[NetMiner 5] 소셜 네트워크 분석

"NetMiner 5 입문자를 위한 첫걸음, 기초 사용법부터 논문 데이터 분석까지 한 번에!"

"사회적 여론 트렌드를 빠르게 파악하는 방법! 뉴스, 커뮤니티 데이터 분석 교육" • 뉴스 데이터는 최신 사건, 경제 변화, 정치 동향, 자연재해 등 중요한 정보가 담겨 있어 기업 혹은 개인이 이러한 변화를 신속하게 파악하는 데에 활용할 수 있습니다. 온라인 커뮤니티 데이터는 다양한 주제에 대한 이용자들의 의견 및 정보들이 담긴 텍스트 데이터로서 사회적, 문화적 인사이트를 제공합니다. • 뉴스, 커뮤니티 데이터와 텍스트 분석, 텍스트 네트워크 분석 방법을 이용하여 시장 분석, 정책 및 의사 결정, 대중의 반응 분석, 트렌드 분석, 교육 및 연구, 위기 대응 및 재난관리 등 다양한 목적으로 활용할 수 있습니다.

본 교육은 NetMiner를 이용하여 소셜 미디어 데이터를 수집, 모델링, 분석하는 방법을 학습하는 과정입니다. NetMiner의 소셜 데이터 수집기(SNS Data Collector)를 활용하여 유튜브의 데이터를 수집·구성하는 방법, 소셜 미디어 데이터의 유형과 구조에 대한 이해와 모델링, 영향력·토픽·트렌드 등 소셜 미디어 분석 방법에 대해 이론과 사례, 실습을 중심으로 진행됩니다.

본 과정은 논문 데이터를 직접 수집하고, 전처리하는 과정을 거쳐 소셜 네트워크 분석을 통해 연구 동향을 파악하는 방법에 대한 교육입니다. 서지 정보 수집기(Biblio Data Collector)를 통한 데이터 수집, ‘논문’과 ‘저자'가 연결된 2-모드 관계를 ‘저자’와 ‘저자’가 연결된 1-모드 네트워크로 변환하는 방법, 초록 등의 비정형 텍스트 데이터에서 단어 추출 및 키워드 네트워크 분석과 시각화 방법에 대해 실습을 중심으로 학습합니다.

본 과정은 빅데이터 분석에 적합한 프로그래밍 언어인 파이썬(Python)을 활용하여 웹, SNS 등 소셜 빅데이터를 직접 수집하고, 가공하고, 분석해보는 교육 과정입니다. 파이썬 프로그래밍 실습을 ‘따라하기’ 형식으로 진행하여 프로그래밍 경험이 없는 인문, 사회과학 연구자들이 쉽게 학습할 수 있습니다. 본 과정을 수강하시면 파이썬 습득 + 데이터 수집 + 빅데이터 분석이 모두 가능해 집니다.

본 과정은 NetMiner 텍스트 네트워크 분석 기능을 활용하여 뉴스기사,트위터, 연설문과 같은 비정형 텍스트 데이터를 분석하는 방법을 다루고 있습니다. 비정형 텍스트 데이터에서 단어를 추출하고 토픽 발굴, 단어 네트워크 구성 및 시각화, 핵심 키워드 선정까지 텍스트 네트워크 분석 전 과정에 대한 이론적 기초를 쌓을 수 있습니다. 또한 넷마이너를 이용하여 뉴스기사와 트위터 실제 데이터에 분석 방법을 적용하는 실습을 진행합니다.

구매자-상품, 이용자-콘텐츠, 단어-문헌처럼 현실 데이터의 대다수는 '2-모드' 관계임에도, 일반적인 1-모드 분석 방식을 무작정 적용하다가 지표 왜곡이나 데이터 변환의 한계에 부딪히셨나요? 2-모드 네트워크의 핵심 원리부터 데이터 변환(Conversion) 및 직접 분석(Direct/Bipartite) 접근법, 그리고 NetMiner를 활용한 이용자 프로파일링과 연관 분석 실습까지 명쾌한 해법을 제시합니다. 데이터 변환과 지표 산출에서 헤매는 시간을 줄이고, 텍스트·서지·SNS 데이터를 아우르는 독보적인 2-모드 네트워크 분석 역량으로 연구와 실무의 인사이트를 한 단계 끌어올려 보세요.

