본 과정은 학문적 이해보다는 딱딱하지 않고 재미있게 설명하여 심도있는 데이터 분석으로 학습이 이어지도록 하는 것을
목표로 합니다. 따라서 데이터 분석에 입문하는 분들에게 적합한 개론수준의 강의입니다.


파이썬, R 까지 배웠는데
아직도 데이터만 보면 얼음이라구?

데이터 1도 모르는데
데이터 분석하려면 뭐부터 시작해야 하냐구?

1. 어서와 데이터는 처음이지 - 기초 of 기초 데이터 개념
2. 어서와 데이터는 처음이지 - 효과 검증을 위한 기초 개념
3. 어서와 데이터는 처음이지 - 미래 예측을 위한 기초 개념

-----------------------------------------------------------------------------
본 과정은 데이터 분석의 꽃, 예측 모델링과 머신러닝을 위해
꼭 알아야 하는 기본 원리와 개념을 알아봅니다.
예측 모델링을 어떻게 접근하는지,
문제 상황에 따라 어떤 예측 모델을 이용해야 하는지,
회귀분석과 머신러닝의 차이는 무엇인지
비전공자의 눈높이에 맞춰 쉽게 알려드립니다.
-----------------------------------------------------------------------------

Point 1. 데이터 분석을 위해 꼭 알아야 할 기초 개념 제대로 뽀개자
개념을 제대로 잡고 싶은데 프로그래밍 언어, 분석 툴 사용법 강좌밖에 없어서 답답하셨나요?
본 강좌는오로지 기초 이론, 핵심 개념에 집중한 최초의 강좌입니다.

Point 2. 순도 100% 문과생의 눈높이에 맞춘 강의로 데.알.못 탈출하자
불필요한 수학 공식과 복잡한 용어는 1도 없다!
일상적 언어와 쉬운 예제로 어려워 보이는 개념도 세상에서 제일 쉽게 풀어드립니다.
또한 데이터 분석 시연을 통해 배운 개념이 어떻게 적용되는지 눈으로 확인해
뜬구름이 아닌 실전형으로 기본 베이스를 탄탄히 다질 수 있습니다.
※ 데이터 실습 링크 제공

Point 3. 온라인 최초! 경험치 만랩 데이터 분석가의 재미진 강의로 배우자
오프라인 플랫폼에서 쉽고 재미있는 데이터 강의로 인기를 끌고 있는
데이터랩 DJ의 강의를 온라인에서 독점 제공합니다.

※ 실제 오프라인 강의 후기
"강의에 대해서 한 문장으로 얘기하자면 '재밌다'입니다."
"통계 무지랭이 나조차 데이터 그래프를 보며 고개를 끄덕이게 만든 수업이었습니다"
"무작정 머신러닝 때려박기 식이 아니라 데이터의 원초적인 원리부터 파고들어 베이스를 잡게 되는 수업"

Point 4. 10분이면 OK! 필요할 때 부담없이 배우는 마이크로러닝
불필요한 수학공식으로 가득한 지루한 영상은 이제 그만!
꼭 필요한 핵심만 뽑아 군더더기 없이 담은 마이크로 영상으로
필요할 때 짧고 굵게 학습해 보세요.
※ 마이크로러닝 : 한 가지 개념을 한 번에 제대로 전달하는 짧은 단위 콘텐츠

※ 학습환경 제한(IE11 또는 Chrome browser 사용)

- 상관 분석의 접근법과 기본 개념을 이해하고 설명할 수 있다.
- 전통적인 회귀 분석을 이용한 예측 모델의 원리와 개념을 이해하고 설명할 수 있다.
- 머신러닝의 기본 원리와 회귀 분석과의 차이를 이해하고 설명할 수 있다.
- 상관 및 회귀 분석과 관련된 결과 값을 해석할 수 있다.

• 수료기준 : 총점 80점 이상시 수료 (단, 진도 80% 미만시는 수료불가)

평가항목

평가항목	진도율	중간평가	최종평가	리포트	액티비티 (참여도)	기타	총계
비율	100%	-	-	-	-	-	100%

• 01. 많은 사람들이 오해하고 있는 그 단어! 상관분석
• 02. 유사하다는 것은 무엇인가?(1) - 상관분석(pearson-r) 기초
• 03. 유사하다는 것은 무엇인가?(2) - 데이터로 직접 확인하기
• 04. 유사하다는 것은 무엇인가?(3) - 상관값에 따른 데이터의 관계성
• 05. 오해하지 말자 결과는 결과일뿐! - 상관값의 해석
• 06. 예측을 해보자(1) - 회귀, Data-fitting, Modeling
• 07. 예측을 해보자(2) - 최적의 선을 찾는 방법, 최소제곱법
• 08. 예측을 해보자(3) - 회귀의 종류
• 09. 아, 이제야 이해할 수 있다 - 회귀분석 vs. 머신러닝
• 10. 예측 모델 만들기 실습(1) - 전통적 방식의 선형 회귀 모델
• 11. 예측 모델 만들기 실습(2) - 머신러닝을 이용한 선형 회귀 모델