통계교육강좌

  • WBOOK코너
    • 빅데이터 분석 CD & 교재
    • 다쓰통 소개 및 쿠폰등록
    • 다쓰통 기본통계분석
    • 다쓰통 고급회귀분석
    • 다쓰통 구조방정식 분석
  • 오프라인강좌
    • 과정소개
    • 연간교육일정
    • 고용보험환급과정
    • 강좌후기
    • 오프라인강좌다시보기
    • 안내사항
  • 사회조사분석사 강좌
    • 사회통계(2급1차대비)
    • 조사방법(2급1차대비)
    • SPSS작업형(2급2차대비)
    • 고급통계(1급1차대비)
    • 조사기획과설문작성(1급2차대비)
    • SPSS고급작업형(1급2차대비)
  • 온라인통계강좌
    • 기초통계이론
    • 조사방법론
    • 실전조사실무
    • SPSS 데이터 다루기
    • SPSS 기본과정
    • SPSS 고급회귀분석
    • SPSS 다변량분석
    • SPSS 비모수통계분석
    • SPSS 생존분석
    • SPSS 시계열분석
    • AMOS 기본과정
    • AMOS 고급과정
    • 신경망분석
    • 의사결정나무분석
    • AHP분석
    • PLS분석
    • SAS데이터다루기
    • SAS기본과정
  • 온라인마케팅조사강좌
    • 시장조사분석기본
    • 핵심 마케팅전략
    • 마케팅조사설계(SPSS)
    • 마케팅조사분석(SPSS)
    • 신상품개발분석
    • U&A및시장세분화분석
    • 고객만족도분석
    • 브랜드이미지기본
    • 광고효과조사(SPSS)
    • 미스테리쇼퍼조사(SPSS)
    • 민원행정서비스만족도조사(SPSS)
    • 전화친절도조사(SPSS)
  • 통계분석종합사례분석
    • 인식 및 실태 사례연구
    • 영향관계 기본연구
    • 사전사후분석 기본연구
    • 사전사후분석 응용연구
    • 이원배치분산분석 연구
    • 반복측정분산분석 연구
    • 요인분석 활용 군집화 분석연구
    • 군집분석 활용 시장세분화연구
    • 지각도 분석연구1
    • 지각도 분석연구2
    • 선형회귀분석을 통한 회귀추정식연구
    • 선형 및 로지스틱회귀분석의 응용연구
    • 조절회귀분석연구
    • 구조방정식모델 기본사례연구1
    • 구조방정식모델 기본사례연구2
    • 구조방정식모델 조절효과연구
    • 구조방정식모델 매개효과연구
    • 구조방정식모델 요인구조연구
    • Excel활용 AHP분석연구
  • 강의Q&A
  • 자료실
  • 사이버연수원구축
  • 대관안내
  • 강사모집


  통계교육강좌 > Wbook코너 > 빅데이터분석 CD&BOOK

빅데이터분석 CD 교재 발간! 머신러닝 딥러닝 완전정복

소장용 CD로 지속적인 반복 학습, 대학/기관의 교육 활용! 와이즈인컴퍼니의 “빅데이터&딥러닝 수행 분석프로젝트”에
기반한 살아 있는 강의! 복잡한 수식이 아니라 원리를 통찰하는 개념설명! 과목별 강의교재 제공!
책이미지

