.png&blockId=ac94ad2f-ce71-4951-9ad0-959e7ff0199e)
강의계획서
‘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 분께 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
10기 학회원들의 생생한 후기를 확인해보세요!
•
학회 활동은 단순한 이론 학습을 넘어 데이터를 활용한 실질적인 분석과 구현을 통해 큰 성장을 이루게 된 거 같아요.
•
향후 논문 설계나 모델 구조를 다듬는 과정에서 이와 같은 구조적 이해는 실질적인 도움이 될 것 같습니다.
•
추천 시스템이라는 주제를 다루며 단순한 모델링을 넘어서 수학적 사고와 데이터 구조를 이해했고, 뉴스레터 분석을 통해 실제 인사이트를 탐색했습니다. 이런 학습 방식은 BDA학회가 단순한 대학생 학회를 넘어서, 실질적인 빅데이터 분석 학회로서의 의미를 더해주는 부분이라 느꼈어요.
•
통계학 전공 수업이나 대학원 과정에서나 다룰 법한 수준의 내용을 BDA라는 학회에서 직접 코드로 구현하고 결과를 해석하는 과정까지 실습할 수 있어 좋았습니다.
•
빅데이터 분석 학회이지만 항상 대학생 학회를 뛰어넘는 지식을 얻어간다는 점이 만족스럽습니다.