[2주차] 패스트캠퍼스 BDA 부트캠프 10기 학습일지

08.28 월요일 : 친근한 엑셀로 실무 엑셀 데이터 분석 및 기초 수학/통계 시작하기 (이동훈 강사님)

---

[Excel] 함수, COUNT, COUNTA , COUNTBLANK, COUNTIF, COUNTIFS, IF, VLOOKUP, MATCH, SUMIF, SUMIFS, SUMPRODUCT, IFERROR

[Excel] FIND 함수, SEARCH 함수, LEFT/RIGHT/MID 함수, 텍스트 나누기, 중복 제거하기, FILTER, 데이터 유효성

[Excel] 통계학-기술통계학/추론통계학, 가설 검정(귀무가설, 대립가설), p-value, t-test, F-검정, 회귀

 

 

08.29 화요일 : 깊이 있는 데이터 분석을 위한 기초 수학/통계

---

 

[Excel] 통계학, 데이터 분석의 단계, EDA

[Excel] 데이터 탐색 사례, 기술/추론 통계, 데이터 탐색 과정의 목적, 산점도 그리기(상관분석), Box

[Excel] 변량, 계급, 도수, 상대 도수, 도수분포표, 히스토그램, 평균, 분산, 표준편차, 정규분포, 표

[Excel] 확률 변수, 확률 분포, 자료의 종류(범주형/양적/명목형/순서형/이산형/연속형), 확률분포

 

08.30 수요일 : 깊이 있는 데이터 분석을 위한 기초 수학/통계

---

 

[Excel] 대표값, 기초통계량-중심경향성/퍼짐정도, 왜도, 첨도

 

08.31 목요일 : 친근한 엑셀로 실무 엑셀 데이터 분석 및 기초 수학/통계 시작하기 (이동훈 강사님)

---

1. 머신러닝

• 경험과 학습을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구이며 인공지능의 한 분야
• 컴퓨터가 어떤 작업(T, task)을 하는데 있어서 경험(E, experience)으로부터 학습하여 성능(P, performance)을 향상시키는 학문

출처 : 패스트캠퍼스 디지털분석 부트캠프

1) 지도 학습(Supervised Learning)

• 정답(Y, 종속변수)이 있는 데이터를 활용해 데이터를 학습하고, 학습한 모델이 얼마나 정답을 정확하게 맞추는지 평가하는 학습
• 가장 많이 사용.,과적합 주의해야 함
• 분류(Classification) 문제 해결 가능
  • 주어진 입력 값을 2개 혹은 여러 개의 결과값(구간)으로 분류하는 지도 학습
  • 회귀 문제보다 압도적으로 정확도가 높음 (구간만 맞추면 되므로)
  • ex. 스팸 메일 여부 판단, 대출 상환 여부 판단. 구매 고객군 분류
• 회귀(Regression) 문제 해결 가능
  • 연속형 수치의 입력 값을 활용해 특정 수치(한 지점)를 예측하는 지도 학습
  • ex. 다음 해 매출액 예측, 기온 예측, 주가 예측

 

2) 비지도 학습(Unsupervised Learning)

• 정답(Y)이 없는 데이터를 활용해 데이터를 학습
• 데이터가 어떻게 구성되어 있는지, 혹은 어떻게 분류될 수 있는지에 대한 문제 해결
• 군집화-비슷한 특성 가진 것들끼리 모음

 

 

3) 강화 학습(Reinforcement Learning)

• 에이전트(학습 시스템)가 취한 행동에 대해 보상 또는 벌점을 주어 가장 큰 보상을 받는 방향으로 유도하는 방법
• 가장 큰 보상을 얻기 위해 에이전트가 해야 할 행동을 선택하는 방법을 정의하게 되는데 이를 '정책'이라고 함
• 로봇공학에서 많이 사용. 인간의 학습 방식과 유사

 

[Excel] 시계열 데이터, 지수 평활법, FORECAST.ETS

[Excel] 데이터 시각화, 차트 디자인, 콤보형 차트, 거품형 차트, 폭포형 차트, 조건부 서식, 대쉬보

 

09.01 금요일 : 데이터 분석을 위한 핵심 Tool Python (김상모 강사님)

---

 

• 진법 : 진법이란 0부터 n개의 숫자를 사용해서 수를 표현하는 방법
• 2진법 : 0과 1 두 개의 숫자를 사용해서 수를 표현하는 것
• 10진법 : 0~9까지의 10개의 수를 사용해서 표현하는 것
• 16진법 : 0~9 10개의 수와 A~F까지의 6개의 문자로 표현하는 것

 

• 컴퓨터 프로그램 : 컴퓨터가 수행할 명령어를 적어놓은 문서 (작업지시서)
• 프로그램 : 어떤 문제를 해결하기 위해 컴퓨터가 실행해야 하는 명령어의 집합체 (명령어의 시퀀스)
• 프로그램을 짜는 목적 : '남', 즉 사용자를 위해 작성

 

• 프로그래밍 : 컴퓨터 프로그램을 만들 때 필요한 모든 행위를 포함하는 개념
• 코딩 : 소스 코드를 작성하는 행위
• 소스 코드 : 프로그래밍 언어로 작성된 텍스트 파일

 

• C언어는 컴파일러라 한꺼번에 실행
• 파이썬은 인터프리터라 한 줄씩 실행

 

• 데이터 분석가에게 파이썬이란?
  • 파이썬이 데이터 분석가에게 필수는 아니지만 매우 유용
  • 파이썬은 다양한 데이터 분석 라이브러리와 패키지를 제공
  • 웹 크롤링, 데이터 시각화, 머신러닝, 딥러닝 등의 분야에 파이썬을 적용할 수 있음
  • 파이썬 활용은 데이터 분석가의 역량과 효율성을 향상시킴
  • 파이썬은 데이터 분석에 가장 인기 있는 언어 중 하나
  • 실무 데이터 분석가들 중 많은 사람들이 파이썬을 데이터 분석의 필수 툴로 꼽고 있음