강의
ggplot2로 하는 중급 데이터 시각화
- 중급기술 수준
- 4.7+
- 리뷰 1,039개
ggplot2에서 패싯, 좌표계 및 통계를 활용하여 의미 있는 설명적 플롯을 생성하는 방법을 익히세요.
데이터 시각화
전문 강사가 진행하는 짧은 동영상을 시청한 후 브라우저에서 인터랙티브 연습문제로 학습한 내용을 실습해보세요.
또는
강의
ggplot2에서 패싯, 좌표계 및 통계를 활용하여 의미 있는 설명적 플롯을 생성하는 방법을 익히세요.
데이터 시각화
데이터 준비
강의
Apache Kafka 완전 정복! 핵심부터 고급 아키텍처까지, 실무 스트리밍을 위한 Kafka 생성·관리·문제 해결을 학습하세요.
데이터 엔지니어링
강의
이 과정에서는 Microsoft SQL Server에서 사용하는 SQL 변형인 T-SQL을 활용해 데이터 분석을 수행합니다.
소프트웨어 개발
데이터 리터러시
확률 및 통계
소프트웨어 개발
클라우드
강의
LLM의 원리를 파악하고, transformers가 텍스트 모델링을 혁신해 생성형 AI 붐을 촉발한 과정을 알아보세요.
AI
강의
MLflow로 머신러닝 애플리케이션 개발을 단순화하세요. MLflow tracking, projects, models, model registry를 탐색합니다.
머신 러닝
데이터 엔지니어링
강의
Plain Old Java Objects를 다루고, Collections Framework를 숙달하며, 예외를 전문적으로 처리하고, logging으로 신뢰성을 높이세요!
소프트웨어 개발
데이터 리터러시
확률 및 통계
강의
넓은 형식을 긴 형식으로 변환하고, 행·열을 stack/unstack하며, 멀티 인덱스 DataFrame을 효율적으로 다룹니다.
데이터 조작
데이터 엔지니어링
데이터 준비
보고
확률 및 통계
강의
You learn about the key features of Gemini and how they can be used to improve productivity and efficiency in Google Workspace.
AI
강의
데이터 스토리텔링은 분석 가치를 높이는 인기 역량입니다. 이 과정에서 내러티브 구성과 시각화를 대학 전공 데이터셋으로 학습하세요.
데이터 리터러시
강의
Scikit-learn, SHAP 및 LIME을 활용하여 투명하고 신뢰할 수 있으며 책임감 있는 AI 시스템을 테스트하고 구축하는 데 필요한 핵심 기술을 습득하세요.
AI
강의
This course equips security and data protection leaders with strategies to securely manage AI within their organizations.
클라우드
확률 및 통계
강의
Databricks Genie로 평이한 영어로 데이터 질문하기 - 공간을 만들고, 비즈니스 언어를 큐레이션하며, 품질을 모니터링하세요.
데이터 엔지니어링
강의
의미 있는 위험·성과 지표 계산법과 원하는 위험–수익 균형에 맞춘 최적 포트폴리오 구성 방법을 학습합니다.
응용 금융
강의
This course helps your preparation for the Associate Cloud Engineer exam, learn about the Google Cloud domains in the exam and create a study plan.
클라우드
데이터 조작
강의
강화 학습 여정을 시작하세요! 에이전트가 상호작용을 통해 환경을 해결하는 법을 배우는 방식을 알아보세요.
AI
머신 러닝
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.
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.
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.
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.
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.
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.
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.
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 과학의 기초를 마스터한 후에는 머신 러닝, 인공 지능, 빅데이터 분석, 비즈니스 분석 및 인텔리전스, 데이터 마이닝 등 다양한 분야로 전문화할 수 있습니다.
모바일 강의와 매일 5분 코딩 챌린지로 이동 중에도 학습을 이어가세요.