Python 및 Pandas 활용 데이터 분석 및 예측 AI 심화 > Match業

Python 및 Pandas 활용 데이터 분석 및 예측 AI 심화

교육 소개

교육대상 기초과정 수료자, 유관 전공자, 실무 경험 보유자

교육목적 1. 모델 성능 평가, 하이퍼파라미터 튜닝, 최적화 기술을 포함한 예측 AI 방법론을 심층적으로 이해하여 데이터 분석 작업에 가장 효과적인 모델을 적용할 수 있습니다.
2. 실제 데이터를 사용하여 의사 결정 프로세스를 추진하면서 다양한 산업 부문에 걸쳐 예측 AI를 통해 사례 분석을 수행하고 실제 문제를 해결하는 기술을 개발합니다.
3. 데이터 분석 및 예측 AI 프로젝트를 계획, 실행 및 최적화할 수 있고, 산업별 과제에 대응하여 솔루션을 구현하게 됩니다.

세부직무 데이터 분석 / 예측 AI

교수자 오윤우

평가방법 프로젝트 기반 직무별 핵심 수행 능력을 기준으로 기능 구현, 코드 품질, 시스템 완성도를 통한 실습 평가

이수기준 목적에 맞는 프로젝트 결과물 제출, 출석 80% 이상

학습내용

주차	학습내용	강좌 운영 방법
주차	학습내용	교수학습방법	학습자료	평가방법
1주차	- 예측 AI 기본 개념: 일반적인 예측 모델의 개요를 포함하여 예측 AI의 기본 사항 - 시계열 특징과 모델링 이해: 시계열 데이터의 특징을 파악하고 여러가지 시계열 모델에 대해 학습 - 팀 프로젝트 준비: 팀 빌딩, 역할 분담, 일정 확정 - 모델 프로세스 이해 및 문제 정의: 문제점을 정의하고 이에 따른 목적과 목표를 설정하고 프로젝트에 사용할 데이터 선정 이유와 처리방법을 이해	실시간 강의 및 프로젝트 실습	PDF 및 가이드 제공	프로젝트 평가
2주차	- 데이터 탐색: 시계열 예측 모델을 잘 만들기 위해 데이터를 바라보고 이해하고, 어떤 특징이 있고 어떤 구성인지 확인 - 멘토링: 시계열 데이터의 특징을 이해하고 여러가지 시계열 데이터 분석 코칭 수행 - 데이터 시각화: 시계열 데이터에 대한 이해와 특징 추출 수행, 관련 코칭 수행 - 멘토링: 시계열 데이터에 대한 특징 이해하도록 여러가지 데이터 활용한 시각화 구현 코칭	실시간 강의 및 프로젝트 실습과 멘토링	PDF 및 가이드 제공	프로젝트 평가
3주차	- 데이터 전처리: 시계열 데이터에 대한 퓨처 추가, 이상치 처리, 결측치 처리 수행 - 멘토링: 시계열 데이터를 잘 처리하여 이상치, 결측치 제거 및 특징 도출 할 수 있도록 코칭 - 머신러닝과 시계열 모델링: 시계열 모델과 머신러닝 모델 구현 및 평가 비교 - 멘토링: 시계열 모델링, 머신러닝 모델링을 구현 시 멘토 및 지원	실시간 강의 및 프로젝트 실습과 멘토링	PDF 및 가이드 제공	프로젝트 평가
4주차	- 모델 성능 평가 및 최적화: 모델을 종합적으로 테스트하여 모델의 성능을 평가하고 최적화 수행 - 멘토링: 모델 평가와 더 높은 성능 향상을 위한 최적화 코칭 - 최종 발표, 평가, 보완: 회고, 피드백, 개선사항 중점에 둔 프로젝트 발표 및 평가, 이후 보완 계획	프로젝트 실습과 평가 및 멘토링	가이드, 데이터와 실습파일 제공	프로젝트 평가