인프런 - 최대 AI, AX, 보안 학습 플랫폼

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 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.

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.

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.

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!

비전공자로서 데이터 분석가가 될 수 있을지 걱정하고 계신가요? 비전공자 선배 분석가의 이야기를 들어보세요!

본 과정은 반도체 제조 데이터를 기반으로 Bin 데이터 현황 분석, Wafer Defect Map 패턴 분석, 수율과 공정 파라미터 간 연관성 분석까지 수행하는 실전 분석 과정입니다. 단순 시각화를 넘어, 패턴 유사도 분석과 군집화 기법을 활용하여 불량 유형을 분류하고 공정 변수와 수율 간 관계를 데이터 기반으로 해석하는 방법을 학습합니다. 실무에서 활용 가능한 대시보드를 직접 구현하며, 반도체 제조 데이터를 분석하는 구조적 접근 방식을 익히는 데 초점을 둡니다.

비전공자도 쉽게 완강한 【데이터 분석 맞춤형 기초 파이썬】 강의! ChatGPT 활용의 기초도 함께 익혀, 데이터 분석과 AI 활용의 『시작점』을 만들어보세요. 데이터 분석을 위한 필수 선수 과정부터 『데이터 분석 강사』에게 맞춤형으로 학습하기에 빠르게 학습하면서도 깊이 있는 기본기를 쌓을 수 있으며, 코딩 학습에 필요한 용기와 자신감도 심어주고, 향후 데이터 분석 학습 방향까지 제시합니다.

하둡과 빅데이터를 배우고자 하는 수강생들은 이 과정을 통해 빅데이터 세계를 경험하는 놀라운 발전을 기념할 것입니다!

비전공자로서 시행착오를 겪으며 깨달은 것들을 알려주는 데이터 사이언스 커리어 로드맵 강의입니다. 시간 낭비나 헛수고 없이 커리어 준비 시간과 과정을 최적화할 수 있습니다.

이 강의를 통해 수강생은 빅데이터 공모전 및 자소서 등 실제 자료를 확인하고 공부와 취업 준비 방향을 잡을 수 있을 것으로 예상합니다.

• 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.

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.

다양한 실무 현장에 텍스트 분석을 적용하고 싶지만, 낯선 코딩 장벽 때문에 막막하셨나요? 실제 논문과 연구 보고서에서 자주 활용되는 최신 토픽 분석 방법(LDA, BERTopic, BERTrend)을 중심으로, 핵심 이론을 간결하게 정리하고 프로그래밍 없이 NetMiner 5를 이용해서 실제 데이터를 통해 실전 분석 역량을 키울 수 있는 강의입니다.