• SNA에서 중요하게 연구되어 왔던 네트워크 내 역할(Role)과 지위(Position)를 분석하는 방법론을 소개하고 NetMiner를 이용한 실습을 통해 원리를 이해하며, 활용사례들을 살펴볼 수 있는 내용으로 구성되어 있습니다. • 본 교육과정을 통해 다양한 측면에서 중개(Brokerage)역할을 측정하고, 네트워크 내 행위자의 역할과 지위를 관계 패턴을 통해 판단하며, 역할 그룹 간의 관계로 전체 네트워크를 요약함으로써 복잡한 네트워크를 구성하는 핵심적인 구조를 발견해 볼 수 있습니다.

본 과정은 네트워크 데이터의 분석 결과를 통계적으로 어떻게 이해하고, 통계량의 유의미성을 어떻게 검정할 수 있는지에 대해 학습합니다. 전통적인 통계 방법인 교차분석, 분산분석, 상관분석, 회귀분석 등을 시도할 때 네트워크 데이터나 네트워크 지수가 갖는 특성이 유의성 검정에 미치는 영향을 알고 적절한 방법을 사용해야 합니다. 본 과정은 변수 간 연관성 분석, 네트워크 지수의 유의성 검정, 여러 네트워크 간 연관성 분석 등 연구자들이 자주 당면하는 분석 주제 별 예시와 넷마이너 실습으로 구성 되어있습니다.

네트워크에서 개체들이 밀도 높게 연결되어 있는 그룹을 응집그룹이라고 합니다. 연결이 많이 나타나는 응집된 그룹을 찾아내는 다양한 방법들 중에서 자주 활용되고 있는 클릭, k-코어, 컴포넌트, 커뮤니티 등의 분석방법에 대해 자세하고 깊이 있게 다루고 있습니다. 이 교육과정을 통해 네트워크 데이터에서 핵심적인 그룹을 찾거나, 밀접하게 연결되어 있는 클러스터를 발견해 보세요.

네트워크 상에 나타나는 특정 노드의 중요한 정도를 네트워크 중심성이라고 합니다. 이를 측정하는 다양한 방법이 있는데, 그 중 대표적이면서 범용적으로 활용되고 있는 7가지 중심성 지수들에 대해 자세히 알아보고 실제 데이터를 통해 분석해 보는 내용으로 이루어져 있습니다. 교육 과정을 통해 다양한 네트워크 데이터에 적합하게 중심성 지수를 선택하고 적용해 보세요.

네트워크 데이터 분석에서 가장 기초적으로 시도하는 것이 네트워크 특성에 대한 분석입니다. 노드와 링크의 빈도수부터 시작하여 연결선 수의 분포 특성, 밀도, 최단 거리, 응집 계수 등 네트워크의 구조적인 특징을 설명하는 다양한 지수들의 원리와 의미에 대해 자세하게 다룹니다. 네트워크 구조가 어떠한지 수치적으로 측정할 수 있다면 다른 네트워크들과의 비교가 가능해집니다. 이 교육과정을 통해 여러분의 네트워크 데이터가 가진 특성을 다양한 측면에서 정의해 보세요.

네트워크 데이터를 시각적으로 확인하고 구조를 탐색하며 분석 결과를 효과적으로 표현하기 위해서는 다양한 시각화 방법을 이해하고 적용할 수 있어야 합니다. 넷마이너는 네트워크 데이터와 분석 결과를 효과적으로 표현할 수 있는 기능들을 제공하고 있습니다. 이 교육과정을 통해 여러분의 네트워크 분석 결과를 심미적으로 표현하고 핵심 내용을 효과적으로 전달해 보세요.

네트워크 분석을 통해 정확하고 의미 있는 결과와 시사점을 얻기 위해서는 분석방향과 방법에 따라 적합하게 데이터를 처리해주어야 합니다. 본 교육과정은 네트워크 데이터를 준비하고 입력할 때 알아야 할 필수적인 전처리 방법들을 설명하고, 실제 데이터를 가지고 넷마이너를 이용하여 다양한 데이터 클리닝, 추출, 변환 방법을 실습합니다.

