Thumbnail
BEST 데이터 사이언스 데이터 분석
증권 데이터 수집과 분석으로 신호와 소음 찾기
(4.9)
35개의 수강평 ∙ 519명의 수강생
89,100원

월 17,820원

5개월 할부 시
지식공유자 : 박조은
총 114개 수업˙총 21시간 43분
평생 무제한 수강
수료증 발급 강의
입문 초급 대상 중급이상
폴더에 추가 879 공유
초급자를 위해 준비한
[데이터 분석, 데이터 사이언스] 강의입니다.

투자 강의가 아닙니다. 증권 데이터를 통한 데이터 수집, 분석과 시각화를 다룹니다. 다양한 데이터 포맷을 다루며 다양한 텍스트 전처리 기법을 익힙니다. 시계열 데이터의 시각화 기법과 스케일에 대한 표현 방법 주가 데이터를 해석하기 위한 몇 가지 기법을 다룹니다. 이 강의는 데이터 분석을 통해 인사이트를 얻는 방법을 알아가는 강좌입니다. 주가 데이터를 통해 배운 내용을 시계열이 활용되는 수요량, 재고량, 판매량, 트래픽량 등의 데이터를 수집, 분석, 시각화에 활용해 볼 수 있도록 구성 되어있습니다.

✍️
이런 걸
배워요!
크롤링이 아닌 웹 스크래핑
FinanceDataReader 를 통한 진짜 한 줄로 주가 정보 수집하기
판다스 코드 한 두 줄로 데이터 수집하기
브라우저의 네트워크탭 이해를 바탕으로 복잡한 코딩 없이 데이터 수집하는 방법
JSON 파일 포맷 다루기
시계열 데이터 다루기와 diff, shift를 통한 다양한 연산 알아보기
주가의 일별 수익률과 누적 수적 수익률 구하기
seaborn, plotly, pandas plot, matplotlib 의 차이와 사용방법
plotly, cufflinks를 통한 인터랙티브 시각화 기법
판다스의 filter, merge, concat, text 전처리 방법
ETF, 업종/테마 전종목을 수집하고 분석하는 방법
볼린저밴드, MACD, RSI 등의 보조지표 구현과 원리 이해
주린이를 위한 PER, EPS, BPS, PBR, ETF, 인버스, 레버리지, 환헤지 등의 용어 이해

📈 증권 데이터로 신호와 소음 찾기

현재도 오르고 내리는 주가 데이터를 실시간으로 받아와 분석합니다.
누군가 수집해 준 데이터를 사용하지 않고 직접 수집 할 수 있는 방법을 익히고
전처리 하는 방법을 알아봅니다.
업무나 연구에 사용할 데이터 분석 방법을 익히고 적용해 보는 것을 목적으로 하고 있습니다.

📊 증권 데이터로 데이터 분석을 배우면 좋은 이유

Pandas 가 증권가에서 일하는 퀀트에 의해 개발되었다는 사실 알고 계신가요?!
증권 데이터는 다양한 분석방법, 수식, 통계 등을 적용해 볼 수 있는 데이터 입니다.

수십, 수백 페이지의 웹 사이트의 내용을 엑셀에 복붙해야 한다면?!

수집한 데이터가 너무 지저분 해서 어디부터 손을 대야 할지 모르겠다면?!

범주형 데이터와 수치형 데이터는 어떤 차이가 있고
데이터의 신호와 소음을 찾기 위한 적절한 시각화 방법은?!
다양한 포맷의 데이터를 다루는 방법을 익혀볼 수 있습니다.

이동평균, 볼린저밴드, MACD, RSI와 같은 기술적 분석을 직접 구현해 보기도 하고
이미 구현된 라이브러리를 통해 코드 한 두 줄로 그려보기도 합니다.
기술적 분석에 대한 원리를 이해하고
HTS나 MTS에서 보는 것 처럼 차트를 구현해 봅니다.

