• 1) 과정 소개
  2) 데이터의 정의 및 유형
  3) 암묵지와 형식지
  4) 암묵디와 형식지의 상호작용

09:00 ~ 10:00

• 1) 데이터 및 정보의 관계(DIKW)
  2) 데이터베이스의 정의, 특징
  3) 데이터베이스 관련 용어
  4) DBMS(DataBase Management System)

10:00 ~ 11:00

• 5) 데이터베이스 설계, NoSQL
  6) 기업 내부 데이터베이스 솔루션

11:00 ~ 12:00

• 1) 빅데이터 정의, 빅데이터 4V
  2) 빅데이터 출현 배경, IoT
  3) 빅데이터의 가치 산정, 본질적 변화
  4) 빅데이터의 영향, 빅데이터의 활용 기법

13:00 ~ 14:00

• 5) 빅데이터 위기요인과 통제방안
  6) 빅데이터 활용사례, 빅데이터 분석
  7) 데이터 사이언티스트의 역량
  8) 인문학 열풍, 의사결정 오류

14:00 ~ 15:00

• 1) 분석 기획이란? 분석 주제 유형 4가지
  2) 분석 기획 방안, 데이터 유형, 저장방식
  3) 분석방법론 개요 / 모델

15:00 ~ 16:00

• 1) 전통적인 분석 방법론 - KDD, CRISP-DM
  2) 빅데이터 분석 방법론-분석 기획 단계의 Task

16:00 ~ 17:00

• 1) 분석 과제 도출 방법
  2) 분석 프로젝트 관리 영역
  3) 분석 과제 도출 및 과제 우선순위 평가

17:00 ~ 18:00

• 1) 분석 거버넌스 체계 수립, 분석 준비도, 분석 성숙도 모델
  2) 분석수준진단, 데이터 거버넌스 체계수립, 조직 구조
  3) 빅데이터 거버넌스의 특징과 관련 용어

09:00 ~ 10:00

• 1) R의 데이터 형(type)
  2) boxplot, summary, 이상치, 결측치

10:00 ~ 11:00

• 1) 통계량, 표본추출, 척도의 종류
  2) 집중화 경향, 퍼짐 정도, 변동 계수

11:00 ~ 12:00

• 3) 확률 기본 용어, 사건, 조건부 확률
  4) 이산형 확률 분포, 기댓값

13:00 ~ 14:00

• 5) 정규분포
  6) 균등분포, F분포

14:00 ~ 15:00

• 1) 추론의 분류, 표준오차, 표본오차
  2) 추정량, 점추정, 구간 추정

15:00 ~ 16:00

• 3) 가설검정

16:00 ~ 17:00

• 4) 모수적, 비모수적 추론

17:00 ~ 18:00

• 1) 선형회귀

09:00 ~ 10:00

• 2) 다중공선성, 설명 변수 선택 방법

10:00 ~ 11:00

• 3) 과적합, Reguralization, Scaling

11:00 ~ 12:00

• 4) 상관분석
  5) 주성분 분석

13:00 ~ 14:00

• 6) 시계열 예측

14:00 ~ 15:00

• 1) 주성분 분석, t-test
  2) 다중 선형 회귀, 변수 선택

15:00 ~ 16:00

• 3) 로지스틱 회귀, 상관 계수,
  4) 카이제곱 검정, 회귀모형의 anova

16:00 ~ 17:00

• 1) 데이터 마이닝 개요
  2) 데이터 분석 순서, ML 알고리즘 분류

17:00 ~ 18:00

• 1) 로지스틱 회귀분석
  2) 의사결정나무 모형

09:00 ~ 10:00

• 3) 앙상블 모형
  4) KNN, SVM

10:00 ~ 11:00

• 5) 인공신경망 모형

11:00 ~ 12:00

• 6) 모형평가 (holdout, cross validataion, bootstrap)
  7) 오분류표를 활용한 평가 지표
  8) ROC 커브, Lift Table, Lift Chart

13:00 ~ 14:00

• 1) 군집분석 - 계층적 군집
  2) 군집분석 - 비계층적 군집

14:00 ~ 15:00

• 3) 군집분석 - SOM(Self Organizing Maps)
  4) 연관분석

15:00 ~ 16:00

• 5) 계층, 비계층군집
  6) 의사결정나무, 불순도 측정

16:00 ~ 17:00