History
home
BDA 연혁
home

데이터 분석 입문반 (머신러닝)

강의 방향성

머신러닝을 쉽게 이해할 수 있도록!
데이터에 대한 이해, 데이터 개념 강의 진행( ADsP, 빅분기, ADP 필기 수준 )
Python Pandas를 이용한 기초 전처리 학습
Python 문법을 데이터 분석 적용 및 복습
Kaggle 데이터 분석 사례 및 모델링을 통한 Machine Learning Pipe-line 이해
기대효과 : 데이터 분석 입문시 필요한 기초 지식 학습 및 데이터 분석 전반적인 이해

이런 분들에게 추천해요

머신러닝에 대한 이해도가 낮아도 괜찮아요!
Python 문법은 공부했지만 데이터 분석은 처음이신 분
Python 으로 데이터 분석을 어떻게 하는지 감이 잡히지 않으시는 분
Machine Learning 및 데이터 분석에 관심 있으신 분
데이터 분석이 처음이신 분
선행 요구 역량 : Python 기초 문법 역량 필수( Basics to Python 수준 )

B.D.A 정규수업 팁

이렇게 해보세요!
분 반별 조별 스터디 참여하여 나와 같이 공부하는 팀원과 함께 성장하기
전 기수 강의 자료(코드자료) 및 5분 미만 요약 유튜브영상 보며 예습하기
BDA 멘토단 보충 수업 참여하기 ( 어려운 개념 멘토단 보충 수업 )
BDA x 이지스퍼블리싱 등 기업 연계 스터디 참여하기
BDA 채용 연계 내부, 외부 공모전 참여하기

키워드 정리

공부하실 때 아래 키워드를 참고하시면 좋아요!
Machine Learning
EDA
feature engineering
KNN
결측치, 이상치

이전엔 어떤 수업을 했을까요?

강의계획서(syllabus)

Week
Topic
Note
7주차
과제 (복습, 추가, 퀴즈 과제)
9주차
과제 (복습, 추가, 퀴즈 과제)
10주차
과제 (복습, 추가, 퀴즈 과제)
13주차
과제 (복습, 퀴즈 예정)
14주차
과제 (복습, 추가, 퀴즈 과제)
15주차
과제 (복습, 추가, 퀴즈 과제)
16주차
과제 (복습, 추가, 퀴즈 과제)
17주차
과제 (복습, 추가, 퀴즈 과제)
18주차
과제 (복습, 추가, 퀴즈 과제)
19주차
개념 설명 및 다음 반 설명