⚡️ 강의 특징 

🧹 셀레니움과 같은 무거운 도구를 사용해야만 수집할 수 있을 것 같았던 웹 페이지의 데이터를
브라우저의 네트워크 탭을 활용해서 코드 한 두줄로 수집할 수 있는 방법을 알아봅니다.
업무나 연구에 필요한 정보를 직접 수집하고 분석해 볼 수 있습니다.

📈 정적인 시각화 도구 뿐만 아니라 동적인 시각화 도구의 사용법을 익혀봅니다.

🛠 많은 도구를 한 번에 익히려면 어렵습니다.
다양한 툴을 사용하더라도 핵심 기능만 이해하면
툴이 바뀌더라도 문서를 보고 이해할 수 있는 방법을 알면
새로운 라이브러리가 등장해도 두렵지 않을거에요.

💡우리가 필요하다고 느끼는 기능은 누군가 추상화된 라이브러리로 만들어 놓았어요.
새로운 도구를 설치하고 익혀보는 방법을 알아봅니다.

🛠 학습 스킬 소개

🐼  Pandas : 파이썬의 대표적인 데이터 분석 도구로 금융 데이터 분석을 위해 만들어 졌습니다.
🧮  Numpy : 파이썬의 수치계산 도구 입니다.
📊  matplotlib : 파이썬의 대표적인 데이터 시각화 도구 입니다.
📊  seaborn : matplotlib 을 사용하기 쉽게 추상화 해 놓은 고수준 시각화 도구로 기본 통계 연산을 제공합니다.
📊  plotly : 고수준, 저수준 시각화 기능을 제공하며 인터랙티브한 시각화가 가능합니다.
📊  cufflinks : plotly와 pandas를 강력하게 이어주는 생산적인 도구 입니다.
📈  FinanceDataReader : 코드 한 두 줄로 금융 데이터를 수집할 수 있는 도구 입니다.
🌏  Requests : 웹 페이지의 소스코드를 HTTP 통신으로 받아올 수 있는 도구 입니다.
🔍  BeautifulSoup4 : 웹 페이지의 소스코드에서 원하는 정보를 가져올 수 있는 도구 입니다.
⏰  tqdm : 데이터 수집이나 전처리에서 오래 걸리는 작업의 진행 상태를 볼 수 있습니다.

📊 다양한 시각화 라이브러리의 사용법과 차이점

이미지 출처 : https://pyviz.org/overviews/index.html

💻  코드가 입력되지 않은 파일(input)과 입력된 파일(output) 2가지 실습자료를 제공

설명이 적힌 비어있는 셀에 직접 코드를 입력하며 한 줄 한 줄 강의를 따라해 볼 수도 있으며
코드가 적혀있는 파일을 통해 실행하며 실습을 진행할 수도 있습니다.
강의를 다 듣고 비어 있는 셀을 채우며 복습해 볼 수도 있습니다.

📈 HTS, MTS 에서 볼 수 있는 보조지표(이동평균, 볼린저밴드, RSI, MACD) 직접 구현하고 원리 이해하기

🙋‍♀️ 예상 질문 Q&A

비전공자도 들을 수 있나요? 
데이터 분석은 전공/비전공을 불문하고 익혀두면 활용할 곳이 많습니다. 엑셀대신 파이썬을 통한 데이터 분석 기법을 익혀두면 업무와 연구에 다양하게 사용해 볼 수 있어요. 이미 해당 내용으로 오프라인 커리큘럼을 통해 개발 외 직군에 기업강의를 진행한 바 있습니다. 현장에서 어려움을 느끼는 부분에 대해 다양한 인터뷰를 진행하고 커리큘럼을 보완했습니다. 분석과 시각화를 위한 핵심기능을 익히면 업무 효율을 높이는데 도움이 됩니다.