이 교육과정은 소셜 네트워크와 소셜 네트워크분석(SNA)이란 무엇인가?부터 시작하여 관련된 주요 이론과 분석 방법, 네트워크 데이터를 이해하고 관찰한 현상으로부터 네트워크 데이터를 구축하는 구체적인 프로세스, 연구 설계 과정에 대해 설명하고 있습니다. 소셜 네트워크 분석을 위한 첫 단추를 끼우는 과정으로서 데이터 모델링은 매우 중요합니다. 이 교육과정을 통해 생소할 수 있는 '네트워크 데이터'에 대해 충분히 이해하고, 관심 있는 주제로부터 직접 네트워크 데이터를 만들거나 수집하는 과정을 설계해 보세요.

논문 속 데이터를 어떻게 분석하고, 연구 흐름을 어떻게 읽어낼 수 있을까요? 본 과정은 NetMiner 5와 Biblio Data Collector를 활용해 서지 정보 수집부터 네트워크 분석과 토픽 모델링 분석까지 정량적인 연구동향 분석을 다룹니다. 서지 데이터 처리 역량과 네트워크 분석 기술을 습득하여 연구 트렌드를 객관적이고 효율적으로 파악할 수 있습니다.

이 교육과정은 넷마이너(NetMiner)라는 분석 툴에 대해 소개하고 기초적인 사용 방법을 다루고 있습니다. 데이터 파일을 열고, 편집하며 외부 데이터를 가져오고, 시각화, 분석을 실행하는 방법에 대해 기초 실습을 진행하여 처음 넷마이너를 접하는 분들의 거부감과 어려움을 줄여줍니다.

"NetMiner 5 입문자를 위한 첫걸음, 기초 사용법부터 논문 데이터 분석까지 한 번에!"

"유저리서치를 하긴 했는데 ... 이게 진짜 모든 유저를 대변할 수 있는 결과일까?" 고민 중이라면 주목! 데이터를 기반으로 여러분의 디자인에 설득력을 더하는 방법을 낱낱이 알려드릴게요. ✅ 복잡한 통계 용어를 정말 쉽게 풀어 설명해요. ✅ UX 실무에 꼭 필요한 3가지 핵심 가설검정만 골라, 원리부터 실습까지 꼼꼼히 소개해요. ✅ AI를 활용해 비용없이, 할루시네이션 없이 간단히 유저데이터를 분석하는 방법을 알려드려요.

데이터 시각화를 넘어 상대를 즉각 설득하는 비주얼 설계 기술 시각 인지 설계부터 미래 시나리오 분석, AI 워크플로우까지 한 번에

AI 도구 활용을 넘어 조직의 업무 프로세스와 의사결정 체계를 근본적으로 재설계하는 AX(AI Transformation) 전략을 학습합니다. 글로벌 기업의 유통, 금융, 의료 등 산업별 AI 전환 사례를 분석하고, 우리 조직에 적용 가능한 실행 전략과 로드맵을 수립합니다.

데이터를 기반으로 사용자 경험에 있어서 문제를 정의하고 액션 아이템을 도출은 물론 프로토타입으로까지 만들어 볼 수 있는 강의 입니다.

데이터를 활용하고 싶은 PM 분들을 위한 강의입니다. PM 직무에서 데이터를 활용하는 모든 과정이 포함된 강의로 이직 1일차의 삶부터 프로젝트 시작과 종료까지 업무의 흐름을 모두 담았습니다. 데이터 기반 사고부터 논리적 사고, 지표 정의, 로그 설계, 실험 설계, 데이터 문화 만들기 등을 모두 다루며 생각하는 힘을 키우기 위한 데이터 입문 강의입니다. PM을 위한 강의로 만들었지만 데이터 분석가도 보면 좋을 내용으로 구성했습니다(실제로 많은 분석가분들이 수강해주셨어요) 그 외에도 마케터, 디자이너, 사업 기획 직무 분들도 많이 수강하고 계셔요.

데이터 분석을 위한 핵심 역량인 문제 정의와 가설 수립 프로세스를 배워보세요!

비전공자의 눈높이에서 32가지 데이터 시각화 기법을 아주 빠르고 쉽게 설명해드립니다!

파편화된 AI 도구와 수동 작업으로 비효율을 겪고 계신가요? 제가 실무에서 터득한 노하우로 통합 자동화 워크플로우를 구축, 생산성을 극대화해 드립니다.

파이썬을 통한 데이터 분석 방법을 이해하고, 여러 형태의 데이터를 스스로 분석하고 시각화하여 데이터 스토리 개요를 정리해보자!

