💥 (7주 스터디 모집) 딥러닝/데이터분석 포트폴리오 만들기💥 대기업 현직자, 서울대 대학원 출신 선생님과 함께 만들어보세요. 작년에 7기까지 진행했었던 스터디를, 추가해서 반드시 결과물을 얻으시도록, 더욱 꼼꼼하게 진행될 예정입니다. 비용도 작년보다 25% 다운하였습니다. 📌 스터디 신청 링크 : docs.google.com/forms/d/13qs9fF9QZYmJMuL0Vko9NpYCfGO-UgYH8jkAWZ3VUmA/edit 📌 진행 일정 - 모집 시기 : 02.28 ~ 주제별 첫 수업 전까지 - 시작 일정 (A 주제) : 03.09 (토) - 오후 3시 시작 (B 주제) : 03.10 (일) - 오후 3시 시작 📌 진행일정 - 총 7주 , 14시간 과정 (주 1회 수업) 📌 수업방식 1) 온라인 줌 - 이론 수업 2) 오프라인 - 프로젝트 발표 수업 3) 매주 과제 제출 예정 4) 매 수업 녹화강의 - 별로 제공 5) 수강생별 오프라인 별도 스터디 공부 희망시, 6) 디스코드 채널 통해서, 강의/프로젝트 관련 Q&A 7) 모집인원 - 주제별 7 ~ 10명 - 신청자가 많을 경우 나중에 신청하신분들은, 새로운 주말 시간대로 제안드릴 예정 📌 수업결과 1) 딥러닝/데이터분석 포트폴리오 생성 2) 수료증 발급 3) 이직시 헤드헌팅 서비스 제공 4) 메타코드M 사이트 혜택 ~ 직무별 전체 로드맵 Total 강의 1개 코스 제공 (40만원 상당 무료 혜택) [ 데분/데사 분야 - 4~6개 강의 묶음 / 4월 초부터 Open ] ~ 이 혜택은 다음 기수부터는 사라질 수도 있습니다 📌 비 용 [ 7기 비용 88만원 대비 25% 할인 이벤트중 - 다음 기수부터는 다양한 할인이 사라질 수 있습니다 ] - 월 13.2만원 (5개월 할부시, Total 66만원) 📌 프로젝트결과물 과거 예시들 (ex1) github.com/bkdinghun/deep_learning_creditcard/blob/main/Deep%20learning%20project.ipynb (ex2) colab.research.google.com/drive/1VRwsOdEYd0SEV3c_puxINUeelZk20id7?usp=sharing (ex3) github.com/gkswns0531/Credit_Card_Fraud_Detection/blob/main/Fraud_Detecting.ipynb [📊 A주제 : credit card fraud detecting system (신용카드 이상거래 감지 프로그램)] 📌부제 : 출신이 알려주는, 신용카드 이상거래 탐지를 위한 방법들, 회귀분석에서 딥러닝까지 📌사용 데이터 : credit card fraud transaction dataset (Kaggle) / MNIST dataset 📌실습 환경 : Google Colab notebooks / Jupyter Notebook 📌학습 언어 : Python3 📌학습 내용 : 금융권에서 AI가 사용되는 가장 대표적인 사례로 이상 거래를 감지하는 Fraud Detect System이 존재합니다. 이 실습을 통해 신용카드 거래에서 이상거래를 감지하는 시스템을 만듭니다. 이를 위해서 전통적인 방법부터 시작해서 최신의 딥러닝 계열 방법을 공부합니다. 위 과정을 통해서 금융권 데이터의 특징과 머신러닝 기법을 실제 데이터에 적용하는 방법에 대해서 배우게 됩니다. 또한 산업계에서 많이 사용되고 있는 Tensorflow를 통해서 이 모든 과정을 구현하게 됩니다. 📌일정 : 총 7주, 14시간 과정 (2시간씩 수업 7회) / 첫수업 3월 9 (토), 오후 3시 / 세부 일정 실라버스 참고 📌필요 역량 : 성실함, 기초적인 파이썬 코딩 능력 📌수강 추천대상 : 1. 기초적인 회귀분석부터 딥러닝까지 전체적인 흐름을 배우고 싶으신 분 2. 금융권 데이터에 관심이 있고 취업 희망하시는분 3. SKY AI/데이터사이언스 대학원 진학 희망하시는분 4. Tensorflow를 배워보고 싶으신 분 📌수강 비추천대상 : 1. 딥러닝이 아닌 머신러닝에 대해서 배우고 싶으신 분 (SVM, RandomForest 등) 2. 이미 회귀분석이나 딥러닝에 대해서 충분히 체계적으로 알고계신 분 3. 