왜 파이썬으로 데이터 분석과 수집 기술을 배워야 하나요? 
엑셀은 어떤 업무를 하든 직장인의 필수 스킬 중 하나입니다. 하지만 엑셀로는 불러올 수 있는 데이터의 크기나 타입 등 한계가 있지만 파이썬을 통해 익히게 되면 다양한 포맷과 대용량 데이터도 다룰 수 있게 됩니다. 

데이터 분석과 수집 기술을 배우면 무엇이 좋은가요?
필요한 데이터를 수집하기 위해 페이지마다 넘겨가며 드래그드랍과 복사붙여넣기를 통해 반복된 작업을 해야할 일들이 종종 발생합니다. 이런 일은 이제 파이썬에게 맡기고 ⏰ 좀 더 생산적인 일에 시간을 투자하거나 휴식🧘‍♀️을 취할 수도 있을거에요.

강의 수강 후에는 어떤 일을 할 수 있나요?
업무와 연구에서 발생하는 데이터를 직접 수집, 분석 시각화를 하고 생산량, 재고량, 판매량, 트래픽량 등에 적용해볼 수 있을거에요. 본인이 투자하고 있는 주가의 업종이나 테마, ETF를 분석하는 용도로도 가능하지만 강의에서 투자의견을 제시하지는 않습니다.

강의를 듣기 전 준비해야 할 것이 있나요?
파이썬의 변수, 숫자, 문자, 리스트 등의 개념을 이해하고 있으면 도움이 됩니다. 또, 평균, 중앙값, 분산, 표준편차, 백분위 등 중학교 수준의 수학 지식이 필요합니다. 

수업 내용을 어느 정도 수준까지 다루나요? 
증권 데이터를 수집, 전처리, 분석, 시각화 합니다. 파이썬의 기초부터 중급까지의 스킬을 다룹니다. 업종테마 정보 수집부터는 난이도가 많이 올라갑니다. 기획, 마케팅, 영업, 운영 등 다양한 직군에서 데이터 분석을 직접 활용해 볼 수 있는 것을 목표로 합니다. 프로그래밍이 처음이라면 강의 중반 부터는 어렵게 느껴질 수도 있습니다. 이럴 때는
 강사가 제공하고 있는 자료 중 파일명 끝에 output 이라는 이름을 가진 완성된 파일을 돌려보고 바로 아래에 코드셀을 만들어서 똑같이 따라 해 보는 것을 추천합니다.

컴퓨터의 성능은 어느정도 되어야 수강 할 수 있나요?
4G이상의 메모리와 남은 저장공간이 20G정도 되는 PC나 노트북 이라면 상관 없으며 컴퓨터의 성능이 낮다면 google colaboratory 를 통해 실습해 보실 수 있습니다.

• 수업 내용을 개인 블로그나 깃헙에 정리해서 공개해도 되나요?
해당 강의 깃헙에 저작권 표기가 되어 있습니다. 정리해서 공개할 때는 출처 표기를 해주세요.

⚠️ 수강전 확인해 주세요.

ARIMA 등의 시계열 모델이나 머신러닝 혹은 딥러닝을 통한 예측을 원하는 분
데이터 수집, 전처리, 분석, 시각화를 주로 다룹니다. 미래의 데이터를 예측하는 과정은 없습니다.

자동매매를 원하는 분
자동매매 관련 증권사 API는 사용하지 않습니다.

데이터 분석을 익히면 증권시장에서 큰 수익을 얻을 수 있을 것이라 기대하시는 분
이 강의는 증권 투자 강의가 아니라 데이터 분석 강의 입니다. 아쉽게도 투자와 관련된 스킬을 기대한다면 실망할 수 있습니다. 또, 강의에서 배운 분석 기법을 통해 투자를 하였다 하더라도 투자 손실에 대한 책임은 투자자에게 있습니다.

인프런 미리 보기 또는 지식공유자의 유튜브 채널을 통해 공개되어 있는 일부 강의를 먼저 듣고 수강 여부를 결정해 주세요.
수강하기 전에 일부 강의를 미리 보기 할 수 있습니다. 원하는 학습 방향인지 확인해 보세요. 또 궁금한 사항은 수강 전 문의를 통해 질문해 주세요.