Microsoft AZ-900 자격을 동시에 대비 할 수 있는 이론적 토대를 마련 할 수 있는 특강이며 2025년 5월 기준의 출제 범위를 반영한 최신 콘텐트로서 핵심 데이터 개념 ,Azure의 관계형 데이터 ,Azure의 비관계형 데이터,Azure의 분석 워크로드에 관련된 내용을 이론과 실습이 겸비된 형태로 제공함으로서 자격증 취득은 물론 데이터 전문가로의 첫걸음 다지는 의미있는 교육 기회로 활용 할 수 있습니다

[기술적 진실의 비즈니스 가치 전환을 위한 '사고의 건축가' 로드맵] 1. 서론: 기술적 진실의 비즈니스 가치 전이 제약 요인 분석 기업의 각 부문과 엔지니어링 현장(R&D)에서 빈번히 관찰되는 중대한 병목 현상은, 막대한 자원과 연구 역량이 투입된 혁신적 성과들이 '커뮤니케이션의 임계점'을 극복하지 못하고 사장되는 현상입니다. 이는 경영진이 기술적 심부(Deep-tech)를 충분히 인지하지 못하는 상황과, 기술 인력이 비즈니스적 관점의 언어(Business Language)를 적절히 구사하지 못하는 정보의 비대칭성에서 기인하는 것으로 판단됩니다. 본 마스터클래스는 공학 및 과학 기술자의 '텍스트 기반 커뮤니케이션 역량'을 단순한 행정적 기록 행위가 아닌, 정밀한 '공학적 시스템 설계(Engineering Design)' 프로세스의 일환으로 재정의합니다. 이를 통해 엔지니어의 기술적 통찰이 단순 기록을 넘어 조직의 전략적 의사결정을 견인하는 핵심 자산으로 변환되는 메커니즘을 제시하고자 합니다. 2. [진단] 기술적 소통을 저해하는 3대 인지적 결함 분석 ① 지식의 저주(Curse of Knowledge)에 따른 정보 전달의 단절 전문가가 자신의 고도화된 지식 수준에 매몰되어 정보 수용자의 인지적 배경을 간과함으로써 발생하는 현상입니다. 이로 인해 난해한 수식과 전문 약어(Acronym) 위주의 보고가 반복되며, 이는 결국 의사결정자와의 접점 상실 및 프로젝트 승인 지연, 자원 배정 실패 등의 구조적 손실로 귀결될 가능성이 높습니다. ② 논리적 아키텍처 결여 및 데이터의 파편화에 따른 가치 손실 문서 작성을 단순한 사후 행정 절차로 간주함에 따라, 체계적인 설계 없이 정보를 나열하는 오류가 빈번히 관찰됩니다. 이러한 구조적 결함은 연구개발 성과의 가치를 전달 과정에서 상당 부분 훼손시키며, 이는 엔지니어 개인의 역량 저평가는 물론 조직 전체의 유무형적 자산 손실로 이어지는 경향이 있습니다. ③ 인공지능 의존도 심화에 따른 기술적 신뢰성 위기 생산성 제고를 위해 도입된 생성형 인공지능이 기술적 맥락에 대한 이해 없이 환각(Hallucination) 현상을 일으킬 경우, 엔지니어링의 핵심 가치인 '기술적 신뢰도'가 심각하게 저해될 수 있습니다. 논리적 검증 체계가 수반되지 않은 인공지능 활용은 업무 효율화 도구가 아닌 잠재적인 시스템 리스크로 작용할 소지가 다분합니다. 3. [처방] 사고의 건축가(Thought Architect)를 위한 전략적 커뮤니케이션 체계 ① 비구조화된 정보의 시스템적 설계 (Engineering Design of Thought) 추상적인 실험 데이터와 가설들을 공학적 시스템 설계 원리에 입각하여 구조화하는 과정이 요구됩니다. 결론 우선 방식(Bottom Line Up Front, BLUF): 핵심 가치와 제언을 문서 전면에 배치함으로써, 경영진이 신속하고 정확한 의사결정(자본 투입, 양산 승인 등)을 수행할 수 있도록 최적화된 정보 구조를 지향합니다. 