인프런 - 라이프타임 커리어 플랫폼

데이터 파이프라인을 효율적으로 만들고 관리하기 위한 Orchestration 도구인 Airflow에 대해 배우는 강의입니다. 초보자도 차근차근 배울 수 있는 Airflow 마스터 클래스, 환영합니다!

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.

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.

소프트웨어 데이터 파이프라인을 만들 때 가장 많이 사용하는 Orchestrator(오케스트레이터)인 Apache Airflow(아파치 에어플로우)를 배우실 수 있습니다.

40여 종의 경제 지표와 주가 데이터를 AI로 분석하여, S&P 500, QQQ ETF뿐만 아니라 개별 종목까지 예측하는 강력한 주가 분석 모델을 직접 만들어보세요!

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.

: "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.

Apache Superset은 여러 데이터베이스를 연결해서 차트·대시보드를 뚝딱 만들 수 있는 오픈소스 BI 툴입니다. 코드 몰라도 시각화 가능하고, SQL Lab에서는 직접 쿼리도 날릴 수 있어 초보부터 프로까지 모두 유용합니다. 만든 대시보드는 바로 공유하고 권한 설정까지 할 수 있어 협업에도 완벽합니다. Superset을 배우면 데이터 기반 의사결정을 빠르게 만들고, 회사에서 바로 써먹는 실전 대시보드를 만드는 역량을 갖출 수 있습니다. 한마디로, 데이터를 “말하게” 만들고 싶은 사람에게 딱입니다. 🚀

"트렌드를 쫓는 것도 중요하지만, 흔들리지 않는 기본기가 진짜 실력을 만든다" 이 강의는 데이터 사이언스의 흐름을 이해하고, 가장 실용적인 기술부터 제대로 익히는 초급 과정입니다.

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!

SQL의 한계를 넘어 유연한 데이터 처리가 필요한 시대, MongoDB의 모든 것을 배웁니다. NoSQL 개념부터 설치, CRUD 실습, 집계 파이프라인, 텍스트 검색과 인덱싱까지 단계별로 학습하며, Python 크롤링 연동과 컨테이너 환경 구축을 통해 실무 활용 역량을 완성합니다.

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

데이터를 기반으로 문제를 정의하고, 그 판단 근거와 의사결정 과정을 명확하게 설명하는 능력을 기르게 된다. 또한 단일 모델의 성능에만 집중하는 것이 아니라, 머신러닝 워크플로 전체의 완성도와 신뢰성을 평가하는 파이프라인 관점의 사고를 갖추게 된다. 아울러 오류가 발생했을 때 그 원인을 역추적하고 개선 방향을 도출하는 문제 해결 능력을 강화하며, 엔드투엔드 프로젝트 수행 경험을 통해 현업에 즉시 적용 가능한 실무형 ML 파이프라인 역량을 습득하게 된다.

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.

"환경 구축부터 실무 비즈니스 프로젝트까지, 데이터로 매출의 답을 찾는 데이터 사이언스 여정 (총 39강)"단순히 라이브러리 사용법을 익히는 수준을 넘어, 실제 이커머스 현업에서 다루는 데이터를 데이터 사이언스 프로세스로 요리하는 법을 배웁니다. 개발 환경 구축과 Numpy/Pandas 기초부터 시작하여 데이터 전처리, 통계 분석, 시각화, 그리고 비즈니스 시나리오 기반의 RFM 세그먼테이션과 가설 검증까지! 데이터 사이언티스트의 핵심 역량을 실무 프로젝트를 통해 체계적으로 정복합니다.

이 강의에서는 추천 시스템의 핵심 알고리즘부터 실전 구현까지 다룹니다. - 컨텐츠 기반 필터링 - 협업 필터링, 딥러닝 기반 추천 모델 구현 - Two-step recommender systems 구현 - PyTorch/RecBole 활용한 실습 - 현업 노하우와 추천 결과 시각화까지

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