관련 로드맵

뼈문과를 위한 파이썬(Python) 현실 데이터 분석 
실제 업무에 활용 가능한 데이터 사이언스 로드맵!
  이 강의 포함 
지식공유자가 알려주는
강의 수강 꿀팁!
🎓
이런 분들께
추천드려요!
투자 목적보다는 증권 데이터로 분석과 시각화를 익히고자 하는 분
살아있는 데이터를 통해 데이터 분석을 익히고자 하는 분
파이썬 데이터 분석에 입문하고자 하는 분
데이터 수집 방법을 익히고자 하는 분
수집한 데이터를 전처리하는 하는 방법을 익히고자 하는 분
볼린저밴드, MACD, RSI 등의 보조 지표를 직접 구현하고 분석하는 방법
📚
선수 지식,
필요한가요?
엑셀 형태의 표를 읽는 방법(행과 열의 이해)
기본적인 사칙연산과 중학교 수준의 수학지식
평균, 중앙값, 백분율, 분산, 표준편차에 대한 이해
파이썬의 문자열, 숫자, 리스트, 변수에 대한 이해

안녕하세요
박조은 입니다.
박조은의 썸네일

* [“모두가 데이터에 친숙해지는 날이 오길”…오늘코드 박조은님 – 마이크로소프트웨어](https://www.imaso.co.kr/archives/5390)