파이썬을 전혀 다루지 못하시는 분 🔖Syllabus verdant-gladiolus-c69.notion.site/Fraud-Detecting-Schedule-ef3993ee4d5b436b86178f7df26a0267 🔖Syllabus week1. Tensorflow / Linear Regression (온라인) week2. Linear Reg Prac / Logistic Regression / Multi-Class Classification (온라인) week3. Logistic Reg Prac & MNIST Prac / Aritificial Neural Netw (온라인) week4. ANN Prac / Convolutional Neural Nework (온라인) week5. CNN Prac / Overfitting Control (온라인) week6. Overfitting Prac / Hyper-Parameter (온라인) week7. Hyper-Parameter (오프라인) 🔗 참고사항 : 7주차에는 중간 과제 결과물을 합쳐서, 하나의 최종 프로젝트로 오프라인 결과 발표 / 최종 발표 진행은 (개인/팀) 선택 가능 [📊 B주제 : 유통/이커머스 판매 데이터 시각화 및 인사이트 분석 및 나만의 프로젝트 만들기] 📌부제 : 가 알려주는, 유통/이커머스 도메인의 판매데이터를 이용한 인사이트 도출 프로젝트, 시각화 및 대시보드 만들기 📌사용 데이터 : Adidas Sales Dataset (Kaggle) / E-Commerce Data (인도 이커머스 데이터, Kaggle) 📌실습 환경 : Google Colab notebooks / Jupyter Notebook 📌학습 언어 : Python3 📌학습 내용 : 유통/이커머스 산업의 대표적인 데이터는 판매데이터입니다. 실습을 통해 유통/이커머스 데이터에서 인사이트를 도출하고, 시각화하는 방법을 배웁니다. 데이터를 통해 인사이트를 도출할 수 있는 주제를 잡는법부터 시작하여 통계분석을 통해 이를 증명할 수 있는 방법까지 공부합니다. 또한, 효율적으로 분석결과를 보고 및 배포할 수 있는 대시보드를 만드는 방법까지 실습을 합니다. 이 과정에서 시각화 패키지인 plotly와 대시보드를 만들 수 있는 steamlit을 이용해 쉽게 대시보드를 개발하여 구현하는 실습을 하게 됩니다. 📌일정 : 총7주, 14시간 과정 (2시간씩 수업 5회) / 첫수업 3월 10일(일), 오후 3시 / 세부 일정 실라버스 참고 + 5~7주차 프로젝트 관련 수업은 수업 1개 타임별 최대 10명으로만 진행하며, 1~4주차는 온라인 수업이므로 그 정원이 10명 이상일 수 있습니 📌필요 역량 : 성실함, 기초적인 파이썬 코딩 능력, 기초적인 통계학지식 📌수강 추천대상 : 1. 유통/이커머스 도메인의 데이터분석에 관심이 있는 분 2. 데이터분석/데이터사이언티스트 취업/이직 관심있는분 3. 단순하게 파이썬으로 구현하는 기술이 아니라 분석가로써 인사이트를 '분석' 하는 것을 배워보고 싶은 분 4. 시각화한 것을 대시보드로 구현해보고 싶은 분 📌수강 비추천대상 : 1. 이미 plotly, streamlit 등 시각화 패키지를 잘 아시는 분 2. '분석'이 아니라 시각화 기술만을 배우고 싶은분 3. 파이썬을 전혀 다루지 못하시는 분 🔖Syllabus retailecommerceschedule.notion.site/retailecommerceschedule/997c44a0eeb6494c82c63b1f91a4e2a6?v=5c8c7dafe0a84b1a9543ac87a80802e9 🔖Syllabus week1. Adidas 데이터를 이용한 인사이트 분석 (1) (온라인) week2. Adidas 데이터를 이용한 인사이트 분석 (2) (온라인) week3. ploty 패키지를 이용한 이커머스 데이터 시각화 (온라인) week4. streamlit 패키지를 이용한 대시보드 제작 (온라인) week5. 개인/팀 프로젝트 주제 발표 (오프라인) week6. 개인/팀 프로젝트 중간 발표 (온라인) week7. 개인/팀 프로젝트 결과 발표 (오프라인) 🔗 참고사항 : 5주차부터는 시작됩니다. 1) 1~4주차에 했던 프로젝트를 보다 심화해서도 가능하며, 2) 아예 새로운 주제와 팀별로 함께 프로젝트를 만들수 있습니다 / 개인으로만 희망하시는분은 개인 프로젝트로 진행