상호 배타적이고 전체적으로 포괄적인 분류(Mutually Exclusive, Collectively Exhaustive, MECE): 논리적 중복과 누락을 방지하는 원칙을 준수하여, 빈틈없는 사고의 흐름을 설계함으로써 보고서의 논리적 완결성을 확보합니다. ② 글로벌 표준 준수 및 문장 품질 보증 (Quality Assurance) 세계 과학 기술계 및 글로벌 기업에서 공인하는 표준 프로토콜을 내재화하여 데이터의 객관성과 무결성을 확보해야 합니다. 표준 기술 보고 구조(Introduction, Methods, Results, and Discussion, IMRaD): 서론, 방법, 결과, 고찰로 이어지는 엄격한 형식적 구조를 통해 공학적 서사의 일관성과 신뢰성을 유지합니다. 문장 품질의 5대 원칙(5C): 정확성(Correctness), 명료성(Clarity), 간결성(Conciseness), 일관성(Consistency), 완전성(Completeness)을 품질 관리 필터로 적용하여, 비전문가도 즉각 이해할 수 있는 명확한 언어(Plain Language) 체계를 구축합니다. ③ 인공지능 지휘권 확보를 위한 S.E.E.D 프롬프트 아키텍처 인공지능을 단순한 대필 도구가 아닌 논리적 연산을 수행하는 조력자로 운용하기 위해 전용 인터페이스 설계가 수반되어야 합니다. S.E.E.D 프레임워크: 상황(Situation), 기대 결과(Expectation), 공학적 구조(Engineering Structure), 근거 데이터(Data)를 체계적으로 구조화하여 입력함으로써 인공지능 산출물의 품질을 정밀하게 제어합니다. 인간 중심 제어(Human-in-the-Loop): 인공지능의 오류 가능성을 차단하기 위해 인간이 최종 승인권자로서 검증을 수행하는 프로토콜을 확립하며, 이를 통해 기술적 권위를 견고히 유지합니다. 4. [실행] 인지적 주권 확보 및 워크플로우 최적화 전략 커뮤니케이션 역량은 단순한 기술적 수단을 넘어 엔지니어의 인지적 기능을 보존하는 핵심 기제로 작용합니다. 책임 구조 기반의 샌드위치 워크플로우(Sandwich Workflow): 맥락 설계(Top Bun)와 최종 검증(Bottom Bun)은 반드시 인간이 수행하고, 중간의 데이터 처리(Meat) 단계만을 인공지능에 위임함으로써 인간 고유의 실행 제어 네트워크(Executive Control Network, ECN) 활성화를 도모합니다. 지식 내재화를 위한 RQTDW 학습 프로토콜: 읽기(Read), 질문(Question), 모순 직시(Think), 가상 토론(Discuss), 직접 쓰기(Write)의 5단계를 실무에 적용하여 정보의 단순 수용을 지양하고 지식을 능동적으로 내재화합니다. SIFT 모델 기반의 정밀 팩트체크: 원천 확인(Source), 맥락 파악(Investigate), 대조 확인(Find), 추적(Trace) 과정을 통해 인공지능의 환각 현상을 필터링하고 기술적 정밀도를 유지합니다. 5. 결론: 기술 전문가에서 엔지니어링 리더(Engineering Leader)로의 전이 단순히 주어진 기술적 과업을 수행하는 실무자의 시대는 종언을 고하고 있습니다. 복잡하고 난해한 기술적 진실을 조직과 사회가 수용 가능한 '가치의 언어'로 번역하고 전달하는 역량은 현대 엔지니어가 갖추어야 할 핵심적인 생존 전략이자 숭고한 소명으로 정의될 수 있습니다. 텍스트 커뮤니케이션은 단순한 기록 행위를 넘어 엔지니어의 지적 역량을 외부에 투사하는 최종 인터페이스(Final Interface)입니다. 본 마스터클래스를 통해 자신의 기술적 가치를 스스로 입증하고 조직의 변화를 주도하는 강력한 '엔지니어링 리더(Engineering Leader)'로 거듭나시길 기대합니다. 40년의 공학적 통찰이 집약된 본 시스템은 전문가로서의 위상을 완성하는 전략적 자산이 될 것입니다.

