파이썬 문법은 공부했는데 막상 데이터를 다루려니 막막하셨나요? NumPy 와 Pandas 를 배워야 한다는 건 알지만 어디서부터 어떻게 연결해야 할 지 고민이었다면 이 PART2 가 그 답이 됩니다. 총 50강 데이터 분석 커리큘럼중 PART2 에서는 실제로 데이터를 불러오고 정제하고 가공하면서 통계적으로 해석하는 과정을 단계적으로 경험합니다. 단순히 라이브러리와 문법을 배우는 것 만이 아니라 어떤 상황에서 어떤 도구를 선택해야 하는지에 대한 기준을 수립합니다. 파이썬 코드를 아는 수준에서 이제부터 데이터를 다루는 수준으로 넘어가는 전환점이 바로 PART2 입니다.

데이터는 있는데 이걸 어떻게 파이썬에서 읽어 들이고 처리해야 할 지 막막하신가요? 걱정하지 마세요. Pandas의 마법으로 처리할 수 있습니다. Pandas는 가장 강력하고 효율적이며 유용한 데이터 처리 라이브러리입니다. Pandas로 데이터 전처리 Skill-UP! 인사이트 팍팍!

본 강의에서는 PostgreSQL 조작법에 대해서 배우고, 파이썬과 연동해서 사용하는 방법에 대해서 알아봅니다.

최신 스타트업에서 활용하는 풀스택과 데이터과학 기술의 기본 기술 중 하나인 빅데이터를 다룰 수 있는 NoSQL 기술을 익힙니다. 몽고DB는 NoSQL 중에서도 가장 쉬우면서 빠르게 활용할 수 있는 기술입니다. 본 강의에서는 짧은 시간 안에 몽고DB 기초를 익히고, 파이썬으로 몽고DB를 다루고 활용할 수 있는 기술까지 학습해 봅니다.

이 과정은 데이터 시각화의 핵심 도구인 Seaborn과 대화형 대시보드를 구축하는 plotly/Dash를 활용하여, 실무에 바로 적용 가능한 시각화 역량을 키우는 데 초점을 둡니다. 다양한 실습을 통해 인사이트 중심의 시각 자료 제작과 웹 기반 대시보드 구현 능력을 함께 향상시킬 수 있습니다.

빅데이터를 처리한다는 것은 Pandas로 데이터를 처리하는 것과 무엇이 다를까요? 빅데이터 처리의 필수 프레임워크인 Spark에 대해서 배워볼까요?

본 수업에서는 파이썬(Python)의 판다스(Pandas) 라이브러리를 활용하여 다양한 형태의 금융데이터를 분석하고 처리하는 원리와 방법에 대해 배우고, 이를 실전에서 마주할 수 있는 상황에 적용해보며 최종적으로는 재무제표 데이터에 기반한 백테스팅(backtesting)을 구현하는 법(강환국님 '할 수 있다 퀀트 투자' 책 기반)에 대해서 알아봅니다. 결과적으로 여러분들은 투자 논리에 대한 검증이나 근거 없이, 단순히 남이 좋다는 것만 따라하는 '수동적인 투자자'에서 벗어나, 전략 구현에 필요한 다양한 요소들을 파이썬(Python)과 판다스(Pandas)로 활용하여 데이터로부터 자유자재로 추출하여 정량적으로 분석할 수 있는 '자기 주도적이면서 능동적인 투자자'가 될 수 있습니다.

본 강의는 '파이썬(Python)으로 데이터 기반 주식 퀀트 투자하기 Part1'의 후속 강의로서, part1 강좌가 introduction 느낌에 가까웠다면, part2는 실전 전략 구현과 퀀트 투자 개발의 전체 flow 경험이 중심이 되는 심화 강의입니다. 본 수업에서는 시계열 데이터를 다루는 advanced한 판다스(Pandas) 테크닉과, 이를 기반으로 하여 signal based 전략 및 다양한 주기별로 자산의 비중을 조절해야 하는 정적/동적 자산배분 전략을 구현하는 방법에 대해 중점적으로 다룹니다. 나아가 전략 구현에만 그치지 않고, 다양한 투자 전략을 최소한의 코드 수정으로 직접 검증하고 백테스팅하는 '코드의 framework화'와, 이를 확장하여 실전 투자까지 이어지도록 개선하는 법, 그리고 이 과정에서 주의해야 할 사항들에 대해 알아봅니다. 또한 프로그래밍적인 component와 더불어, 2가지 형태의 수익률 개념(simple return, log return)과 백테스팅 관련 평가지표 등의 이론적 내용에 대해서도 수학적으로 깊게 다루어 시중의 투자 서적이나 블로그, youtube 등 에서는 볼 수 없었던 최고의 파이썬(Python) 퀀트 투자 flow를 경험할 수 있습니다.