감사합니다 ㅠㅠㅠ 한번에 이해가 되었습니다

영상 잘봤습니다 :)

현재 건국대 교육대학원의 데이터 분석 컨설팅을 전공으로 학기를 시작하려고 합니다. 졸업후에는 데이터 분석 쪽으로의 전망은 어떨까요? 사실 데이터 분석 자격증이 나을지 학업이 나을지 현재 직장을 다니면서 병행이라 고민입니다ㅜㅜ

디자이너/마케터로 살다가 제가 데이터를 좋아하는걸 알았어요. 제일 도움이 되는 영상같습니다 감사합니다.

안녕하세요. 영상 잘보았습니다. AI와 미래기술에 관심있는 분야중 하나, 빅데이터 전문가를 알게되어 공부해보고 싶은 사람입니다. 문제는 나이가 올해로 33살이라서 나이와 경력등 젊은친구들에게 많이 밀릴것같아 질문드립니다. 1. 데이터 분석가는 고졸도 진입가능할까요? 2. 기초역량 준비기간은 얼마나 걸릴까요?

먼저 좋은 영상 정말 감사드립니다. 많이 도움이 됐어요! 그러나 제가 아직 궁금한 점은 디지털마케팅 직무와 데이터분석가의 차이입니다. 데이터분석가는 유저 로그 분석뿐만 아니라 여럿 데이터를 가지고 해석하는 역할이고, 디지털마케팅은 일반적으로 유저로그데이터를 가지고 문제를 해결한다는 점이 다른 점일까요?

현재 저축은행에서 app서비스 기획 업무를 담당하고 있지만 데이터 분석가가 되고 싶어서 퇴사를 하고 공부해서 이직을하려고 합니다. 갑자기 추가합격으로 서울 상위권 빅데이터 특수대학원에 합격하게 되었습니다. 퇴사한 상황에서 해당 특수대학원을 다녀 졸업하는게 큰 메리트가 될까요? 다닌다면 논문은 쓸 예정입니다.(20대 후반, 산업공학과 출신)

마지막에 말씀해주신 사이드 프로젝트(데이터분석가) 혹시 가벼운 예시가 있을까요 ?

너무 감사합니다. 이제 좀 명확하게 이해가 가는것 같아요

모델링하는 대학원생 알고리즘에 놀라고 갑니다

상경계열인데 데이터 분석가(DA)로 직무전환을 고민하는중에 이런 강같은 유튜브를 발견하게되었네요 명확한 설명 정말 감사드립니다. 우선 분석가로 취업준비를 하고 하다가 DS로 전향하고 싶으면 대학원을 가는 방향으로 해야겠습니다 정말 감사해요!

안녕하세요. 영상 유익하게 보았습니다. 현재 경영 관련 석사 중이고 그와 동시에 데이터 분석 관련 인턴을 하고 있습니다. 다만 이후에는 데이터 분석보다는 데이터 사이언티스트 쪽으로 커리어를 가보고 싶은 마음이 있는데, 이 경우에는 추가로 관련 석사를 하지 않으면 많이 힘든가요? 추가로 석사를 진행하지 않고도 데이터 사이언티스트를 할 수 있는 방법이 있는지 궁금합니다.

