귀 - 07. 릿지 (Ridge) Ch 05. sklearn - 회귀 - 08. 라쏘 (Lasso) Ch 05. sklearn - 회귀 - 09. 엘라스틱넷 (ElasticNet) Ch 05. sklearn - 회귀 - 10. Scaler 적용 (StandardScaler, MinMaxScaler, RobustScaler) Ch 05. sklearn - 회귀 - 11. 파이프라인 (Pipeline) Ch 05. sklearn - 회귀 - 12. 다항식모델 (Polynomial Features) Ch 06. sklearn - 앙상블 - 01. 앙상블학습의이해 Ch 06. sklearn - 앙상블 - 02. 보팅 (Voting) 앙상블 Ch 06. sklearn - 앙상블 - 03. 배깅 (Bagging) 앙상블 Ch 06. sklearn - 앙상블 - 04. 랜덤포레스트 (RandomForest) Ch 06. sklearn - 앙상블 - 05. 부스팅 (Boosting) 앙상블 Ch 06. sklearn - 앙상블 - 06. 그라디언트부스트 (Gradient Boost) Ch 06. sklearn - 앙상블 - 07. XGBoost Ch 06. sklearn - 앙상블 - 08. LightGBM Ch 06. sklearn - 앙상블 - 09. 스태킹 (Stacking) 앙상블 Ch 06. sklearn - 앙상블 - 10. 블랜딩 (Weighted Blending) Ch 06. sklearn - 앙상블 - 11. 앙상블모델총평 Ch 06. sklearn - 앙상블 - 12. 교차검증 (Cross Validation) Ch 06. sklearn - 앙상블 - 13. 하이퍼파라미터튜닝 - RandomizedSearchCV Ch 06. sklearn - 앙상블 - 14. 하이퍼파라미터튜닝 - GridSearchCV Ch 07. sklearn - 비지도학습 - 01. 비지도학습이란? Ch 07. sklearn - 비지도학습 - 02. 차원축소란 Ch 07. sklearn - 비지도학습 - 03. 차원축소 - PCA Ch 07. sklearn - 비지도학습 - 04. 차원축소 - LDA Ch 07. sklearn - 비지도학습 - 05. 차원축소 - SVD Ch 07. sklearn - 비지도학습 - 06. 군집화 - KMeans Ch 07. sklearn - 비지도학습 - 07. 군집화 - DBSCAN Ch 07. sklearn - 비지도학습 - 08. 군집의평가 ( 실루엣스코어 )
02. [ 유형별데이터분석맛보기 ] 연습예제로배우는데이터분석핵심기법 Ch 00. 강의소개영상 - 00. 오리엔테이션 Ch 01. EDA & 회귀분석 - 01. 데이터분석문제를정의하는방식과유형들 Ch 01. EDA & 회귀분석 - 02. EDA를통한인사이트발견실습 Ch 01. EDA & 회귀분석 - 03. 지도학습과회귀분석 Ch 01. EDA & 회귀분석 - 04. Linear Regression을이용한수치예측실습 Ch 02. 분류분석 - 01. Pokemon 데이터셋탐색 Ch 02. 분류분석 - 02. 분류분석과로지스틱회귀모델 Ch 02. 분류분석 - 03. Logistic Regression을이용한전설의포켓몬분류실습 Ch 02. 분류분석 - 04. 비지도학습과 K-means 군집분석 Ch 02. 분류분석 - 05. 능력치에따른포켓몬군집분류실습 Ch 03. 텍스트마이닝 - 01. 텍스트마이닝이란 Ch 03. 텍스트마이닝 - 02. 텍스트데이터전처리실습 Ch 03. 텍스트마이닝 - 03. 텍스트데이터분석실습 Ch 04. 감성분류 - 01. 텍스트마이닝을활용한감성분석 Ch 04. 감성분류 - 02. 한국어텍스트데이터전처리실습 Ch 04. 감성분류 - 03. Logistic Regression을이용한긍부정키워드분석실습
03. 실전예제 - 마케팅 Ch 00. 강의소개 - 00. 마케팅데이터분석강의개요 Ch 01. [ Acquisition ] 세일즈데이터분석을통한마케팅믹스모델링 01. 분석할데이터파악 : 미디어별광고비 EDA 02. 분석모델링 : 미디어별광고비로세일즈예측 03. 분석결과해석 : 잘된분석인가? 어떻게개선가능한가? 04. 적용방안 05. (Activation) 마케팅데이터의주요지표 Ch 02. [ Retention ] A/B Test로고객 retention 높이기 01. 분석할데이터파악 : 모바일게임 A/B Test 02. 데이터분석 : A/B 집단별비교 03. 분석결과해석 : 정말차이가있는걸까? 04. 분석결과적용방안 : 어떻게적용해야할까? Ch 03. [ Revenue ] 고객세그먼트를나눠보자 01. 분석할데이터파악 : E-commerce 데이터 EDA 02. 분석모델링 : 고객세그먼트클러스터링 03. 분석모델링 : 고객세그먼트해석 04. 분석결과 : 해석및적용방안 Ch 04. [ Revenue ] 고객해지율을낮추고, CLV 를높여보자 01. 분석할데이터파악 : 통신사고객데이터 EDA 02. CLV 계산및활용방안 03. 분석모델링 : 해지할고객은누구인가? 04. 결과해석및적용방안 Ch 05. [ Referral ] 리뷰분석을통한소비자인식조사 01. 분석할데이터파악 : 경쟁사고객리뷰 02. 텍스트데이터전처리 : 형태소분석, 불용어처리 03. 고객리뷰키워드파악 : 워드클라우드작성 04. 텍스트에서토픽 / 주제찾기 LDA 토픽모델링 05. 분석결과적용방안