이 강의는 PyTorch를 활용하여 딥러닝을 이론과 실습을 통해 쉽게 이해하고 적용할 수 있도록 설계되었습니다. 강사는 머신러닝 프로젝트 경험을 바탕으로 복잡한 개념(신경망, 최적화, 모델 학습)을 누구나 이해할 수 있도록 단계별로 설명합니다. 많은 학습자들이 이론은 알고 있지만 실제 모델을 구현하는 데 어려움을 겪습니다. 이 강의는 이러한 문제를 해결하기 위해 실습 중심으로 구성되었습니다. 본 강의를 통해 딥러닝의 핵심 개념을 이해하고, 컴퓨터 비전 및 시퀀스 데이터 처리 모델을 직접 구축할 수 있습니다.

현업 실전에서 데이터 탐색 (EDA), 데이터 클리닝, 스케일링, 이상치 처리, 로그변환, 카테고리 인코딩 등이 왜 필요한지 그리고 어떻게 다루어야 하는지를 배웁니다. 또한 테이블 데이터 합치기, (비정형) 시계열 데이터 처리 방법을 배웁니다.

AI 시대가 도래하면서, 데이터 파이프라인 구성은 기업 경쟁력을 좌우하는 핵심 역량으로 자리 잡았습니다. 가장 널리 사용되는 Airflow를 활용해 효율적인 데이터 파이프라인을 구축하는 노하우를, 실전 경험과 풍부한 강의 경력을 지닌 실리콘밸리 전문가(前 유데미 데이터팀 헤드, 現 산호세 주립대 데이터 석사 과정 교수)에게 직접 배워보세요.

치열하고 복잡한 반도체 공정 분야 취업시장에서 다른 사람들이 간과하기 쉬운 중요 역량을 소개합니다

빅데이터 분석에 필요한 핵심 Python 문법을 살펴보고, 다양한 예제를 통해 빅데이터 파일 처리 및 시각화 방법 등을 제시하였습니다.

S&P 500 페어 트레이딩의 통계적 접근법을 파이썬으로 체계적으로 학습하실 수 있습니다. 전문적인 데이터 분석을 통해 감정을 배제한 투자 전략의 기초를 마련하세요.

비전공자, 입문자가 빅데이터 분석기사 실기를 빠르게 취득할 수 있도록 안내해드려요! 이론은 가볍게, 실전은 확실하게 복잡한 배경지식 없이도, 기출문제를 중심으로 시험에 꼭 나오는 포인트만 집중 학습합니다.

* 100% 실전형 커리큘럼: 문법 공부가 아닌, 데이터를 직접 다루는 실습 위주 구성 * 머신러닝 선수 필승 코스: AI 학습 전 반드시 알아야 할 전처리 기법 완벽 정리 * 데이터 분석 도구 마스터: Numpy(수치연산), Pandas(데이터제어) 핵심 기능 정복 * 시각화 인사이트 도출: Matplotlib, Seaborn을 활용한 데이터 시각화 스킬 전수 * 통계 기초 다지기: 데이터의 특성을 파악하는 기초 통계 및 그룹 분석 기법 학습

본 과정은 파이썬을 이용한 머신러닝 수학 및 통계의 기본 내용을 실습하는 과정입니다. 기계 학습과 딥러닝은 프로그래밍 역량도 필요하지만 원리를 파악히기 위해서 수학적 배경을 필요로 합니다. 본 과정을 통해 인공지능에 필요한 기초 수학을 차근차근 익힐 수 있습니다.

과금없이 시작하는 GEMINI CLI 바이브 코딩으로 나만의 데이터 분석 포트폴리오 만들기 데이터 수집, 분석, 보고서, 대시보드 작성하기 업무자동화 데이터 수집이 처음이라도 원리와 프롬프트 작성방법과 VSCode 사용법을 익히면 데이터 분석가 처럼 데이터 수집, 분석, 시각화, 보고서, 대시보드 작성 등을 할 수 있습니다. GEMINI CLI 와 VSCode 로 배우는 파이썬 데이터 수집부터 분석보고서 작성까지 실패하지 않는 데이터 수집과 분석을 위한 프롬프트 작성과 오류 해결방법

현업에서 진짜 쓰이는 OCR 기술, 제대로 배워보고 싶다면 이 강의 하나로 끝! 비정형 문서와 복잡한 레이아웃에서도 98% 이상의 정확도를 목표로, 최신 SOTA 모델과 실전 노하우를 바탕으로 기업 수준의 OCR 프로젝트를 함께 만들어갑니다.

AI 데이터 분석 및 모델링 결과를 Web Program 으로 만들어 보세요.

Python, Numpy, Pandas, Plotly, Django, 크롤링의 기초 개념부터 간단한 데이터 분석까지 코딩을 처음 접하는 입문자와 더불어 Python을 다양하게 활용해보고 싶은 분들도 들을 수 있는 강의입니다.