데이터 조작
데이터, AI, 클라우드 강의
중요한 기술을 마스터하세요전문 강사가 진행하는 짧은 동영상을 시청한 후 브라우저에서 인터랙티브 연습문제로 학습한 내용을 실습해보세요.
- 자신만의 속도로 학습
- 실무 경험 습득
- 짧은 챕터로 완주
무료 계정 만들기
Google에서 계속 진행더 많은 옵션 보기또는
강의
DVC로 배우는 데이터 버저닝 입문
- 중급기술 수준
- 4.7+
- 리뷰 459개
ML 데이터 관리용 Data Version Control을 탐색하세요. 설정을 익히고, 파이프라인을 자동화하며, 모델을 원활하게 평가합니다.
머신 러닝
머신 러닝
소프트웨어 개발
강의
Python으로 재무제표 분석하기
- 중급기술 수준
- 4.7+
- 리뷰 127개
Python으로 재무제표를 분석하세요. 비율 계산, 재무건전성 평가, 결측치 처리, 분석 결과 발표까지 익힙니다.
응용 금융
강의
PostgreSQL 데이터베이스에서 데이터 정제하기
- 중급기술 수준
- 4.8+
- 리뷰 493개
PostgreSQL에 저장된 거친 데이터를 정제·가공하여 정확한 인사이트를 도출하는 방법을 학습하세요.
데이터 준비
응용 금융
데이터 조작
강의
Hugging Face로 배우는 멀티모달 모델
- 중급기술 수준
- 4.8+
- 리뷰 202개
Hugging Face의 최신 AI 모델로 텍스트, 이미지, 오디오, 비디오를 결합하고 새로운 이미지와 비디오를 생성하세요!
AI
강의
Python SDK로 Databricks 다루기
- 고급기술 수준
- 4.7+
- 리뷰 106개
Python으로 Databricks 마스터하기: 인증, 클러스터 관리, 작업 자동화, AI 모델 쿼리를 프로그래밍 방식으로 익히세요.
AI
강의
사례 연구: Power BI로 하는 공급망 분석
- 기초기술 수준
- 4.8+
- 리뷰 214개
이 사례 연구로 공급망 분석에 Power BI를 활용하세요. Make vs. Buy 분석 도구를 만들고, 비용 계산 및 생산량 분석을 수행합니다.
데이터 시각화
강의
Windsurf로 하는 소프트웨어 개발
- 중급기술 수준
- 4.8+
- 리뷰 512개
Windsurf로 코딩 능력을 향상시키세요. AI 기반 IDE인 Windsurf는 더 빠르게 구축하고, 디버깅하고, 배포할 수 있도록 도와줍니다.
AI
강의
Python으로 Machine Learning 모니터링
- 고급기술 수준
- 4.8+
- 리뷰 427개
이 과정은 Python으로 기본 머신 러닝 모니터링 시스템을 구축하는 데 필요한 모든 내용을 다룹니다.
머신 러닝
강의
Llama 3 미세 조정(Fine-Tuning)
- 중급기술 수준
- 4.7+
- 리뷰 423개
TorchTune로 Llama를 맞춤 작업에 파인튜닝하고, quantization 등 효율적 파인튜닝 기법을 학습하세요.
AI
머신 러닝
데이터 조작
강의
Google Sheets로 하는 마케팅 분석
- 중급기술 수준
- 4.8+
- 리뷰 239개
정확한 데이터 입력을 보장하고, 마케팅 데이터를 시각화하는 동적 대시보드를 구축하는 방법을 학습하세요.
보고
강의
Microsoft Fabric으로 데이터 분석 환경 설계 및 구현
- 기초기술 수준
- 4.7+
- 리뷰 308개
Microsoft Fabric 인프라를 설정하고 효율적으로 관리하는 방법을 학습하세요.
기타
강의
Great Expectations로 배우는 데이터 품질 입문
- 중급기술 수준
- 4.7+
- 리뷰 446개
Python의 Great Expectations 라이브러리로 데이터 사이언스·데이터 엔지니어링 워크플로에서 높은 데이터 품질을 보장하세요.
데이터 엔지니어링
확률 및 통계
확률 및 통계
데이터 시각화
데이터 조작
강의
AWS에서 애플리케이션 배포하기
- 중급기술 수준
- 4.8+
- 리뷰 50개
AWS에서 Lambda, API Gateway, Cognito, IAM, CloudWatch, X-Ray로 앱을 배포, 보안 설정, 운영하세요. DVA-C02 시험을 위한 실습 중심 준비.
클라우드
강의
Introduction to Data Engineering on Google Cloud
- 기초기술 수준
- 4.7+
- 리뷰 56개
Learn the data engineering role on Google Cloud. Explore data sources, storage solutions, ETL/ELT architectures, BigQuery, Dataform, and Dataproc.