AI 감사, 어디서부터 이해해야 할지 막막하셨나요? AI는 이제 단순한 기술 트렌드를 넘어 기업의 의사결정, 업무 자동화, 고객 응대, 채용, 보안, 리스크 관리 영역까지 빠르게 확산되고 있습니다. 하지만 AI를 도입하는 속도에 비해, “AI가 제대로 통제되고 있는가?”, “AI의 판단을 신뢰할 수 있는가?”, “데이터와 모델, 운영 과정에서 어떤 리스크가 발생할 수 있는가?”를 체계적으로 이해하는 사람은 아직 많지 않습니다. 특히 IT 감사, 보안, 내부통제, 프로젝트 관리 업무를 하시는 분들은 이런 고민을 하게 됩니다. AI 감사는 기존 IT 감사와 무엇이 다를까? AI 모델은 코드만 보면 되는 걸까, 데이터와 학습 과정까지 봐야 할까? AI 거버넌스, 리스크, 편향, 설명 가능성, MLOps, 인시던트 대응은 각각 어떻게 연결될까? AAIA와 같은 AI 감사 관련 자격 과정에서 다루는 개념을 실무 관점으로 이해하려면 어디서부터 시작해야 할까? 이 강의는 바로 이런 막막함을 해결하기 위해 만들었습니다. 저는 약 20년 동안 IT 서비스 기획, 개발, PM, 협업 플랫폼 운영, 그룹웨어 구축, 챗봇 서비스 기획, 보안 및 감사 관련 업무를 경험해 왔습니다. 실제 조직에서 시스템이 어떻게 기획되고 개발되고 운영되는지, 그리고 장애·변경·보안·사용자 요구사항이 어떻게 연결되는지를 실무 현장에서 직접 경험했습니다. 또한 CISA와 AAIA 학습 과정을 통해 IT 감사와 AI 감사의 관점을 함께 정리해 왔습니다. 이 강의에서는 복잡한 AI 기술을 수학이나 개발 중심으로 깊게 파고들기보다, 감사자와 IT 실무자가 반드시 이해해야 하는 핵심 개념을 중심으로 설명합니다. AI 시스템을 데이터, 모델, 운영, 보안, 거버넌스, 리스크, 감사 절차의 흐름으로 나누어 살펴보고, 각 단계에서 어떤 통제와 확인 포인트가 필요한지 정리합니다. 수강생은 이 강의를 통해 AI 감사가 단순히 “AI를 평가하는 일”이 아니라, AI가 조직 안에서 안전하고 책임 있게 사용되도록 거버넌스와 리스크, 통제 체계를 점검하는 일이라는 점을 이해하게 됩니다. 이 강의는 AI 감사가 처음인 분, IT 감사나 보안 업무를 하면서 AI 영역으로 확장하고 싶은 분, AI 거버넌스와 리스크를 실무 관점에서 정리하고 싶은 분, AAIA 등 AI 감사 관련 학습을 시작하기 전 전체 개념을 잡고 싶은 분에게 적합합니다. 강의를 마치면 다음과 같은 질문에 스스로 답할 수 있게 됩니다. AI 시스템은 어떤 구성요소로 이루어져 있는가? AI 감사자는 데이터, 모델, 운영 단계에서 무엇을 확인해야 하는가? AI 거버넌스와 책임 있는 AI는 왜 중요한가? AI 리스크, 편향, 설명 가능성, 프라이버시, 보안은 어떻게 연결되는가? AI 감사 보고서에는 어떤 관점과 근거가 담겨야 하는가? 빠르게 변하는 AI 시대에는 기술을 잘 사용하는 것만큼이나, 기술을 신뢰할 수 있게 관리하고 점검하는 역량이 중요합니다. 이 강의는 AI 감사의 전체 그림을 처음부터 차근차근 이해하고 싶은 분들을 위한 입문 과정입니다. IT와 AI를 감사 관점으로 바라보는 첫 번째 기준을 함께 만들어 보겠습니다.

: "환경 구축부터 실무 비즈니스 프로젝트까지, 통계학으로 이커머스 매출의 답을 찾는 데이터 사이언스 여정 (총 38강)" 단순히 분석 도구의 사용법을 익히는 수준을 넘어, 실제 이커머스 현업에서 발생하는 로그 데이터를 통계적 프로세스로 요리하는 법을 배웁니다. 개발 환경 구축부터 기술 통계, 확률 분포, 가설 검정의 핵심 이론을 탄탄히 다진 후, 실제 유저 앱 체류 시간 및 구매 전환율 비교 분석, 그리고 다중 선형 회귀 분석을 통한 성과 기여도 계량화까지! 데이터 사이언티스트의 핵심인 '데이터 기반의 의사결정 및 분석 자동화 역량'을 실무 프로젝트를 통해 체계적으로 정복합니다.

그래프는 그릴 수 있지만 데이터를 설명할 수 없었다면 이 강의는 데이터를 "읽고 설명하는 능력"을 만드는 과정입니다. PART3에서는 탐색적 데이터 분석(EDA)을 실제 사례 중심으로 수행합니다. ✔ 데이터 분포 확인 ✔ 변수 간 관계 분석 ✔ 이상치 탐색 및 시각화 해석 Titanic 과 Iris 데이터셋으로 분석 구조를 익히고 TMDB 5000 영화 데이터를 활용한 프로젝트를 통해 데이터 정리 → 분석 주제 설정 → 시각화 해석까지 전체 분석 과정을 직접 경험하게 됩니다. 이 강의를 마치면 데이터를 읽고 설명할 수 있는 분석 역량을 갖추게 됩니다

본 과정은 임상시험(Clinical Trial) 데이터를 기반으로 피험자 특성 분석, 이상반응(AE) 분석, 치료 효과 비교 및 통계 기반 시각화를 수행하는 실전 분석 과정입니다. 단순 시각화가 아닌, 임상 데이터 구조를 이해하고 시험군–대조군 비교, 안전성·유효성 지표 분석을 Spotfire를 활용하여 구현하는 방법을 학습합니다.

ADsP 자격증 All-In-One 강의! 초단기 완성! 참고 서적: "모두의 ADsP 치트시트" https://wikidocs.net/book/18829