.png&blockId=ac94ad2f-ce71-4951-9ad0-959e7ff0199e)
‘데이터 분석 실전반 - 지표 설계 및 고객 분석’과 뭐가 다른건가요?
•
지표 설계 및 고객 분석반은 지표(KPI) 설계와 고객 세분화, 예측 모델링 등을 통해
비즈니스 인사이트를 발굴·활용하는 데 집중합니다.
•
추천 시스템 구현반은 Rule 기반·연관성 분석·딥러닝·머신러닝 등
다양한 추천 알고리즘을 설계·구현하는 데 집중합니다.
[공통 사항]
서로 다른 주제지만, 실무에 적용 가능한 분석 기법을 배울 수 있다는 점은 동일합니다.
관심 분야나 필요에 따라 맞는 분반을 선택하세요!
모델링을 완전히 익히고 분석 역량을 높이고자 하는 분을 위해 프로젝트 형식의 강의를 진행합니다.
[어떤 것을 배우나요?]
•
추천 시스템 기본 개념과 원리 이해 후
구현 방법 학습
•
Rule 기반부터 딥러닝, 머신러닝 등의
접근 방식으로 추천시스템을 설계 및 구현
•
구매 이력, 리뷰, 사용자 행동 로그 등을 분석해,
사용자 맞춤형 추천 시스템을 설계
어떤 사람에게 추천하나요?
[이런 분을 추천합니다]
•
데이터 분석 모델링 역량은 충분하지만
추천 시스템을 실제로 구현해 본 경험이 부족하신 분
•
Rule 기반, 연관성, 딥러닝, 머신러닝 등을 통한
추천 기법을 실습하며 역량을 쌓고 싶은 분
•
선행 요구 역량: 데이터 분석 모델링반(ML1)에서 배우는
내용을 숙지하고 있어야 함
신청 전 확인하기!
본 강의는 추천 시스템 구현 실습을 중심으로 진행하며.
이론보다는 실제 사례와 코드 구현 위주로 수업이 진행됩니다.
만약 기본적인 데이터 모델링 능력이 부족하다고 느끼시는 경우
보다 원활한 수강을 위해 “데이터 분석 모델링반 (ML1)” 수강을 권장합니다.
권장 수업 페이지로 이동하기
