쿼리문, 데이터 필터링, 비교/논리/산술 연산자

조건문, 정렬, 중복제거, 데이터 타입 변환

집계, 그룹화, 그룹화한 데이터 조건

PV(Page View)와 UV(Unique Visits) 증가 또는 감소에 따른 분석

사용자당 평균 수익(ARPU) 유료 결제 사용자당 평균수익(ARPPU) 분석

퍼널 분석: 고객은 어디서 이탈하고 있을까?

리텐션 분석: Rolling Retention, Range Retention

데이터 전처리 (결측, 중복, 오류 등)

RFM 스코어 (최신성(Recency), 구매 빈도(Frequency), 구매 가치(Monetary)

추가 Feature 추출 (제품 다양성, 평균 구매 주기, 구매 취소 경향성)

SQL로 전처리하여 완성한 데이터 CSV로 추출 (파이썬 연결)

파이썬 활용한 고객 데이터 기반 그룹핑 (클러스터링, 시각화)

현장에서의 성공/실패 사례 공유: 데이터사이언티스트 마인드셋

결측 데이터 처리

이상치 탐지 및 처리

중복 데이터 처리 및 데이터 형태 변환

텍스트, 시계열 데이터 처리

데이터 병합

집계 및 그룹화, 피벗테이블

로그(log), 원-핫 인코딩 (One-hot encoding)

스케일링, 주성분 분석(PCA)

이상치 처리(Outlier)

평가(Rating)관련 피처 생성 및 활용

데이터 사이언티스트가 알려주는 피처 엔지니어링 실무팁

통계학 기본 개념

확률과 확률 분포

표본추줄과 표본 분포

표본조사 방법론 & 실습

확률과 통계 이론이 실전에 활용할 수 있는 방법 학습

중심 경향성을 통한 데이터 구조 파악

통계치에 의거한 데이터 전처리 방법 학습

데이터 분석시 통계적으로 데이터를 바라보는 역량 배양

로지스틱 회귀 분석, 앙상블 기법

머신러닝 모델 안에 통계학적인 방법

모델 성능 관점 / 비즈니스 관점의 모델 선택방법

가설검정, A/B 테스트

데이터 분석 기획 및 방법론

데이터 분석 보고서

numpy, pandas, matplotlib 등 라이브러리를 활용하여 데이터 EDA, 전처리 및 시각화

scikit-learn 라이브러리를 활용하여 지도학습(분류 및 회귀)과 비지도학습 머신러닝 프로젝트를 수행

로지스틱 회귀(Logistic Regression), 의사결정 나무(Decision Trees), 랜덤포레스트(Random Forests), 그라디언트 부스팅(Gradient Boosting)의 원리 이해 및 설명

군집화(Clustering)와 차원 축소(Dimensionality Reduction)를 위한 K-평균(K-Means), 주성분 분석(PCA)의 원리를 이해 및 설명

주어진 데이터를 활용하여 팀 프로젝트 완성하기

Task에 알맞은 EDA와 전처리 실습하기

데이터를 해석하는 데 적합한 모델 탐색과 선정 근거 마련하기

모델 성능 평가를 위한 지표 설정과 추론 결과 분석하기

모델 성능 향상을 위한 근거 분석과 논리적인 방법론 선택하기

아이디어를 뽐내고 함께 응원과 피드백 받기

데이터를 통해 비즈니스에 어떻게 기여할 수 있는가? (머신러닝 활용 사례 중심)

시계열 데이터의 추세, 계절성, 정상성을 이해하고, 직접 눈으로 확인하기 위한 스킬 함양

로그 변환, 차분 등을 통해 데이터를 전처리하는 방법 이해 및 실습

Matplotlib를 사용한 데이터 시각화와 시계열 데이터의 패턴을 분석하는 스킬 함양

ACF와 PACF를 활용하여 데이터의 자기상관성의 이해

Robot execution failures 데이터셋을 활용하여 시계열 데이터를 분류하는 방법의 이해

데이터를 정상화하고 추세와 계절성을 제거하는 과정 실습

ARIMA 모델의 이해 및 시계열 데이터의 안정성을 검정(ADF 테스트)

결측치 처리 방법의 습득 및 모델 성능 평가 실습

추세 데이터 라벨링과 피처 엔지니어링을 통한 데이터를 가공하고 분류 모델 구축

다양한 분류 알고리즘을 활용하여 데이터를 분류하고 모델 성능을 평가

대형 금융 시계열 모델 학습 사례

인공 신경망의 개념과 역사 이해

퍼셉트론, 다층퍼셉트론, 역전파 알고리즘, 기울기 소실, 과적합 상태 이해

텐서 개념, 타입, 타입 변환, 텐서 연산 등과 관련된 코드 연습 문제 실습

Tensorflow, Keras 프레임워크 이해 및 코드 실습

sequential, functional, subclassing API 코드 간단 실습

레이어 개념의 이해(dense, activation, flatten layer)

