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
R로 하는 Supervised Learning: 회귀
- 중급기술 수준
- 4.6+
- 리뷰 105개
이 강의에서는 선형 회귀, Generalized Additive Models, Random Forests, XGBoost로 미래 사건을 예측하는 방법을 학습합니다.
머신 러닝
데이터 시각화
확률 및 통계
확률 및 통계
강의
R로 배우는 Bayesian 데이터 분석 기초
- 중급기술 수준
- 4.8+
- 리뷰 217개
베이지안 데이터 분석이 무엇인지, 어떻게 작동하는지, 그리고 왜 데이터 과학 도구 상자에 유용한 도구인지 알아보세요.
확률 및 통계
강의
Unsupervised Learning in R
- 중급기술 수준
- 4.7+
- 리뷰 105개
This course provides an intro to clustering and dimensionality reduction in R from a machine learning perspective.
머신 러닝
확률 및 통계
소프트웨어 개발
강의
R로 배우는 군집 분석
- 중급기술 수준
- 4.8+
- 리뷰 71개
계층적 클러스터링과 k-평균 클러스터링의 작동 원리에 대한 강한 직관을 기르고, 이를 활용하여 데이터에서 통찰력을 추출하는 방법을 익히십시오.
머신 러닝
확률 및 통계
확률 및 통계
확률 및 통계
강의
Tidyverse로 하는 데이터 모델링
- 중급기술 수준
- 4.8+
- 리뷰 230개
예측을 포함한 데이터 모델링 유형을 익히고, Tidyverse에서 선형 회귀와 모델 평가 지표를 수행하는 방법을 학습하세요.
확률 및 통계
강의
String Manipulation with stringr in R
- 중급기술 수준
- 4.7+
- 리뷰 53개
Learn how to pull character strings apart, put them back together and use the stringr package.
소프트웨어 개발
데이터 조작
데이터 준비
머신 러닝
강의
R에서 Generalized Linear Models
- 중급기술 수준
- 4.8+
- 리뷰 194개
Generalized Linear Model 코스로 회귀 도구를 확장해 logistic 및 Poisson 회귀를 학습합니다.
확률 및 통계
응용 금융
데이터 준비
강의
R로 배우는 생존 분석
- 중급기술 수준
- 4.7+
- 리뷰 196개
생존분석용 시간-사건 데이터 다루기. 사망 또는 실업 후 취업 등 사건을 예로 들고, 모델의 추정·시각화·해석을 학습합니다.
확률 및 통계
강의
R에서 S3와 R6로 배우는 Object-Oriented Programming
- 고급기술 수준
- 4.7+
- 리뷰 291개
S3와 R6 기반 객체지향 프로그래밍으로 코드 복잡도를 효과적으로 관리하세요.
소프트웨어 개발
탐색적 데이터 분석
확률 및 통계
머신 러닝
데이터 시각화
강의
Tidyverse로 배우는 범주형 데이터
- 기초기술 수준
- 4.7+
- 리뷰 172개
분류를 시작하세요! 이 과정에서는 직함, 설문 응답 등 비수치형 데이터를 Tidyverse 환경에서 다루는 법을 학습합니다.
데이터 조작
응용 금융
강의
Tidyverse로 배우는 Machine Learning
- 중급기술 수준
- 4.8+
- 리뷰 115개
tidyr와 purrr 패키지를 tidyverse에서 활용해 머신 러닝 모델을 생성, 탐색, 평가합니다.
머신 러닝
FAQs
데이터 사이언스란 무엇인가요?
데이터 사이언스는 데이터로부터 정보를 얻는 데 중점을 둔 전문 분야입니다. 프로그래밍 기술, 과학적 방법론, 알고리즘 등을 활용하여 데이터 사이언티스트는 데이터를 분석해 실행 가능한 인사이트를 도출합니다.
데이터 사이언스를 어떻게 배울 수 있나요?
Python이나 R과 같은 프로그래밍 언어를 배우고 수학과 통계학의 원리를 마스터해야 합니다. 데이터 분석 방법과 데이터 사이언스 도구에 대한 지식도 필수적입니다. 데이터 사이언스를 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 사이언스에 필요한 기술은 무엇인가요?
수학과 통계학 지식뿐만 아니라 데이터 사이언티스트는 Python, R, SQL과 같은 언어의 프로그래밍 기술이 필요합니다. 또한 데이터 사이언스는 대용량 데이터세트를 다루는 능력, 데이터 시각화, 데이터 랭글링, 데이터베이스 관리에 대한 지식이 필요합니다. 머신러닝과 딥러닝 기술도 유용할 수 있습니다.
데이터 사이언스를 무엇에 활용할 수 있나요?
전문적인 관점에서 거의 모든 산업이 어느 정도 데이터 사이언스를 활용할 수 있습니다. 의료 기관은 데이터 사이언스를 사용해 질병을 발견하고 치료하며, 금융 회사는 사기를 탐지하고 예방하는 데 사용합니다. 모든 종류의 산업에서 추천 시스템 구축이나 고객 이탈 분석과 같은 마케팅에 데이터 사이언스를 활용합니다.
데이터 사이언스는 좋은 직업인가요?
네, 데이터 사이언스는 미국과 전 세계에서 가장 빠르게 성장하는 분야 중 하나입니다. 또한 가장 높은 급여를 받는 직업 중 하나이기도 합니다. Payscale 데이터에 따르면, 경험 있는 데이터 사이언티스트는 미국에서 평균 $97,609를 벌고 5점 만점에 4점의 만족도를 보입니다.
데이터 사이언티스트가 되기 어려운가요?
여기서 고려해야 할 몇 가지가 있습니다. 먼저 데이터 사이언스 학위는 경쟁이 치열할 수 있으며, 종종 지속적으로 높은 성적이 필요합니다. 마찬가지로 데이터 사이언스에 필요한 많은 기술들은 많은 학습과 인내가 필요합니다. 필요한 모든 기초를 마스터하는 데 몇 달이 걸릴 수 있으며, 초급 수준의 직책을 확보하려면 많은 실무 경험이 필요합니다.
데이터 사이언스에 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 사이언티스트가 되는 데 얼마나 걸리나요?
사전 코딩 경험이나 수학적 배경이 없는 사람의 경우, 일반적으로 초급 데이터 사이언티스트 수준에 도달하려면 7~12개월의 집중적인 학습이 필요합니다. 하지만 데이터 사이언스의 이론적 기초만 학습하는 것으로는 진정한 데이터 사이언티스트가 될 수 없다는 점을 기억하는 것이 중요합니다.
데이터 사이언스 내에서 어떤 주제를 공부할 수 있나요?
데이터 사이언스의 기초를 마스터한 후에는 머신러닝, 인공지능, 빅데이터 분석, 비즈니스 분석 및 인텔리전스, 데이터 마이닝 등 다양한 분야로 전문화할 수 있습니다.
DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.
모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.