블로그

데이터리안

데이터 분석가 로드맵 🥳 & 데이터리안 강의 실제 학습 시간 공개

✨ 데이터리안에서 분석가 로드맵이 나왔습니다 ✨ 그리고 인프런 대시보드가 리뉴얼 되었어요. 이제 학생들이 이 강의를 학습하는데 실제로 얼마나 시간을 소요하고 있는지 볼 수 있게 되었습니다! (예시. 기초 SQL강의의 런타임은 1시간 36분, 실질 수강 기간은 3일!) 로드맵을 소개하면서, 데이터리안 강의를 학습하는데 우리 수강생 분들이 어떻게 시간을 쓰고 계시는지 같이 얘기해보겠습니다.    1. SQL 실무 활용 트랙 기획자, 마케터 등 SQL을 실무에서 활용해야 하는 모든 직군이 공통으로 들을 수 있는 구성입니다. 간단한 데이터를 추출하거나, 기존 쿼리를 이해하는 등 라이트하게 활용할 사용자들을 위한 트랙입니다. 강의의 순수 플레이 타임은 기초 SQL 1시간 36분, 중급 SQL 4시간 19분으로 5시간 55분이고, 중급 SQL 문제풀이 강의 2시간 12분을 포함해서 학습하신다면 8시간 7분입니다. 실제 학습에 소요되는 시간은 어느정도 될까요? 강의를 90% 이상 수강한 학생들이 '완강 수강생'이라고 생각하고, 이 수강생들의 상위 50% 평균을 계산한 값은 다음과 같습니다. 기초 SQL은 3일, 중급 SQL은 9일, 중급 SQL 문제풀이는 4일을 소요하여 강의를 완강합니다. 하루에 약 30분 정도 투자해서 공부를 하고 계시구요. 데이터리안의 모든 코스의 강의는 평균 10분 내외로 촬영하고 있으니까 하루에 약 3개 강의 정도 들으시는 것으로 예상해볼 수 있겠네요 😊 그런데 수강평을 보면 아시겠지만, 기초 SQL의 경우 런타임이 약 1시간 30분 정도라서 하루만에 몰아서 끝내시는 분들도 많아요. 이 강의를 활용해서 학생들을 가르쳐본 경험으로는 약 3시간, 길면 5시간 정도 집중하는 시간을 내면 기초 SQL 강의를 완강하실 수 있습니다. 본인 스타일에 맞게 하루에 몰아서 빡공! 또는 매일 30분씩 나누어서 공부하면 좋겠죠. 👉 데이터리안 수강평 모아보기    2. 데이터 분석가 트랙 현업에서 데이터 분석가로 일하고 계시는 분 또는 데이터 분석가로 입사하기 위해 코딩 테스트를 준비하는 분들을 위한 구성입니다. SQL로 데이터를 자유자재로 핸들링하고 분석에 활용할 분들을 위해 고급 SQL 강의가 들어가있고, 분석을 위한 추가 스킬로 파이썬이라는 프로그래밍 언어를 선택하신 분들을 위한 트랙입니다. 강의의 순수 플레이 타임은 SQL 실무 활용 트랙에 더해, 고급 SQL 5시간 16분 + 파이썬 입문 8시간 55분 + 판다스 6시간 30분으로 총 20시간 41분이 추가됩니다. 여기에 고급 SQL 문제풀이까지 학습하신다면 2시간 12분이 더해져 총 플레이타임은 22시간 53분이 됩니다. 실제로 수강하는데 걸리는 기간을 보면 고급 SQL은 16일, 고급 SQL 문제풀이는 4일, 파이썬 입문편은 4일, 판다스는 22일이 걸리고, 하루에 평균적으로 20분~30분 정도 투자하고 있어요. 파이썬 입문 강의는 특이하게 하루 평균 시청 시간이 2시간 30분이나 되는데요. 강의 러닝타임에 비해서 완강까지 걸리는 기간도 매우 짧구요. 아직 런칭한지 얼마 안 된 강의라서 그런 것인지... 정말 파이썬 입문 강의에는 🔥열혈 수강생🔥들만 있는 것인지 데이터 추이를 지켜보고 있습니다. 데잇걸즈 4기, 5기분들도 데이터리안의 SQL 강의를 수강하셨었는데요. 