본 과정은 경영 데이터를 효과적으로 시각화하고, 이를 통해 의사결정을 지원할 수 있는 역량을 키우기 위해 구성되었습니다. 학습자는 정보 시각화 개념에서부터 인포그래픽 원칙, 시각 인지와 디자인 원리, 게슈탈트 법칙 등 다양한 이론적 배경을 학습하고, 이를 실무에 적용할 수 있는 시각화 기법을 체계적으로 익히게 됩니다. 특히 색채와 시각적 변수, 정보 디자인 원칙(대칭·대비·조화·균형), 타이포그래피와 레이아웃 설계(그리드·역피라미드 구조) 등을 학습하여 실제 경영 보고서, 발표 자료, 시각화 대시보드 작성 시 활용할 수 있습니다. 이를 통해 학습자는 단순한 데이터 분석을 넘어, 정보 전달력이 높은 시각 자료 제작 능력을 갖추게 됩니다.

"데이터 분석, 더 이상 복잡한 파이썬 문법과 엑셀 함수에 갇혀있지 마세요." 본 과정은 최신 AI 에이전트를 나만의 전담 데이터 분석가로 고용하여, 엑셀 및 구글 시트부터 파이썬(Python) 연계 분석까지 데이터 처리의 전 과정을 자동화하는 실무 중심 마스터 클래스입니다. 어려운 코딩 지식 대신, 자연어로 대화하듯 명령하는 최신 '바이브 코딩(Vibe Coding)' 방식을 도입하여 비전공자도 진입 장벽 없이 데이터 분석에 입문할 수 있습니다. 데이터 전처리, 시각화, 보고서 작성까지 이어지는 실제 업무 데이터를 활용한 종합 실습을 통해, 당장 내일 현업에 적용할 수 있는 강력한 AI 워크플로우(Workflow)를 경험해 보세요. AI 에이전트, 엑셀 데이터분석, chatGPT, 제미나이(Gemini), (Python), Genspark, 구글 코랩(Colab),챗봇, Google Antigravity, 노트북LM(notebookLM) 활용 강의

복잡하고 따분한 통계나 코딩 지식 없이도 AI 도구를 활용해 원본 데이터를 전략적으로 분석하고 설득력 있게 시각화하는 노하우를 배웁니다. 지저분한 로 데이터의 전처리부터 시작하여 탐색적 데이터 분석(EDA), 상관분석까지 복잡한 과정을 AI 대화 몇 번으로 해결하며 실무 분석 시간을 획기적으로 줄여줍니다. 짧은 실전 이론과 시나리오 기반 실습을 통해 숫자를 강력한 비즈니스 설득의 무기로 변환하는 자신만의 완결형 업무 역량을 완성해 보세요.

GA4 데모 데이터를 활용해서 루커 스튜디오(Looker Studio, (구)구글데이터스튜디오)의 다양한 기능을 학습합니다. 루커스튜디오의 시각화 요소들에 대한 설명과 실습이 포함되어 있습니다. 특히 SQL을 잘 알지 못하는 마케터나 기획자도 빅쿼리 데이터를 루커스튜디오와 연동해서 사용할 수 있는 쉬운 방법을 배울 수 있습니다. 루커스튜디오를 활용해서 대시보드를 만들 수 있는 방법들을 학습할 수 있습니다.

이 강의에서는 Excel의 기본 기능부터 고급 수식, 데이터 시각화, 대시보드 제작까지 폭넓은 내용을 실습 위주로 배울 수 있습니다. 템플릿과 해법 파일을 제공하여 자가 학습이 가능하며, 실무에서 즉시 활용할 수 있는 데이터 분석 기술을 마스터하여 업무 효율성을 극대화할 수 있습니다.

"데이터 분석, 툴(Tool) 공부만 하다가 포기하셨나요?" 대기업 PM은 이미 분석팀이 심어둔 데이터를 보기만 하면 됩니다. 하지만 스타트업이나 사이드 프로젝트의 PM은 다릅니다. 직접 로그를 설계하고, 이름표를 붙이고, 수집하는 '기반'부터 닦아야 합니다. "데이터가 중요하다는데, 대체 내 서비스 어디에 뭘 심어야 할까?" 더 이상 추상적인 개념에 매몰되지 마세요. 로그인 내역 확인부터가 진짜 데이터 기반 의사결정(DDDM)의 시작입니다.

엑셀만으로도 충분히 가능한, 데이터 시각화 스토리텔링

국내 1호 데이터 인문학자 신도용 강사의 누구나 쉽게 시작하는 데이터 입문 강의! 방대한 양의 데이터를 제대로 읽고 제대로 활용할 수 있는 데이터 기반 사고를 갖춰 보아요!