역할에 맞는 기술 매칭

Johan은 Data Science 팀을 관리하며, Data Engineer와 Machine Learning Scientist 채용 공고를 올리려 해요. 각 역할에 필요한 기술 요건을 알맞게 구분하도록 도와주세요.

이 연습은 강의의 일부입니다

비즈니스를 위한 데이터 사이언스

실습형 인터랙티브 연습문제

이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요

이 연습은 강의의 일부입니다

비즈니스를 위한 데이터 사이언스

SkillTag.level.beginnerSkillTag.label

4.8+

무료로 강의 시작하기

먼저 데이터 사이언스가 무엇인지 정의합니다. 데이터 사이언스 워크플로와 데이터 사이언스가 실제 비즈니스 문제에 어떻게 적용되는지 살펴봅니다. 마지막으로 조직의 요구에 맞게 데이터 팀을 구성하는 방법을 알아보며 장을 마무리합니다.

Exercise 1: 데이터 사이언스란 무엇인가요?Exercise 2: 고객 세분화 워크플로 Exercise 3: 고객 지원 챗봇 구축 Exercise 4: OKR 개선하기 Exercise 5: 데이터 사이언스의 활용 Exercise 6: 데이터 사이언스 프로젝트 배정하기 Exercise 7: 투자 리서치 Exercise 8: 데이터 사이언스 팀 구성하기 Exercise 9: 팀 스프린트 해석하기 Exercise 10: 채용 공고 다듬기 Exercise 11: 역할에 맞는 기술 매칭

현재 연습

Exercise 12: 데이터 업무 분류하기

이제 데이터 사이언스 워크플로를 이해했으니, 첫 단계인 데이터 수집을 더 깊게 파고듭니다. 회사가 활용할 수 있는 다양한 데이터 소스와, 수집한 데이터를 저장하는 방법을 배웁니다.

Exercise 1: 데이터 출처와 리스크 Exercise 2: 보안을 위한 데이터 분류 Exercise 3: 웹 데이터 이벤트 만들기 Exercise 4: PII 보호하기 Exercise 5: 요청하여 수집한 데이터 Exercise 6: 질문의 목적 식별하기 Exercise 7: 포커스 그룹 피드백 검증하기 Exercise 8: 순추천지수(Net Promoter Score)Exercise 9: 추가 데이터 수집 Exercise 10: 데이터 소스 분류하기 Exercise 11: 천식 발생 빈도 Exercise 12: 데이터 저장과 검색 Exercise 13: 클라우드 플랫폼 Exercise 14: 데이터베이스 쿼리하기 Exercise 15: 어떤 유형의 데이터베이스일까요?

이 장에서는 대시보드를 통해 데이터를 탐색하고 시각화하는 방법을 다룹니다. 대시보드의 구성 요소와, 대시보드를 명확하게 요청하는 방법을 논의합니다. 또한 의사 결정을 안전하게 만드는 강력한 분석 도구인 임시(ad hoc) 데이터 요청과 A/B 테스트도 함께 다룹니다.

Exercise 1: 대시보드 Exercise 2: 대시보드 요소 분류하기 Exercise 3: 대시보드 개선하기 Exercise 4: 적합한 대시보드 선택하기 Exercise 5: 애드혹 분석 Exercise 6: 즉석 요청서 작성하기 Exercise 7: 요청 분류하기 Exercise 8: A/B 테스트 Exercise 9: A/B 테스트 워크플로 만들기 Exercise 10: 표본 크기 Exercise 11: 중간 결과

마지막 장에서는 데이터 사이언스에서 가장 화제가 되는 주제, Machine Learning을 살펴봅니다! 지도 학습과 비지도 학습, 그리고 클러스터링을 다룹니다. 이어서 시계열 예측, 자연어 처리, 딥 러닝, 설명 가능한 AI 등 Machine Learning의 특수 주제들도 살펴봅니다!

Exercise 1: 지도 학습 (Supervised machine learning)Exercise 2: Supervised Learning을 사용할 때 Exercise 3: 피처와 레이블 Exercise 4: 모델 평가 Exercise 5: Clustering Exercise 6: Supervised vs. Unsupervised Exercise 7: 클러스터 개수 선택 Exercise 8: Machine Learning의 특집 주제 Exercise 9: Machine Learning 작업 분류하기 Exercise 10: Sentiment Analysis Exercise 11: Deep Learning과 설명 가능한 AI Exercise 12: 정답 찾기 Exercise 13: Deep Learning을 써야 할까요?