04. [ 실전예제 - 미디어 ] 유튜브인기채널및영상분석 Ch 00. 강의소개 - 00. 미디어파트개요및소개 Ch 01. 인기채널순위시각화 - 01. 환경설정 ( 라이브러리, 폰트, 데이터 ) Ch 01. 인기채널순위시각화 - 02. 데이터구조파악및정리 Ch 01. 인기채널순위시각화 - 03. seaborn을활용한데이터시각화 Ch 02. 인기영상타이틀분석 - 01. 제목추출및정제하기 Ch 02. 인기영상타이틀분석 - 02. soynlp 개념설명및한글단어추출의원리 Ch 02. 인기영상타이틀분석 - 03. 제목단어추출및빈도수구하기 Ch 02. 인기영상타이틀분석 - 04. 워드클라우드그리기
05. [ 실전예제 - 헬스케어 ] 질병데이터분석 코로나바이러스 Ch 00. 강의소개 - 00. 헬스케어파트개요및소개 Ch 01. 코로나바이러스데이터분석 - 01. 환경설정및데이터구조파악 Ch 01. 코로나바이러스데이터분석 - 02. 국가별최신확진자, 사망자, 회복자데이터분석 Ch 01. 코로나바이러스데이터분석 - 03. 시간에따른확진자, 사망자, 회복자시각화 Ch 02. 전세계코로나바이러스감염지도표시 - 01. folium 라이브러리소개및설명 Ch 02. 전세계코로나바이러스감염지도표시 - 02. 전세계코로나바이러스감염지도시각화
06. [ 실전예제 - 비즈니스 ] 온 / 오프라인비즈니스데이터분석 Ch 00. 강의소개 - 00. 비즈니스파트개요및소개 Ch 01. 이커머스데이터분석 - 01. Olist Dataset 소개 Ch 01. 이커머스데이터분석 - 02. 결측치시각화와차트생성 Ch 01. 이커머스데이터분석 - 03. 신규칼럼생성과이상치검출 Ch 01. 이커머스데이터분석 - 04. 고객수및거주비율분석 Ch 01. 이커머스데이터분석 - 05. 높은매출상품군분석 Ch 01. 이커머스데이터분석 - 06. 월별매출액과결제방법분석 Ch 01. 이커머스데이터분석 - 07. 리뷰분포확인및고객만족도상관관계분석 Ch 01. 이커머스데이터분석 - 08. 수요공급분석과위치정보시각화 Ch 02. 패스트푸드매장분포분석 - 01. 공공데이터소개와결측치시각화 Ch 02. 패스트푸드매장분포분석 - 02. 지리정보시각화와분석데이터선정 Ch 02. 패스트푸드매장분포분석 - 03. 맥도날드매장수변화와지도시각화 Ch 02. 패스트푸드매장분포분석 - 04. 브랜드별매장수변화와분포분석
07. [ 실전예제 - 금융 ] 금융데이터분석 Ch 00. 강의개요 - 00. 금융데이터분석개요 Ch 01. 시계열데이터특성파악하기 - 01. 시계열데이터주요특징 Ch 01. 시계열데이터특성파악하기 - 02. ( 실습 ) 시계열데이터 Trend 및 Cycle 분해및시각화 Ch 02. 시계열데이터, 이것만은꼭분석하자 - 01. 데이터안정성보장필요성 Ch 02. 시계열데이터, 이것만은꼭분석하자 - 02. ( 실습 ) Dickey Fuller Test 및의미해석 Ch 02. 시계열데이터, 이것만은꼭분석하자 - 03. 시계열의두가지유형 : AR, MA Ch 02. 시계열데이터, 이것만은꼭분석하자 - 04. ( 실습 ) ACF, PACF 분석을통한인사이트도출 Ch 03. 시계열예측모형만들기 - 01. 시계열특성에맞춤형으로적용가능한예측기법소개 Ch 03. 시계열예측모형만들기 - 02. ARIMA 모델을적용한예측모형구축프로세스 Ch 03. 시계열예측모형만들기 - 03. ( 실습 ) ARIMA 모델을적용한예측모형만들기 Ch 04. 주식종목분석및포트폴리오구성하기 - 01. 금융자산평가 : 수익, 리스크, Sharpe ratio Ch 04. 주식종목분석및포트폴리오구성하기 - 02. ( 실습 ) 포트폴리오평가하기 Ch 04. 주식종목분석및포트폴리오구성하기 - 03. 최적화기초개념소개 Ch 04. 주식종목분석및포트폴리오구성하기 - 03. 포트폴리오최적화 Ch 04. 주식종목분석및포트폴리오구성하기 - 04. ( 실습 ) 최적의포트폴리오도출하기
08. [ 부록 ] 비주얼코딩툴로배우는데이터분석 Ch 01. [ 비주얼코딩 ] SAS UE 코딩없이하는데이터분석 01. 설치가이드 02. 기본사용법 ( 데이터불러오기, 작업화면준비 ) 03. 데이터탐색 04. 데이터처리 05. T-test, ANOVA 06. 회귀분석, 로지스틱리그레션 Ch 02. [ 비주얼코딩 ] KoALA 코딩없이하는텍스트분석 07. 텍스트분석 ( 빈도분석, 감성분석, LDA토픽모델링, 동시출현분석등 )