고졸이고 이번에 먹고 살려고 직업 찾아보는중에 데이터 분석가가 눈에띄었고 국지지원로 시작해보고싶은데 현실적으로 고졸 이지만 가능할까요? 중견까지는 경력쌓고 취업하고싶습니다

안녕하세요, 전 학부생이 아닌 경영지원 쪽 업무중인 32살 직장인인데요, data 분석에 관심이 생겨 해당 직무로 변경을 도전해보고 싶은데 몇 가지 궁금한 점이 있어서 댓글 남겨봅니다 ㅠ (학부전공은 화학공학/경영학 복전) 1. data 분석가 신입공채 지원 (나이와 전공이 좀 걸리는데 만약 해당 직무 관련 준비를 한다면 관련 자격증을 따는 게 경쟁력이 있을까요..?) 2. 위의 방법이 어려울 경우 OMSCS, Coursera 같은 석사를 한다면 해당 직무로 취업 가능성이 있을까요..? (직장다니면서 딴다면 3년 후가 되겠네요..) 아직 위와 같은 생각을 가진지 얼마 되지 않아 정보가 많이 부족해서 기본적일수도 있는 질문이지만 생소한 분야다보니 이렇게라도 질문드려 봅니다 ㅎㅎ..

혹시 스터디 2기 모집 예정도 있을까요? 유튜브로 검색하다가 오늘 발견했는데, 이미 모집 일정이 마감되어서 여쭤봅니다 😢

현재 인서울 4년제 3학년을 앞두고 있는 데이터 관련 취업을 준비하고 있는 학생입니다. 데이터쪽 자격증이나 동아리를 통한 프로젝트 등을 하고 있고 데이터사이언티스트가 되고 싶으면 아무래도 대학원에 가는게 맞을까요? 만약 대학원 가기 어려운 상황이면 데이터 분석가가 되어서 특수대학원에 가서 데이터사이언티스트 공부를 하고 이직하는 방법은 어떨까요?

🔥메타코드M 오픈채팅방에 들어오실래요?🔥 ⚡️무료 취업특강/오프라인 네트워킹/Daily IT뉴스 등 - 가장 빠르게 다 공유합니다⚡️ docs.google.com/forms/d/1k4ufvVdJMhJZKFccVxAzsl_bJyTuTuDXjjsOsZP2MXA/edit

분석가가 쉬운편이네요. 사이언티스트는 학사나 박사 거의필수라고봅니다. 간혹 이분야에 관심있고 엄청 열심히하는사람들은 학사 박사이런거 없어도 논문도읽고 모델링도 충분히 할수있습니다. 딥러닝 프레임워크만 잘사용하고 이해하면되니까여.

저는 일단 패캠을 통해서 데이터분석을 시작하게 되었습니다 결정적으로 현재 근무하는곳의 관리자분이 주로 SQL+데이터분석 업무를 하시더군요 실제로 쓸수있다는 사실에 맘놓고 입문중입니다

데이터 애널리시스와 애널리틱스는 다른건가요? 고졸은 데이터 분야 취업 못하죠?

통계분석, 시계열분석 등은 데이터 분석가들이 주로 하는 업무인거죠? 근데 통계분석, 시계열분석을 할때 머신러닝, 딥러닝 기법도 쓰이는데 이런 경우 어떻게 보면 되나요?

대학원 진학에 생각이 있는데 통계대학원과 빅데이터대학원과의 차이는 많이 큰가요??