* 오늘코드 YouTube 📺 https://www.youtube.com/c/todaycode

* 네이버 커넥트 재단 부스트코스 데이터사이언스 강의 설계 및 교수자

* 서울대 평생교육원 강의

* 다수의 교육기관 및 기업 강의

* 다양한 도메인(제약, 통신, 자동차, 커머스, 교육, 정부기관 등)의 기업 데이터 분석 및 데이터셋 생산

커리큘럼 총 114 개 ˙ 21시간 43분의 수업
이 강의는 영상, 수업 노트가 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. (1) 증권 데이터로 신호와 소음 찾기
강의 소개 - 데이터를 통해 신호와 소음 찾기 미리보기 06:59 판다스가 뉴욕 증권가에서 일하는 퀀트에 의해 개발되었다는 사실 알고 계신가요?! 미리보기 08:55
실습을 위한 환경 설정 - 아나콘다와 주피터 노트북 이란? 14:49
주피터 노트북 사용법과 단축키 18:37
수업자료 다운로드 안내 07:43
섹션 2. (2.2) KRX 전체 종목 분석
[1/14] KRX(한국거래소) 전체 종목 분석으로 판다스 시작하기 미리보기 10:22 [2/14] 데이터 요약하기 미리보기 07:39 [3/14] Pandas의 Series와 DataFrame 이해와 색인 미리보기 12:43 [4/14] loc로 행인덱스 색인과 boolean Indexing 미리보기 10:15
[5/14] 날짜 타입 변환과 파생변수 만들기 05:39
[6/14] 데이터 시각화 도구 소개와 한글폰트 설정 13:41
[7/14] value_counts와 countplot으로 Series의 빈도수 구하기와 시각화 10:23
[8/14] 어떤 Sector, Industry, Region에 상장종목의 빈도수가 가장 많을까? 18:06
[9/14] crosstab으로 두 개의 변수 빈도수 구하고 시각화 하기 18:27
[10/14] groupby와 pivot_table로 빈도수 구하기 15:10
[11/14] 연속된 수치데이터에 대한 시각화 - scatter, lineplot 13:51
[12/14] 상장연도의 분포를 히스토그램으로 보기 06:45
[13/14] 서울에 소재지를 둔 2020년에 상장한 코스피 종목은? 11:11
[14/14] .iloc 행인덱싱으로 원하는 데이터 찾기와 배운내용 정리 18:06
섹션 3. (3.1) FinanceDataReader 로 일별 시세 수집
[1/3] 일별시세도 코드 한 줄로 수집이 가능하다?! 미리보기 07:36
[2/3] 종목명으로 종목코드 찾기 15:15
[3/3] 종목별 일별시세와 서브플롯, 2축 그래프 그리기, 과학적 기수법(표기법) 14:33
섹션 4. (3.2) 여러 종목 수익률 비교
섹션 5. (3.3) 웹 크롤링? 웹 스크래핑! 코드 몇 줄로 주가를 직접 수집하기
[1/8] requests, beautifulsoup 설치하기 05:43
[2/8] 크롬브라우저를 통한 수집하고자 하는 데이터 확인하기 미리보기 08:49 [3/8] 수집하고자 URL로 데이터를 가져올 수 없다면? requests사용하기 미리보기 13:27
[4/8] bs4를 통해 HTML 페이지에서 원하는 태그 찾기 10:12
[5/8] 페이지별 일별 시세 수집 함수 만들기 08:42
[6/8] 아직도 복붙 하시나요?! while 반복문을 통한 여러 페이지 수집하기 09:33
[7/8] 데이터 전처리와 파일저장하기 07:46
[8/8] 전체과정을 복습하며 하나의 함수로 만들기 07:16
섹션 6. (3.4) plotly를 통한 일별 시세 시각화
[1/5] 인터랙티브한 시각화 도구 plotly 소개 미리보기 06:54
[2/5] plotly express 를 통한 일별 시세 시각화 15:39
[3/5] 캔들스틱차트와 OHLC 차트 plotly로 표현하기 11:27
[4/5] 미국주가 AMD의 일별시세를 수집해서 시각화 하기 09:56
[5/5] plotly express 를 통한 다양한 그래프 그려보기 미리보기 16:21
섹션 7. (4.1) ETF 전체 종목 수집
[1/2] ETF 전종목! 브라우저의 네트워크 탭을 이해하면 코드 한 줄로 가능하다? 07:46
[2/2] JSON타입으로 초간단 데이터 프레임 만들기 16:17
섹션 8. (4.2) ETF 전종목 수집 데이터 전처리
[1/3] ETF 전처리 미리보기 16:01