적절한 코칭이 함께 들어갔을 때 또는 스스로 꾸준히 학습할 때 기초 SQL부터 고급 SQL까지 학습하는데 걸리는 시간은 약 4주에서 8주정도 된다고 생각하시면 좋을 것 같아요. 개인차가 있지만 아무리 늦어도 8주안에 SQL 코딩테스트를 통과할 수 있는 정도의 실력은 길러진다고 보고 있습니다. 실제로 네이버, 리디 등의 데이터 분석가 코딩테스트에 합격하신 분들이 연락을 많이 주시구요. 데잇걸즈 같은 1년에 한 번 있는 프로그램이 아니더라도 함께 모여서 으쌰으쌰하며 공부할 수 있는 환경이 만들어지면 좋을 것 같다는 취지로 4주에서 8주짜리 SQL 캠프도 기획하고 있으니까 기대 많이 해주세요. 👉 데잇걸즈 4기 수강생 분들의 기술 블로그 보러가기 "SQL? 누구냐 너!!"    3. 데이터 사이언티스트 트랙 이 트랙은 파이썬이라는 프로그래밍 언어와 머신러닝🤖을 공부하고 싶은 분들을 위해 구성했습니다. 강의 런타임과 실질 수강 기간은 아래와 같아요. 데이터 분석을 위한 파이썬: 러닝타임 8시간 55분 / 4일 / 매일 2시간 33분 학습 데이터 분석을 위한 판다스: 러닝타임 6시간 30분 / 22일 / 매일 21분 학습 추천 시스템 입문편: 러닝타임 7시간 49분 / 12일 / 매일 41분 학습 총 러닝타임은 23시간 14분, 학습 기간은 38일이네요. 앞에서도 말했지만 파이썬 입문 강의의 일일 학습 시간, 학습 완료까지 걸리는 기간 데이터가 참 특이합니다 🤔 '데이터 분석을 위한 판다스' 강의의 런타임이 6시간 30분으로 훨씬 짧은데도 실질 수강 기간은 훨씬 길죠. 판다스 강의에 분석 프로젝트가 많아서일까요. 데이터를 눈여겨 봐야겠습니다. 👉 데이터 분석을 위한 파이썬: 입문부터 꿀팁까지 보러가기   4. 수강 완료 기간 데이터 데이터리안 강의들의 런타임, 실질 수강 기간, 1일 평균 시청 기간 데이터를 정리해보면 아래와 같습니다. 이 데이터는 고정된 데이터가 아니라 여러분들의 강의 수강 패턴대로 계속 업데이트 될거예요. 강의 완료기간은 더 짧아지도록, 1일 평균 시청 시간은 더 길어지도록, 그리고 완강하는 사람들의 비율이 더 늘어나도록 저희도 노력하겠습니다. 👉 데이터리안 전체 강의 보러가기👉 데이터리안 서비스 페이지 바로가기   (2021년 11월 5일 기준) 강의명 러닝타임 완료기간 1일 평균 시청 시간 로드맵 [백문이불여일타] 데이터 분석을 위한 기초 SQL 1시간 36분 3일 32분 SQL 실무 활용, 데이터 분석가 [백문이불여일타] 데이터 분석을 위한 중급 SQL 4시간 19분 9일 29분 SQL 실무 활용, 데이터 분석가 [백문이불여일타] 데이터 분석을 위한 중급 SQL 문제풀이 2시간 12분 4일 33분 SQL 실무 활용, 데이터 분석가 [백문이불여일타] 데이터 분석을 위한 고급 SQL 5시간 16분 16일 20분 데이터 분석가 [백문이불여일타] 데이터 분석을 위한 고급 SQL 문제풀이 2시간 55분 4일 44분 데이터 분석가 데이터 분석을 위한 파이썬: 입문부터 꿀팁까지 8시간 55분 4일 2시간 33분 데이터 분석가, 데이터 사이언티스트 데이터 분석을 위한 판다스: 기초부터 블로그 GA 데이터 분석까지 7시간 47분 22일 21분 데이터 분석가, 데이터 사이언티스트 [개념부터 실습까지] 추천 시스템 입문편 7시간 47분 12일 41분 데이터 사이언티스트  