신청마감

데이터분석과 시각화

분류 R Python
Part1.
분석도구 다루기
1. R이란 무엇인가
2. R 설치하기
3. 데이터관리(1)
4. 데이터관리(2)
5. 데이터파일 불러오기
1. Python 소개
2. Python 설치하기
3. Python 기초
4. Numpy 분석함수
5. Pandas함수와 데이터다루기
Par2.
데이터탐색과
통계적 검정
6. 분석 데이터 살펴보기
7. 데이터 탐색과 빈도분석
8. 데이터 탐색과 기술통계분석
9. 통계학과 추정
10.가설검정
11.교차분석의 개념과 원리
12.교차분석의 실습과 시각화
6. 분석 데이터 살펴보기
7. 데이터 탐색과 빈도분석
8. 데이터 탐색과 기술통계분석
9. 통계학과 추정
10.가설검정
11.교차분석의 개념과 원리
12.교차분석의 실습과 시각화
Part3.
통계적 분석방법
13. 독립표본 t-test분석의 개념과 원리
14. 독립표본 t-test분석의 실습과 시각화
15. 대응표본 t-test분석의 개념과 원리
16. 대응표본 t-test분석의 실습과 시각화
17. 분산분석의 개념과 원리
18. 분산분석의 실습과 시각화
19. 상관관계분석의 개념과 원리
20. 상관관계분석의 실습과 시각화
21. 선형회귀분석의 개념과 원리
22. 선형회귀분석의 실습과 시각화
23. 더미회귀분석의 개념과 원리
24. 더미회귀분석의 실습과 시각화
25. 로지스틱회귀분석의 개념과 원리
26. 로지스틱회귀분석의 실습과 시각화
13. 독립표본 t-test분석의 개념과 원리
14. 독립표본 t-test분석의 실습과 시각화
15. 대응표본 t-test분석의 개념과 원리
16. 대응표본 t-test분석의 실습과 시각화
17. 분산분석의 개념과 원리
18. 분산분석의 실습과 시각화
19. 상관관계분석의 개념과 원리
20. 상관관계분석의 실습과 시각화
21. 선형회귀분석의 개념과 원리
22. 선형회귀분석의 실습과 시각화
23. 더미회귀분석의 개념과 원리
24. 더미회귀분석의 실습과 시각화
25. 로지스틱회귀분석의 개념과 원리
26. 로지스틱회귀분석의 실습과 시각화

텍스트 마이닝

분류 R Python
Par1.
Text Mining의 이해
1. R 이란 무엇인가
2. R 설치하기
3. 데이터 관리(1)
4. 데이터 관리(2)
5. 데이터파일 불러오기
1. Python 소개
2. Python 설치하기
3. Python 기초
4. Numpy 분석 함수
5. Pandas와 데이터 다루기
Par2.
Text Mining 기본
6. Text Mining의 개념과 활용
7. Text Mining 프로세스와 자료의 확보
8. 분석패키지 설치와 자료 불러오기
9. Text 자료의 전처리
10. 단어 빈도분석과 Word Clouding
11. 단어 연관분석과 Word Network
12. 단어의 정제와 집단별 분석
6. Text Mining의 개념과 활용
7. Text Mining 프로세스와 자료의 확보
8. 분석패키지 설치와 자료 불러오기
9. Text 자료의 전처리
10. 단어 빈도분석과 Word Cloud
11. 단어 및 불용어 2차 정제
12. 단어 연관분석과 Word Network
Par3.
Sentiment Analysis
13. Sentiment Analysis 개념 및 활용
14. Sentiment Analysis 실습
13. Sentiment Analysis 개념 및 활용
14. Sentiment Analysis 실습
Part4.
Text Clustering
15. Text Clustering 개념 및 활용
16. Word Clustering 실습
17. Document Clustering 실습
15. Text Clustering 개념 및 활용
16. Word Clustering 실습
17. Document Clustering 실습
Part5. LDA 18. LDA와 Topic Modeling 개념 및 활용
19. LDA 분석과 결과의 해석
20. LDA 결과의 시각화
18. LDA와 Topic Modeling 개념 및 활용
19. LDA 분석과 결과의 해석
20. LDA 결과의 시각화
Part6.
word2vec과
doc2vec
21. word2vec의 개념 및 원리
22. word2vec Modeling 실습
21. word2vec의 개념 및 원리
22. word2vec Modeling 실습
23. doc2vec Modeling 실습
Part7.
한글 문서의
Text Mining
23. 한글문서의 전처리
24. 한글문서 Word Clouding
25. 한글문서 단어의 정제와 집단별 분석
26. 한글 단어연관
27. 한글 Word Network
28. 한글 Sentiment Analysis
29. 한글 Word Clustering과 Document Clustering
30. 한글 LDA와 Topic Modeling
31. 한글 word2vec
24. 한글문서의 전처리
25. 한글 빈도분석과 Word Cloud
26. 한글 단어연관과 Word Network
27. 한글 Sentiment Analysis
28. 한글 Word Clustering
29. 한글 Document Clustering
30. 한글 LDA와 Topic Modeling
31. 한글 word2vec
32. 한글 doc2vec