[2/3] 탭명 메뉴명 한글로 변환하기 - 익명함수 사용하기 13:51
[3/3] ETF 브랜드명, 인버스, 레버리지 여부 파생변수 만들기 14:06
섹션 9. (4.3) ETF 전체 종목 분석
[1/20] ETF 종목 분석 소개와 분석을 위한 기본 설정 미리보기 13:02 [2/20] 종목코드를 제대로 로드하려면? 결측치는 어떻게 볼까? 미리보기 13:13
[3/20] ETF 국내파생, 지수, 업종/테마, 해외지수, 선물, 원자재의 빈도수는? 11:51
[4/20] 레버리지와 인버스 비율은 전체 ETF중에 어느정도 일까? 09:44
[5/20] 브랜드별 인버스와 레버리지 ETF 빈도수와 비율 구하기 13:34
[6/20] 수치형변수의 기술통계와 히스토그램 06:12
[7/20] barplot과 groupby 18:50
[8/20] boxplot과 describe로 기술통계 값 이해하기 14:27
[9/20] KODEX ETF의 3개월 수익률로 서브셋으로 바이올린 플롯 이해하기 16:11
[10/20] 서브플롯으로 브랜드별수익률 boxplot과 violinplot을 나란히 그리기 09:25
[11/20] 브랜드별 ETF거래량 시각화 07:13
[12/20] 유형별 평균 거래대금 시각화와 groupby, pivot_table로 직접 구하기 12:51
[13/20] 유형별 평균 시가총액과 3개월 수익률 barplot vs groupby vs pivot_table 09:04
[14/20] PairGrid와 서브플롯으로 여러 개의 그래프 한번에 그리기 22:51
[15/20] ETF유형별 box violin서브플롯 그리기 11:58
[16/20] PariGrid와 subplots로 브랜드별 box, violinplot 시각화 09:42
[17/20] FacetGrid 중 하나인 catplot 으로 범주형 데이터의 서브플롯 그리기 16:39
[18/20] 해외 주식 ETF의 인버스 레버리지별 평균 3개월 수익률은? 08:53
[19/20] 변수별 상관 계수를 구하고 회귀선 그려보기 11:49
[20/20] 곱버스와 원유선물 ETF종목간의 상관 계수 구하기 17:13
섹션 10. (5.1) 업종/테마 수집
[1/6] 업종/테마 수집 과정 소개 미리보기 08:51
[2/6] 수집과 결측치 제거 10:38
[3/6] 거래량, 거래대금 시각화 20:08
[4/6] 상세정보 수집 함수 만들기 16:41
[5/6] tqdm으로 전체 데이터 수집 과정 보기 merge로 데이터 병합하고 to_csv로 데이터 저장하기 18:26
[6/6] 전체 수집과정 wrap-up 03:58
섹션 11. (5.2) 업종/테마 전처리
[1/10] 업종 전처리 - 종목코드의 숫자가 사라졌다?! 18:33
[2/10] 코스피 코스닥 시가총액 전처리 - 정규표현식은 그저 거들 뿐 16:42
[3/10] 52주 최고 최저가를 개별 변수로 분리하기 07:16
[4/10] 투자의견 목표주가 전처리 12:39
[5/10] PER와 EPS란? 여러 컬럼을 한번에 다뤄야 한다면?! filter는 이럴 때를 위해! 09:52
[6/10] melt를 통한 tidy data 만들기 - 깔끔한 데이터란? 19:10
[7/10] PBR/BPS 란? 여러 개의 컬럼 한번에 다루기 13:45
[8/10] filter와 melt를 통한 배당수익률 전처리 05:46
[9/10] merge의 inner, left, right, outer 를 통한 데이터 합치기 09:40
[10/10] 사용하지 않는 컬럼 제거와 파일 저장하기 09:34
섹션 12. (5.3) 업종테마 분석
[1/11] 업종/테마 팀장님께 받은 분석 미션을 해결해야 한다면?! 미리보기 07:19
[2/11] 종목코드는 숫자다?! 문자다?! 천단위 숫자 구분 만들기 10:22
[3/11] EPS 컬럼 여러개를 filter와 fillna 로 전처리 하기 08:28
[4/11] PER, BPS, PBR 도 filter와 fillna를 사용해 전처리 하기 13:29
[5/11] PER, PBR 상하위 10개 종목 찾기 14:30
[6/11] PER와 PBR의 상관 분석 09:27
[7/11] 배당수익률, 시가총액, 거래량 순위 분석 15:02
[8/11] 52주 최저, 최고가 비율과 최대 손실 낙폭(MDD) 구하기 14:50
[9/11] 거래대금 상위 20위 종목의 PER 비교하기 08:32
