R을 활용한 머신러닝 CAMP

본 강의는 모집이 마감되었습니다.
다음 기수 출시알림을 신청해주시면, 특별 할인혜택과 함께 가장 먼저 소식을 알려드리겠습니다

출시알림 신청하기

이 수업을 듣기전 당신의 고민.

분석·예측·가설 실무가 고민인가요?
이제 머신러닝으로 해결하세요!

고객 세분화

프로모션, 이벤트, 캠페인을 기획해야 하는데, 고객 세분화는 어떻게 해야 하는지 고민이에요.

가설 수립

감에 의존한 가설과 검증은 NO! 데이터를 기반으로 앞으로 있을 이벤트를 예측하고 싶어요!

퇴사 확률 예측

HR데이터를 활용해 직원의 퇴사 확률을 예측할 수 없을까요?

고객 맞춤형 뉴스피드

데이터를 활용해 개인화된 뉴스피드를 구성하고 싶어요!

4주 후, 당신의 실무에도
머신러닝을 도입할 수 있습니다.

수업 실습결과물 예시.

실제 방송 데이터를 활용한
수강생의 실습 결과물을 직접 확인해보세요!

실무에 쓸 수 있는 맞춤형 강의자료로 배우니까

4주 후, 어려운 회귀모형·의사결정나무모형도
데이터를 기반으로 보여주며 설명할 수 있는 능력이 생깁니다!

[나이·BMI·흡연여부에 따른 보험료 청구액 분석]

[흡연자·비흡연자에 따른 청구금액 설명 자료]

강의 특징.

단 4주만에 데이터 분석의 통찰력을 깨우치게 만들어 줄 최고의 강의.

머신러닝의 기초부터 실무까지 한 번에 정리하세요

머신러닝의 기초 개념부터 실무 활용 스킬까지 모두 얻어가실 수 있습니다. 이미 금융, 온라인 커머스, 에너지, 물류 등 다양한 분야에서 데이터를 활용하여 머신러닝을 비즈니스에 적용시키고 있습니다.머신러닝을 학습하는데 있어 어려움을 느끼는 수학, 통계는 필요한 부분만 압축적으로 전달드리며, 알고리즘의 이론적 이해를 바탕으로 한 실습을 중심으로 강의가 진행됩니다.

머신러닝 분야 최고의 강사님께 듣는 명쾌한 알고리즘 해석

단 3주면 데이터 머신러닝 알고리즘을 직관적으로 이해할 수 있도록 쉽게 설명하여 드립니다. 머신러닝 알고리즘을 배워도 특정 기법을 어떤 상황에서, 어떻게 적용해야 하는지에 대하여 막막하신 분들이 많습니다.데이터 분석 프로젝트, 강의경험이 많으신 해당 분야의 최고의 강사님께서 그동안의 노하우를 바탕으로 명쾌하게 설명하여 드립니다.

R을 활용한 분석과정 반복 실습과 현업 맞춤형 데이터

현업에서 사용하는 머신러닝 알고리즘을 매 시간 R을 통하여 구현하며 반복 실습을 진행합니다. 상품 판매 데이터, HR 데이터, 보험 청구 데이터 등 다양한 예제를 통한 실습을 진행하며, 수업시간에 진행되는 실습코드는 수강생 분들에게 모두 제공됩니다.

잠깐!

🖐🏻오직 오프라인 수강생에게만 제공되는 머신러닝 알고리즘과 데이터를 놓치지 마세요!

현업에서 바로 사용 가능한 코드를 제공합니다.
상품 판매 데이터, HR 데이터, 보험 청구 데이터 등 실습하며 사용한 현업 데이터가 내 것이 됩니다.

기수강생이 먼저 추천하는 최고의 머신러닝 강의.
이번 기회를 절대 놓치지 마세요!

출시 알림 신청하기

수강후기

자세한 수강후기를 직접 확인하세요.

15기 수강생 수강생 L님 – 대학 강사

강의에서 배운 내용을 직접 제 강의에 활용하고 있습니다. 특히 강의 때 실습 예제를 통해 설명해주실 때가 많았는데 수업 내용을 잘 이해했는지 확인하는 용도로 유용했고, 이 예제들은 지금 제가 강의할 때 자료로 활용하고 있습니다. 특히 이번 학기 R 실습 강의에 직접적으로 활용하고 있습니다. 실습 코드와 문제는 유용하게 활용하고 있습니다. 그 외 개인 연구에 곧 활용할 계획입니다. 수요예측을 위한 데이터 분석을 하고자 하는데 수업 때 배운 내용이 유용하게 쓰이리라 생각합니다

인터뷰 보기 >

8기 수강생 조현석님 – 한의과대학 교수

저와 마찬가지로 R을 컴퓨터에 설치하기는 했지만, 혹은 책을 구입하고 2개월 이상 공부는 했지만 통계를 R로 분석하기에는 아직 어렵다고 느끼시는 분들이 많이 있을 것이라 생각합니다. R이 독학 진입장벽이 너무 높더라고요. 그런 부분 때문에 고민하시는 분들은 고민하지 말고 수강하세요. R을 쉽게 조작할 수 있도록 강사님이 세팅해 놓았습니다. 고민을 많이 한 흔적이 보입니다. 그리고, 수강생 입장에서 미안한 마음이 들 정도로 적극적으로 도와줍니다.

