빅데이터 활용 파이썬(Python) 프로그래밍

빅데이터 활용 파이썬(Python) 프로그래밍

모집요강

훈련기간

요일

시간

수강료

모집인원

(정원)

2개월

~

19:00 ~ 22:00

483,380

25

빅데이터 분석 전문가란

많은 양의 디지털 데이터를 분석해 가치 있는 자료로 만들어내는 전문가입니다. 디지털 환경에서 생성되는 여러가지 수치 데이터 뿐만 아니라 최근 디지털 환경으로 인해서 많이 만들어지는 문자, 영상, 이미지 등을 포괄적으로 하는 큰 데이터가 빅데이터 이며 빅데이터 분석 전문가는 데이터 속에서 트랜드, 사람들의 행동패턴 분석, 시장의 경제상황 예측 해내는 전문가를 뜻합니다. 

빅데이터 전문가의 업무 분야

플랫폼 전문가

빅데이터를 수집, 가공 처리하여 분석 가능한 최적의 형태로 만듭니다.

개발 전문가

데이터 분석을 위한 알고리즘을 개발합니다.

분석 전문가

다양한 분석 방법을 활용하여 데이터 분석하도록 합니다.

비지니스 전문가

분석된 결과를 실제 비즈니스나 공공서비스로 만들어 새로운 가치를 창출합니다.

빅데이터 서비스 마케팅 활용

다양한 서비스, 마케팅에 필요한 데이터를 체계적인 시스템으로 수집, 저장, 분석을 하고 실제 활용할 수 있도록 합니다.

마케팅

아무리 좋은 마케팅 방법도 고객의 서비스를 고려하지 않으면 실패할 수 밖에 없습니다.

서비스

고객의 소비취향, 관심을 예측하여 고객 각각을 위한 서비스를 제공합니다.

성공

올바른 서비스와 마케팅을 구현하기 위해서 빅데이터 분석 전문가는 필수입니다.

빅데이터 교육과정 주 언어 파이썬 동향

Python은 작년에 TIOBE 지수에서 3 위를 차지했지만 여전히 인기가 높아지고 있습니다. 이번 달에는 11.28 %로 사상 최고치를 기록했습니다. 자바는 2001 년 이후 최저점에 접근하고 있기 때문에 Python과 Java는 상당히 가까워지고 있습니다. 이 격차는 이제 1.3 % 미만입니다. TIOBE 인덱스가 시작된 이래 C와 Java는 항상 2 위 자리를 유지했습니다. 따라서 Python이 2 위에 도달하면 고유 한 이벤트가됩니다. 앞으로 몇 달 동안 어떤 일이 일어날 지 봅시다. – 폴 얀센, CEO TIOBE 소프트웨어

TIOBE 프로그래밍 커뮤니티 색인은 프로그래밍 언어의 인기를 나타내는 지표입니다. 색인은 한 달에 한 번 업데이트됩니다. 등급은 전 세계의 숙련 된 엔지니어 수, 교육 과정 및 타사 공급 업체를 기반으로합니다. Google, Bing, Yahoo !, Wikipedia, Amazon, YouTube 및 Baidu와 같은 인기있는 검색 엔진을 사용하여 등급을 계산합니다. TIOBE 인덱스는 최고의 프로그래밍 언어 나 대부분의 코드 라인 이 작성된 언어에 관한 것이 아니라는 점에 유의해야합니다 .

이 색인은 프로그래밍 기술이 아직 최신 상태인지 확인하거나 새로운 소프트웨어 시스템 구축을 시작할 때 채택해야하는 프로그래밍 언어에 대한 전략적 결정을 내리는 데 사용할 수 있습니다. TIOBE 인덱스의 정의는 여기 에서 찾을 수 있습니다 .

출처 : https://www.tiobe.com/tiobe-index/

2016년 TIOBE 지수 1~2월 프로그래밍 언어 순위

python

4.18%

C

15.59%

자바

21.145%

2018년 TIOBE 지수 5월 프로그래밍 언어 순위

python

5.803%

C

13.589%

자바

15.777%

2020년 TIOBE 지수 10월 프로그래밍 언어 순위

python

11.28%

C

16.95%

자바

12.56%

머신러닝 vs 딥러닝 vs AI

study

머신러닝 vs 딥러닝 vs AI

교육상세내용

– 빅데이터 분석을 위해 파이썬 프로그래밍을 체계적으로 학습

– 빅데이터 분석에 근간을 이루는 학문(통계학, 컴퓨터과학, 정보과학)에서 필요한 부분을 추출하여 학습

– 학습자가 빅데이터 분석에 대한 지식과 파이썬 프로그래밍을 근간으로 데이터 관리 자동화 클래스를 만드는 것을 목적으로 함

– 빅데이터 분석에 필요한 데이터를 생성 주체 및 활용 유형 등에 따라 식별하여 분류할 수 있다.

– 수집된 자료를 정리, 요약하기 위하여 기초적인 통계 기법을 사용할 수 있다.

– 비즈니스 목표와 전략 및 방침에 따라 머신러닝 기반의 데이터 분석을 도입하고 전체 프로세스를 관리할 수 있다.

– 데이터의 속성을 고려한 예측 및 분류 목적 변수의 분포를 고려하여 데이터 셋을 분할하고 샘플링할 수 있다.

커리큘럼

교과목

교육내용

편성시간

파이썬 프로그래밍

파이썬 프로그래밍 기본 문법

16

파이썬 프로그래밍 사용자 클래스 작성

10

데이터 전처리 방법론

데이터셋 분할하기

10

데이터 정제하기

10

통계와 머신러닝

머신러닝 수행방법 계획하기

10

기본통계 확인하기

10