[10/11] 전체 변수에 대한 상관 계수 구하기 08:38
[11/11] 종목별 상관 계수 구하기 08:11
섹션 13. (6.1) 기술적 분석과 보조지표
[1/4] 기술적분석이란 03:53
[2/4] 일별수익률과 누적수익률을 구하는 여러 방법 15:01
[3/4] 단순, 누적, 지수 이동평균 구하기 11:16
[4/4] asfreq와 resample을 통한 주기별 데이터 추출과 샘플링 10:54
섹션 14. (6.2) 변동성 지표 - 볼린저 밴드
[1/5] 변동성 지표 - 볼린저 밴드란? 08:24
[2/5] 분산과 표준편차 10:33
[3/5] 볼린저밴드 시각화 10:43
[4/5] 종가의 상대적 위치와 밴드폭 구하기 09:08
[5/5] 볼린저 밴드를 구하는 함수 만들기와 여러 주가에 적용해 보기 13:22
섹션 15. (6.3) 모멘텀 지표 - RSI
[1/4] 상대강도지수 RSI 06:03
[2/4] 종가를 통한 RSI 지표 구하기 07:02
[3/4] RSI 지표 시각화와 유의점 06:26
[4/4] plotly를 통한 RSI 시각화 06:55
섹션 16. (6.4) 추세 지표 - MACD
[1/5] 이동평균 수렴확산 지수 MACD란? 05:55
[2/5] 지수이동평균을 통한 MACD 값 직접 구하기 10:17
[3/5] MACD 값 구하는 함수 만들기 10:31
[4/5] pandas와 matplotlib.pyplot을 통한 MACD 시각화 09:37
[5/5] plotly를 통한 MACD 시각화 15:30
섹션 17. (6.5) cufflinks를 통한 pandas와 plotly 생산성 높이기
[1/3] 파이썬의 다양한 시각화 라이브러리와 cufflinks란? 07:38
[2/3] QuantFig를 통한 이동평균, 볼린저밴드, RSI, MACD 시각화 하기 10:45
[3/3] 테슬라 주가에 QuantFig 적용해 보기 05:28
섹션 18. 여기까지 오신 걸 축하드립니다!
완강을 축하드립니다. 전체 정리와 앞으로 응용해 볼 수 있는 것들 08:08
강의 게시일 : 2021년 04월 06일 (마지막 업데이트일 : 2021년 04월 05일)
수강평 총 35개
수강생분들이 직접 작성하신 수강평입니다. 수강평을 작성 시 300잎이 적립됩니다.
4.9
35개의 수강평
5점
4점
3점
2점
1점
VIEW 좋아요 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순
yonghankim7 thumbnail
정말 최고의 강의라고 생각합니다!!! 많은 강의를 들어왔었지만 박조은 선생님의 강의처럼 많이 배우고 도움이 된 강의는 처음인거 같아요! 중간중간에 스스로 헷갈리는 문법이 있어서 "음... 저건 왜 그러지?" 라고 생각할 때가 있는데, 선생님께서 개념 설명을 해주신 다음에, 영상에서 바로 "이러이러한 문법은 왜 안되나요? 라는 질문을 주시는 분들이 많은데" 라고 제가 궁금했던 것들을 그대로 짚어주셔가지고 매번 깜짝깜짝 놀라서 수업을 들었던 기억이 나네요 ㅋㅋㅋㅋ 정말 도움이 많이 되었던 수업이었고 증권 데이터를 가지고 분석해보는 수업에 너무 재미있어서 1달도 안돼서 강의 모두 완료 했습니다! 고민하고 있는 여러분들 모두 후회하지 않을 선택하실꺼에요! 고민하고 있으시면 바로 박조은 선생님 강의 신청하세요!!!! 별 5개!
2021-04-27
마루 thumbnail
파이썬과 판다스 처음 입문자에게 좋은 강의 입니다.
2021-05-23
황희재 thumbnail
깔끔한 설명, 잘 정리된 연습자료 최고의 강의입니다
2021-05-22
hakjuknu thumbnail
Great!
2021-04-07
stoneseller thumbnail
증권데이터에 대한 기본적인 분석 및 시각화를 학습할수있어 좋았습니다
2021-05-24
89,100원

월 17,820원

5개월 할부 시
폴더에 추가 879 공유
지식공유자 : 박조은
총 114개 수업˙총 21시간 43분
평생 무제한 수강
수료증 발급 강의
입문 초급 대상 중급이상
수강 전 궁금한 점이 있나요?
문의하기
연관 로드맵
이 강의가 포함된 잘 짜여진 로드맵을 따라 학습해 보세요!
문의
지식공유자 되기
많은 사람들에게 배움의 기회를 주고,
경제적 보상을 받아보세요.
지식공유참여
기업 교육을 위한 인프런
“인프런 비즈니스” 를 통해 모든 팀원이 인프런의 강의를
자유롭게 학습하는 환경을 제공하세요.
인프런 비즈니스