학습대상
대학생, 직장인 등 인공지능 관련 (준)전공자 등
학습목표
데이터 분석과 AI 모델링의 성패를 좌우하는 데이터 전처리와 시각화 기법을 체계적으로 학습하여, 원시 데이터를 정제, 변환, 최적화하고 시각적으로 효과적으로 표현하는 능력을 배양하는 것을 목표로 한다.
이를 통해 결측치 처리, 이상치 탐지, 데이터 변환, 차원 축소, 특성 선택, 텍스트 데이터 전처리 등의 전처리 기법과 matplotlib, seaborn, folium 등을 활용한 데이터 시각화를 실습하며, 데이터를 단순한 숫자가 아닌 의미 있는 인사이트로 전환하고 전달하는 실무 역량을 기른다.
학습내용
- 01 차시데이터 시각화 및 전처리 개요
- 02 차시matplotlib #1. 라이브러리 소개 및 기본 실습
- 03 차시matplotlib #2. 설정 변경 및 pandas 시각화
- 04 차시seaborn #1. 범주형 데이터 시각화 실습
- 05 차시seaborn #2. 관계형 데이터 시각화와 히트맵 실습
- 06 차시plotly #1. 소개 및 기초 실습(막대 그래프)
- 07 차시plotly #2. 기초 실습(선 그래프, 파이차트, 산점도) 및 시각화 라이브러리 비교
- 08 차시folium #1. 지도 시각화 라이브러리 소개 및 folium 기초 실습
- 09 차시folium #2. 플러그인 기능(MarkerCluster, choropleth 등)을 활용한 심화 실습(feat. 서울시 따릉이 대여소 시각화)
- 10 차시실전 실습 #3. 서울시 유동인구 데이터 탐색 및 전처리
- 11 차시실전 실습 #3. 서울시 유동인구 데이터 분석 및 시각화
- 12 차시데이터 전처리 #1. 개요 및 수치형 데이터 처리(결측치, 구간화, 정규화)
- 13 차시데이터 전처리 #2. 범주형 데이터 전처리(레이블 인코딩, 원핫 인코딩)
- 14 차시실전 실습 #4. 타이타닉 데이티 전처리
- 15 차시고급 데이터 전처리 #1. 이상치 탐지 및 처리(IQR, Z-Score)
- 16 차시고급 데이터 전처리 #2. 불균형 데이터 처리 (SMOTE)
- 17 차시특성 공학 #1. 특성 공학의 개념 및 특성 선택 실습
- 18 차시특성 공학 #2. 차원 축소의 이해와 MNIST 실습
- 19 차시텍스트 데이터 전처리 개요 및 과정 실습 (토큰화, 불용어 제거, TF-IDF)
- 20 차시실전 실습 #5. 네이버 영화 리뷰 분석