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. 

데이터 사이언스란 무엇인가요?

작업 순서 정하기

고객 세분화 워크플로

작업

데이터 수집

탐색 및 시각화

실험 및 예측

고객 지원 챗봇 구축

OKR 개선하기

데이터 사이언스의 활용

Options

Traditional Machine Learning

Internet of Things

Deep Learning

데이터 사이언스 프로젝트 배정하기

투자 리서치

데이터 사이언스 팀 구성하기

팀 스프린트 해석하기

채용 공고 다듬기

기술 목록

Data Engineer

Machine Learning Scientist

역할에 맞는 기술 매칭

작업 목록

데이터 엔지니어

데이터 분석가

데이터 업무 분류하기

데이터 사이언스 소개

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

데이터 출처와 리스크

보안을 위한 데이터 분류

웹 데이터 이벤트 만들기

PII 보호하기

요청하여 수집한 데이터

질문의 목적 식별하기

포커스 그룹 피드백 검증하기

순추천지수(Net Promoter Score)

추가 데이터 수집

데이터 소스 분류하기

천식 발생 빈도

데이터 저장과 검색

클라우드 플랫폼

데이터베이스 쿼리하기

어떤 유형의 데이터베이스일까요?

데이터 수집과 저장

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. 

대시보드

대시보드 요소 분류하기

대시보드 개선하기

적합한 대시보드 선택하기

애드혹 분석

즉석 요청서 작성하기

요청 분류하기

A/B 테스트

A/B 테스트 워크플로 만들기

표본 크기

중간 결과

분석과 시각화

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! 

지도 학습 (Supervised machine learning)

Supervised Learning을 사용할 때

피처와 레이블

모델 평가

Clustering

Supervised vs. Unsupervised

클러스터 개수 선택

Machine Learning의 특집 주제

Machine Learning 작업 분류하기

Sentiment Analysis

Deep Learning과 설명 가능한 AI

정답 찾기

Deep Learning을 써야 할까요?

예측

데이터 사이언스는 무엇이며, 조직을 어떻게 더 강하게 만들 수 있을까요? 이 강의에서는 데이터 팀에 필요한 역량과, 조직의 요구에 맞게 팀을 구성하는 방법을 배웁니다. 데이터는 어디에나 있습니다! 이 강의는 회사가 활용할 수 있는 데이터 소스와 그 데이터를 저장하는 방법을 이해하도록 도와드립니다. 또한 대시보드와 A/B 테스트를 통해 데이터를 분석하고 시각화하는 방법도 살펴봅니다. 마지막으로, 클러스터링, 시계열 예측, 자연어 처리(NLP), 딥 러닝, 설명 가능한 AI 등 Machine Learning의 흥미로운 주제들을 다룹니다! 학습 과정 전반에 걸쳐 데이터 사이언스의 다양한 실제 활용 사례를 알아보고, 실습을 통해 개념을 더 깊이 이해하게 될 거예요.

<h2>비즈니스에 데이터 과학 활용하기</h2> 
데이터 과학이란 무엇이며, 이를 어떻게 활용해 조직을 강화할 수 있을까요? 이 강의에서는 데이터 팀에서 필요한 역량과, 조직의 요구를 충족하도록 그 팀을 어떻게 구성할 수 있는지 배우게 됩니다.
<br><br>
이 강의는 또한 회사에서 활용할 수 있는 데이터 소스와 그 데이터를 저장, 분석, 시각화하는 방법에 대한 이해를 제공합니다.
<br><br>
<h2>데이터 과학 워크플로 이해하기</h2> 
비즈니스를 위한 데이터 과학 소개로 시작하여 데이터 과학 워크플로와 이를 실제 문제에 적용하는 방법을 살펴봅니다. 데이터 수집이 어떻게 이루어지는지도 살펴보며, 데이터를 어떻게 확보하고 저장할 수 있는지 알아봅니다.
<br><br>
<h2>데이터를 분석하고 시각화하는 방법을 배우세요</h2> 
대시보드와 A/B 테스트를 통해 데이터를 분석하고 시각화하는 방법도 배우게 됩니다. 강의를 마무리하며, 클러스터링, 시계열 예측, 자연어 처리(NLP), 딥러닝, 설명 가능한 AI를 포함한 머신 러닝의 흥미로운 주제들을 다룹니다.
<br><br>
그 과정에서 데이터 과학의 다양한 실제 활용 사례를 배우고, 실습을 통해 이러한 개념을 더 잘 이해하게 됩니다.
<br><br>
이 과정은 관리자들을 위한 데이터 과학 입문으로, 강력한 비즈니스 도구인 데이터 과학을 배울 수 있는 기회를 제공합니다.

관리자와 기업을 위한 데이터 과학 및 조직 강화를 위한 데이터 활용 방법을 알아보세요.

비즈니스를 위한 데이터 사이언스

관리자와 비즈니스를 위한 데이터 사이언스를 학습하고, 데이터를 활용해 조직을 강화하는 방법을 익히세요.

데이터 사이언스의 활용

Create Your Free Account