#데이터 사이언스#데이터분석#로드맵#데이터리안#SQL#파이썬#데이터사이언스#분석가#머신러닝#추천시스템

데이터리안

데이터리안 파이썬 기초 강의 오픈 🥳

안녕하세요 수강생 여러분 :)   데이터리안에서 <데이터 분석을 위한 파이썬: 입문부터 꿀팁까지> 라는 이름으로 파이썬 기초 강의를 런칭했습니다! 🥳 그리고 지금 오픈 할인 30%를 하고 있어서 후딱 알려드리려고 이렇게 새소식으로 찾아뵙습니다. (이제 인프런에서 지식공유자가 설정할 수 있는 최대 할인폭은 25%예요. 30% 할인은 강의 오픈이나 특별 행사에만 찾아오는 기회입니다!)   저희가 인프런에 첫 강의를 올린게 2020년 초였는데요. 그때부터 '파이썬 기초 강의는 언제쯤 올라오냐' 메일도 보내주시고 많은 분들이 요청해주셨어요. 파이썬 강의 진짜 내고 싶었는데 이게 워낙 범용 프로그래밍 언어다 보니까 어떻게 가르쳐야 수강생 분들이 더 효율적으로, 필요한 기능들을 쏙쏙 골라서 배울 수 있을까 고민이 많아지더라구요. 그래서 기획을 길게 하게 됐습니다. 이제야 인사를 드립니다... 지금까지는 저희 강의 말고 다른 분들이 쓰신 책이나 강의를 추천했었는데 이제는 당당하게 '파이썬 뭘로 공부하나요?' '데이터리안 강의로 공부하세요!'라고 말할 수 있게 되어서 기쁩니다.   이 강의는 '데이터 분석'을 목적으로 파이썬을 공부하시는 분들에게 딱 맞춰 구성한 강의이구요. 선수지식이 전혀 없는 분들도 쉽게 시작하실 수 있도록 설치 등 과정을 과감하게 생략하고 '프로그래밍 언어' 학습에 집중한 강의입니다. 강의 당 시간은 대부분 6분 ~ 15분 내외로 가볍게 들으실 수 있도록 했습니다.   코스의 마지막에는 테이블 데이터를 다루는 라이브러리인 '판다스'나, 가장 유명하고 많이 쓰이는 머신러닝 패키지 '사이킷런'을 맛보실 수 있도록 했습니다. 손으로 쓴 숫자 이미지를 자동으로 분류하는 분류 모델을 30분 튜토리얼안에 작성하실 수 있게 될거예요. 연습문제도 알차게 준비했습니다. 이론 강의 듣고 - 연습문제를 바로 풀어보면서 재밌게 수업내용 복습하고 응용해보실 수 있을거예요.   앞으로도 유익하고, '더 성장하고 싶다!', '더 잘하고 싶다!' 는 생각이 들게 하는 강의 많이 만들어볼게요!   데이터리안 파이썬 팀 드림