안녕하세요, 저는 현재 경제학 학부생이고 분석가 직무를 희망하고 있습니다. 질문이 있어 저도 댓글 남깁니다. 데이터 분석 직무가 모델링 업무가 거의 없다 라고 하셨는데... 제가 생각하기에는 분석을 하는데에 있어 통계적 지식이 필수여야 한다고 보아 현업과 괴리감이 있는건지 궁금합니다. 지표변화에 대한 원인 분석이라 함은 인과추론을 보는 문제이며 (x 때문에 y가 정말로 증가하였는가?, 얼마나 증가하였는가?) 이를 풀려면 회귀분석에 대해 잘 알아야 하며 (내생성 이슈 등) 이 또한 AB test를 시행 한 뒤 분석에 기본이 아닌가요?? 단순한 AB test 라도 보고자 하는 y의 분포가 정규분포가 아닐 경우 (예를 들면 poisson, zero-inflated) 어떻게 분석을 해야하는지도 알아야 한다고 생각합니다. 어쩌면 AB test에 처치가 잘 이뤄지지 않아 IV를 써야할수도 있고요. 제가 너무 어렵게 생각하는걸까요??

해당 영상에서 언급하는 대학원 이슈는, 영상을 시청하시는 분의 학부 전공 / 학습환경에 따라서 다를수 있습니다. 예를 들면, 네카라쿠배당토 데이터분석팀에서 7명중 1명이 석사출신이지만, 그 1명의 경우 학부로만 지원했었다면, 다른 지원자들보다 불리한 학벌/전공/스펙 이었을수 있습니다. 즉, 명문대 + 경영/통계/산업공학 등의 전공이라면 학부에서 추가스펙을 준비하고, 바로 대기업 데이터분석 직무에 합격이 가능하며 or 스타트업에서 2년간 데이터분석 직무를 경험하고, 대기업 데이터분석직무로 이직하시는 사례가 많습니다. 하지만, 지방대 + 인문학 전공이라면, 현실적으로 위 방법으로 바로 IT 대기업 취업에 많이 불리할 수 있습니다. 따라서, 데이터분석 관련 대학원을 통해서 2년간 공부 + 방학마다 2개월씩 총 3번의 데이터분석 인턴을 경험한다면, IT 대기업 데이터분석가 직무로서 대학원 졸업 후, 취업 가능성이 높아질 수 있습니다.

데이터 분석가를 준비하기 위해 멋쟁이사자처럼이나 멀티캠퍼스 등의 국비지원 데이터분석가 과정 수업을 이용하는 것은 어떻게 보시나요?

지나가는 데싸 현직자입니다. 모델링 하려면 데이터 분석 및 데이터 요건정의가 중요합니다. 요건정의에 데싸가 참여 안 하면 모델링 망할 가능성이 높습니다. 결국 데싸는 데이터 수집부터 데이터 분석 그리고 모델링까지 다 해야됩니다. 추가로 SaaS가 중요해진 요즘 인공지능 모델의 a와 z에 해당하는 데이터 엔지니어, 개발자의 영역도 어느 정도는 알아야 협업이 됩니다. 더욱 추가적으로는 이를 위해 어떤 사항을 자동화할지, 어떤 서비스를 누구에게 어떻게 제공해야 효율적인지에 관한 기획 능력이 중요합니다. 그걸 위해선 의사소통이 중요합니다. 기획 의사소통 개발 모든걸 잘하시면 시니어가 될 수 있을겁니다. 화이팅 하세요...

전공자라고 하면 빅데이터?관련 학과라고 보면 되나요? 데이터사이언티스트가 될려면 전공자도 대학원을 가는게 좋을까요?

안녕하세요! 현재 통계학과 재학중인 학생입니다. 영상 너무 잘 보았습니다. 한가지 고민이 있어 댓글 남깁니다. 데이터분석가쪽으로 진로를 잡고 거기에 맞춰 수업을 듣다가 나중에 졸업 후에 데이터 사이언티스트 쪽으로 취업 방향을 돌리고 싶으면 그때가서 데이터 사이언티스트가 나오면 좋을 대학원 분야(?)를 가는 것도 괜찮을까요..??

흔히 Data Analytics 라고 부르는 데이터 분석가는 그럼 통계 지표 뽑기, 시각화, A/B test가 끝인가요?

솔직히 국내는 이 두가지가 잘 분간되어있지 않습니다. 채용공고와 업무가 무엇인지가 더 중요합니다.

데에터분석가의 업계 대우나 전망은 어떠한가요?