모델 상세 구조에 따라 functional API 또는 subclassing 방식의 모델 구현

손실함수, 옵티마이저(SGD, Adam), 지표, 딥러닝 모델 학습

경사하강법, 옵티마이저, 학습률, 지표, mae, accuracy, 모델학습플로우, 간단 코드실습

mnist 딥러닝 모델 실습, 모델 저장 로드, 콜백, earlystopping, tensorboard

미니배치, 스케일링(표준화,정규화), 가중치 초기화, 하이퍼파라미터 튜닝, 활성화함수 등 모델 학습 기술, 과소, 과대적합, 케라스 IMDB 데이터 다루기

Channel Convolution, Pooling, CNN을 활용한 네트워크 구조의 이해

Transfer Learning을 활용한 효율적인 fine-tuning

문자열 인코딩/디코딩 및 정규 표현식 활용의 이해.

파일, 디렉터리, 모듈, 패키지 등 프로그래밍 기초 개념을 이해하고 데이터 형식 (CSV, XML, JSON) 다루기

텍스트 데이터를 전처리하고 다양한 토큰화 기술의 이해

Word2Vec, FastText, ELMo 등 텍스트 임베딩 기술 습득

텍스트 데이터를 벡터로 변환하는 방법과 워드 임베딩 학습

Word2Vec, FastText, GloVe 등을 활용하여 텍스트를 벡터로 표현하는 방법의 이해

순환 신경망 (RNN)과 텍스트 분석에 대한 심화 학습

영화 리뷰 분류와 한국어 Word2Vec 프로젝트 수행

TF-IDF, 나이브 베이즈 분류 등 텍스트 분석 기술의 활용

텍스트 생성 및 챗봇 모델을 만들고 프로젝트를 수행

인코더/디코더 구조와 자연어 생성 기술 습득

최신 언어 모델 (LLM)의 특징과 주요 아키텍처의 이해 및 활용

LLM 모델을 효율적으로 학습하는 기술의 습득 및 최신 언어 모델 기반의 프로젝트 수행

비전공 출신 딥러닝 엔지니어로 살아남기

코사인 유사도와 콘텐츠 기반 필터링, 협업 필터링 (사용자 행동 양식 데이터), 잠재 요인 분석 (LFA) 학습 및 적용

비슷한 스타일의 아티스트로 추천 방법의 학습 및 실제 데이터를 다루기 위한 pandas와 데이터 처리 기술 습득

Implicit 데이터와 협업 필터링, MF 모델, CSR Matrix를 활용한 추천 시스템 구축

유저의 다음 클릭 또는 구매를 예측하는 추천 시스템의 구현

세션 기반 추천을 이해하고 E-Commerce 데이터를 다루며, GRU4REC와 성능 평가 지표의 활용 실습

콜드 스타트, 다양성 등의 문제 상황 이해

추천 모델과 시스템 관리 논문과 코드 구현

Shallow 영역과 Deep 영역

어텐션을 활용한 추천시스템

AutoInt 모델 구현 및 학습, 스트림릿을 사용한 시각화

추천 시스템, 공부와 현실은 어떤 차이점이 있을까?’

Jupyter Notebook을 벗어난 코드의 버전 관리& 모듈화를 위한 새로운 개발 환경 구축 실습

로컬 환경에서 딥러닝 프로젝트를 개발하고 관리하는 방법 실습

VSCode와 Docker를 활용하여 효과적으로 개발하고, 깃허브 collaborator 설정을 통한 협업 관리 실습

model.fit() 이외의 방법을 사용하여 세부적인 모델 컨트롤과 디버깅의 수행

커스텀 데이터와 트레이너를 구현하고, 모듈화를 통해 코드의 가독성과 재사용성 제고

TensorFlow의 tf.data와 tf.keras.model을 상속하여 딥러닝 모델 개발

캐글 Yogapose 이미지 및 EfficientNetB0를 사용하여 MoveNet annotation 작업 수행

MLOps의 개념과 중요성을 이해하고, 모델의 지속적인 훈련 및 배포 관리

KerasTuner를 활용하여 하이퍼파라미터 튜닝 수행

모델 배포를 위한 TensorFlow Serving API와 tflite 파일 생성 실습

MLOps로 나아가는 파이프라인 여정

아이디어를 구현하기 위한 합리적인 프로젝트 계획하기

계획의 구현 가능성과 문제점을 파악하고, 주어진 환경 자원에 맞춰 고도화하기

팀장/팀원으로서 기간 내에 계획된 프로젝트를 완수하기 위해 시간 관리, 자원 배분 등 매니징 능력 키우기

프로젝트 수행 중에 발생하는 다양한 문제를 해결하기 위한 현실적인 실행 단계 도출 능력 기르기