클라우드
강의
Exploring Data Transformation with Google Cloud
- 기초기술 수준
- 4.8+
- 리뷰 153개
Exploring Data Transformation with Google Cloud
클라우드
머신 러닝
강의
Python으로 배우는 Deep Reinforcement Learning
- 고급기술 수준
- 4.8+
- 리뷰 304개
정교화와 최적화 기법을 포함한 강력한 Deep Reinforcement Learning 알고리즘을 학습하고 활용합니다.
AI
강의
사례 연구: Databricks Genie로 배우는 영업 분석
- 기초기술 수준
- 4.9+
- 리뷰 54개
Databricks Genie 공간을 처음부터 끝까지 구축하세요: 설명, 동의어, 지침, 테이블 관계, 예시 쿼리, 모니터링, 벤치마크.
데이터 엔지니어링
강의
Python으로 데이터 시각화 개선하기
- 중급기술 수준
- 4.7+
- 리뷰 343개
결과를 효율적이고 효과적으로 전달하는 데 도움이 되는 매력적이고 설득력 있는 시각화 자료를 구성하는 방법을 배우십시오.
데이터 시각화
FAQs
데이터 과학이란 무엇인가요?
데이터 과학은 데이터로부터 정보를 얻는 데 중점을 둔 전문 분야입니다. 프로그래밍 기술, 과학적 방법론, 알고리즘 등을 활용하여 데이터 과학자는 데이터를 분석해 실행 가능한 인사이트를 도출합니다.
데이터 과학을 학습하려면 어떻게 하나요?
Python이나 R과 같은 프로그래밍 언어를 배우고 수학과 통계학의 원리를 마스터해야 합니다. 데이터 분석 방법과 데이터 과학 도구에 대한 지식도 필수적입니다. 데이터 과학을 배우는 방법은 다양합니다. 학위나 대학 교육과 같은 정규 교육 과정뿐만 아니라 자신만의 속도로 학습할 수 있는 다른 자료들도 많이 있습니다. 온라인 강의와 튜토리얼뿐만 아니라 책, 동영상 등도 있습니다.
데이터 과학에 필요한 기술은 무엇인가요?
수학과 통계학 지식뿐만 아니라 데이터 과학자는 Python, R, SQL과 같은 언어의 프로그래밍 기술이 필요합니다. 또한 데이터 과학과 대용량 데이터세트를 다루는 능력, 데이터 시각화, 데이터 랭글링, 데이터베이스 관리에 대한 지식이 필요합니다. 머신 러닝과 딥러닝 기술도 유용할 수 있습니다.
데이터 과학은 어디에 활용할 수 있나요?
전문적인 관점에서 거의 모든 산업이 어느 정도 데이터 과학을 활용할 수 있습니다. 의료 기관은 데이터 과학을 사용해 질병을 발견하고 치료하며, 금융 회사는 사기를 탐지하고 예방하는 데 사용합니다. 모든 종류의 산업에서 추천 시스템 구축이나 고객 이탈 분석과 같은 마케팅에 데이터 과학을 활용합니다.
데이터 과학은 좋은 커리어인가요?
네, 데이터 과학은 미국과 전 세계에서 가장 빠르게 성장하는 분야 중 하나입니다. 또한 가장 높은 급여를 받는 직업 중 하나이기도 합니다. Payscale 데이터에 따르면, 경험 있는 데이터 과학자는 미국에서 평균 $97,609를 벌고 5점 만점에 4점의 만족도를 보입니다.
데이터 과학자가 되기 어려운가요?
여기서 고려해야 할 몇 가지가 있습니다. 먼저 데이터 과하학 학위는 경쟁이 치열할 수 있으며, 종종 지속적으로 높은 성적이 필요합니다. 마찬가지로 데이터 과학에 필요한 많은 기술들은 많은 학습과 시간이 필요합니다. 필요한 모든 기초를 마스터하는 데 몇 달이 걸릴 수 있으며, 초급 수준의 직무를 맡으려면 많은 실무 경험이 필요합니다.
데이터 과학에 코딩이 필요한가요?
네, Python, R, SQL, Java, C/C++와 같은 언어의 코딩 경험이 필요합니다. 하지만 상대적으로 간단한 문법 때문에 Python 프로그래밍 언어가 초보자들 사이에서 선호되는 선택인 경우가 많습니다.
데이터 과학자가 되는 데 얼마나 걸리나요?
사전 코딩 경험이나 수학적 배경이 없는 사람의 경우, 일반적으로 초급 데이터 과학자 수준에 도달하려면 7~12개월 집중적으로 학습해야 합니다. 하지만 데이터 과학의 이론적 기초만 학습하는 것으로는 진정한 데이터 과학자가 될 수 없다는 점을 기억하는 것이 중요합니다.
데이터 과학에서는 어떤 주제를 학습할 수 있나요?
데이터 과학의 기초를 마스터한 후에는 머신 러닝, 인공 지능, 빅데이터 분석, 비즈니스 분석 및 인텔리전스, 데이터 마이닝 등 다양한 분야로 전문화할 수 있습니다.
DataCamp for Mobile로 데이터 역량을 키우세요
모바일 강의와 매일 5분 코딩 챌린지로 이동 중에도 학습을 이어가세요.