#데이터 사이언스#파이썬#데이터분석#파이썬입문#데이터사이언스

데이콘

[데이콘 우승자 인터뷰] #19 상점 총 매출 예측 대회 2위 수상자 인터뷰 (hello

1차 대회 2위 수상자 hellocrypto님 인터뷰를 공유합니다. "인터뷰 전문 보러가기" (클릭!) 수상을 진심으로 축하합니다. 수상 소감 부탁드립니다. 군생활을 하면서 힘들게 참여했는데 수상까지 하게 되어 저에게 뜻이 깊은 상입니다. 그리고 그만두려던 데이터 사이언스를 다시 붙잡게 된 계기가 되어 고맙기도 한 상입니다. 이번 계기로 꾸준히 공부하고 다양한 대회를 참여하면서 군생활을 마무리하고 관련 커리어를 갖도록 노력해 나가겠습니다. 상금으로는 부모님, 그리고 부대 후임들과 맛있는 식사/회식을 하고 나머지는 저축했습니다. (상금이 일부분만 입금되는 해프닝도 있었지만 담당 측에서 신속히 해결해주셔서 한 시름 덜었습니다^^.) 데이터 분석에 관심을 가지게 된 계기나 데이터 분석 일을 하게 된 이유가 있다면 무엇인가요? 본래는 예전부터 데이터 스크레이핑에 관심이 많았습니다. 온라인 상에 퍼져 있는 수 많은 데이터를 끌어 모아 한 눈에 보기 편하게 전달하는 것에 매력을 느꼈습니다. 따라서 사이드 프로젝트로 항목에 따른 온라인 최저가 인쇄 사이트 추천, 웹소설 조회 수 및 매출 추이, 암호화폐 ICO 정보 취합 등 여러가지를 조금씩 진행해봤습니다. 그러다 보니 그 이상으로 무언가를 해보고 싶어졌습니다. 비전공자라 뒤늦게 우연히 ‘데이터 사이언스’라는 키워드를 접하게 되었고 저에게 ‘유레카’의 순간이었습니다.   열심히 모은 데이터를 단순히 정렬해서 보여주는 것만 아니라 토대로 분석과 예측을 할 수 있다니! 그렇게 데이터 분석의 길에 빠져들었습니다.  

#데이터 사이언스#데이콘#Dacon#인공지능#데이터분석#데이터사이언스#데이터마이닝

데이터리안

인프런 수강생은 이런 데이터가 궁금해요!

안녕하세요. 커뮤니티 데이터리안의 윤선미입니다.  오늘도 애정을 가지고 인프런에 대해서 얘기를 해보려고 합니다. 세계관 여기에는 다 인프런과 친하신 분들이니까 굳이 설명할 필요는 없지만, 용어를 정리하는 의미에서 간단하게 인프런의 세계관에 대해서 얘기해볼게요. 이곳에는 두 종류의 사람이 있습니다. 강의를 만들어 업로드 하는 사람: 지식공유자 강의를 수강하는 사람: 현재는 학생 또는 수강생이라고 부릅니다. 데이터리안은 강의를 제작하면서, 종종 다른 지식공유자분들의 강의를 수강하기도 하니까 분류하자면 둘 다에 속합니다. 지식 공유자 입장에서 지식공유자 활동을 하면서 인프런이 제공해주고 있는 데이터 이외에 다른 데이터들을 알고싶다는 생각을 꾸준히 해왔는데요. 예를 들면 이런겁니다. 우리 강의에 어떤 경로로 유입되었을까? 강의를 완강하지 않았다면 이탈 지점은 어디일까? 기초 SQL 강의를 들은 수강생이 중급 SQL 강의도 결제했을까? 글로 정리된 내용은 <인프런 지식 공유자는 이런 데이터가 궁금해요!>에 있습니다. 지식공유자 입장의 데이터가 더 궁금하신 분들은 위에 링크를 클릭해주세요. 수강생의 입장에서 오늘은 수강생의 입장에서 제공받고 있는 여러 데이터들에 대해서 얘기를 해보려고 합니다. 인프런에 수강생이 볼 수 있는 다양한 화면이 있지만, 수강생 학습 대시보드와 강의 소개 페이지를 중심으로 얘기를 해보겠습니다. 아이디에이션은 @S, @북북, @민주, @leebom, 그리고 @선미 가 함께했습니다. ... 더 읽어보기: https://velog.io/@datarian/inflearn-student

#데이터 분석#인프런#데이터분석#데이터리안