머신러닝

분류 강좌명
Part1. 머신러닝을 위한 워밍업 1. 머신러닝의 역사와 개념
2. 머신러닝의 유형과 활용
3. 머신러닝 프로세스 및 핵심 체크사항
4. 머신러닝을 위한 분석도구
5. 데이터 탐색하기
6. 데이터 전처리와 스케일링 조정
Part2.
분류(classification) 기법
7. k-최근접 이웃(KNN) 개념과 활용
8. k-최근접 이웃(KNN) 분석실습
9. 나이브 베이즈 분류기 개념과 활용
10. 나이브 베이즈 분류기 분석실습
11. 서포트 벡터 머신(SVM) 개념과 활용
12. 서포트 벡터 머신(SVM) 분석실습
13. 의사결정나무와 랜덤 포레스트 개념과 활용
14. 의사결정나무 분석실습
15. 랜덤 포레스트 분석실습
16. 선형 회귀의 개념과 활용
17. 선형 회귀 분석실습
18. 로지스틱 회귀 개념과 활용
19. 로지스틱 회귀 분석실습
20. 신경망분석의 개념과 활용
21. 신경망 분석실습
Part3. 군집(clustering) 기법 22. DBSCAN 개념과 활용
23. DBSCAN 분석실습
24. k-평균 군집분석과 계층 군집 분석의 개념과 활용
25. k-평균 군집분석 분석실습
26. 계층 군집 분석 분석실습
Part4. 연관 규칙(Association rule)과 협업필터링 27. 연관분석의 개념
28. 연관분석 실습
29. 협업필터링의 개념과 활용
30. 협업필터링 분석실습
Part5. 시각화와 차원 축소 31. 주성분 분석(PCA) 개념과 활용
32. 주성분 분석(PCA) 실습
33. 커널 PCA 개념과 활용
34. 커널 PCA 분석실습
35. 지역적 선형 임베딩 개념과 활용
36. 지역적 선형 임베딩 분석실습
37. t-SNE 임베딩 개념과 활용
38. t-SNE 임베딩 분석실습
Part6. 모델평가 39. 모델 성능평가
40. 전체 강의 정리

딥러닝

분류 강좌명
Part1. 딥러닝을 위한 워밍업 1. 딥러닝의 개념과 활용
2. 딥러닝의 역사와 XOR 문제
3. 딥러닝 모델과 활용: CNN, RNN, DQN
4. 딥러닝을 위한 분석도구
5. 딥러닝 코드 사례분석1
6. 딥러닝 코드 사례분석2
Part2. 딥러닝을 위한 사전지식 7. 선형회귀분석과 Cost function
8. 미분과 경사하강법
9. 딥러닝으로 선형회귀 분석해보기
10. 로지스틱회귀와 Sigmoid function
11. 딥러닝으로 로지스틱회귀 분석해보기
12. 퍼셉트론의 개념과 한계
13. 다층 퍼셉트론
14. XOR 문제 분석실습
15. 오차 역전파의 개념
16. 오차 역전파 분석실습
Part3.
딥러닝: DNN, CNN, RNN
17. ANN(인공신경망)의 개념
18. ANN 분석실습
19. DNN(심층신경망)의 개념
20. 활성화함수의 유형과 적용
21. 고급 경사하강법
22. DNN 분석실습
23. DNN 병렬화
24. 딥러닝 프로젝트1: 딥러닝으로 부동산 예측하기
25. 딥러닝 프로젝트2: 딥러닝으로 환자 유병 예측하기
26. CNN(합성곱 신경망)의 개념과 구조
27. 데이터 전처리와 맥스풀링
28. 이미지 자료의 CNN 분석실습
29. 딥러닝 프로젝트3: CNN으로 이미지 분류 예측하기
30. RNN(순환 신경망)의 개념과 구조
31. 문서자료의 RNN 분석실습
32. 심층 RNN(LSTM)의 개념과 구조
33. 딥러닝 프로젝트4: RNN으로 뉴스카테고리 분류하기
34. 딥러닝 프로젝트5: CNN+RNN으로 영화리뷰 분류하기
Part4. 강화학습과 시각화 35. 강화 학습의 개념
36. 마르코프 결정과정의 이해
37. 시간차 학습과 Q-러닝
38. 딥러닝 프로젝트6: DQN으로 게임 학습하기
39. 텐서보드의 활용
40. 전체 강의 정리

quick

온라인강좌샘플

2015하계통계특강

온라인강좌결제

분석/조사의뢰

서식/파일자료실

스마트폰수강안내

사이버연수원구축

사이버연수원구축