인터뷰 보기 >

9기 수강생
정우진 님 - O 카드사 데이터 분석팀
전태일 님 - 대기업 S사 빅데이터 사업팀

머신러닝 이론에 대한 자세한 정리 및 이해가 된 후에 기술적인 부분과 노하우를 전달하는 방식이 좋았습니다. R의 문법이나 함수 설명과 같은 부분도 중요하지만, 컨텍스트에 대한 이해 없이는 사상누각이 될 수밖에 없겠죠. 특히 처음 머신러닝에 입문하는 분들의 무수히 많은 시행착오를 확실히 줄여줄 수 있는 강의입니다. 또한 관련 분석 경력이 어느 정도 있는 경우, 배운 내용을 바로 실무에 적용할 수 있는 좋은 강의라고 생각합니다.

인터뷰 보기 >

“ 20시간이라는 짧은 시간 동안 머신러닝에 대한 기초개념부터 실무활용 스킬 및 아이디어까지 정리할 수 있었던 알찬 수업이라고 생각합니다. ”

– 13기 수강생 J님 수강후기 중

수강대상

이미 금융, 온라인 커머스, 에너지, 물류 등 다양한 분야에서 데이터를 활용하여 머신러닝을 비즈니스에 적용시키고 있습니다.
빅데이터 분석 등에서 중요한 것은 데이터 저장/통계 뿐만 아니라 데이터 분석을 기반으로 예측 등과 같은 의미를 찾아내는 것이기 때문이죠.

수많은 데이터를 핸들링하고 분석하고 싶은데 방법을 모르셔서 답답하셨나요?
본 강의를 통해 데이터의 가공은 물론, 머신러닝의 활용도 높은 알고리즘을 배워 업무에 활용하세요!

사내 데이터에 머신러닝 알고리즘을 적용시켜 인사이트를 도출하고 싶은 실무자

데이터 분석을 통해 본인의 업무 역량을 향상시키고 싶은 실무자

머신러닝의 개념을 이해하고 정리하고 싶은 비전문가

강의 방식.

✅복잡하게 느껴질 수 있는 군집화 알고리즘 개념을 도식화하여 쉽게 배우고, 상품 판매 데이터를 활용한 상품 군집화 실습과 카드사 매출 데이터를 활용한
고객 군집화 실습을 통해 실무 적용 방법까지 확실하게 가져갑니다.

커리큘럼

Part 1. 머신러닝의 기본 개념과 R의 기본 활용
데이터 비즈니스를 둘러싼 다양한 용어들을 이해하고, 분석에 활용할 R의 기본적인 활용법을 살펴봅시다. 머신러닝의 기본 개념을 이해하고, 머신러닝 적용을 위한 R의 기본적인 활용법을 살펴봅시다.

1회차

💻실습
- R 프로그램 상에서의 다양한 형식의 데이터 로드
- data.table 패키지를 활용한 데이터 전처리

✍이론
- 머신러닝의 큰 구분, Supervised Learning과 Unsupervised Learning의 이해

Part 2. Unsupervised Learning의 이해와 활용

2회차

Algorithm 1. 연관 규칙(Association Rule)

구매 패턴을 분석해 맥주와 기저귀를 나란히 진열하는 장바구니 분석의 바탕이 되는 연관 규칙 알고리즘에 대해 살펴봅니다.

💻실습
- R 프로그램 상에서의 다양한 형식의 데이터 로드
- data.table 패키지를 활용한 데이터 전처리

✍이론
- 머신러닝의 큰 구분, Supervised Learning과 Unsupervised Learning의 이해

3회차

Algorithm 2. 계층적 군집화(Hierachical Clustering) 및 K-평균 군집화(K-means Clustering)

비슷한 관측치들을 묶어 그룹으로 나누고 각 그룹의 특성을 파악하는 군집화 알고리즘을 알아봅시다.

💻실습
- 상품 판매 데이터를 활용한 상품 군집화
- 카드사 매출 데이터를 활용한 고객 군집화

✍이론
- 계층적 군집화 및 K-평균 군집화의 개념과 알고리즘
- 주요 군집화 평가 지표의 계산

Part 3. Supervised Learning의 이해와 활용

4회차

Algorithm 3. 선형 회귀(Linear Regression)

기본적인 지도학습 방법론인 선형 회귀를 살펴봅시다.

💻실습
- 보험 청구 데이터를 활용한 청구 금액 예측
- 주택 조건에 따른 적정 주택 가격 계산

✍이론
- 선형회귀의 개념 및 알고리즘
- 변수 선택을 통한 효율화
- 주요 회귀 모형 평가 지표의 계산

5회차

Algorithm 4. 나이브 베이즈 분류기(Naïve Bayes Classifier) 및 로지스틱 회귀(Logistic Regression)

0과 1, 또는 Yes와 No로 구분되는 상황에서 확률을 계산해내는 분류 모형에 대해 살펴봅니다.

💻실습
- HR 데이터를 활용한 직원별 퇴사 확률 예측
- 개인 신상 및 신용 정보를 활용한 연체 확률 예측

✍이론
- 나이브 베이즈 분류기와 로지스틱 회귀의 개념 및 알고리즘
- 나이브 베이즈 분류기와 로지스틱 회귀 모형을 활용한 확률 예측
- 주요 분류 모형 평가 지표의 계산

6회차

Algorithm 5. 의사결정나무(Deicision Tree)

복잡한 상황을 직관적으로 시각화 할 수 있는 의사결정나무를 통해 인사이트를 얻어봅시다.

💻실습
- 최적 판별 조건 설정을 통한 보험료 청구금액 예측
- HR 데이터를 활용한 퇴사 요인 탐색

✍이론
-선형회귀와 의사결정나무의 비교
- 모수 cp 조정을 통한 의사결정나무 최적화

Part 4. 최신 Machine Learning 기법의 탐색과 활용

7회차

Algorithm 6. 앙상블 기법(Ensemble Method)

💻실습
- 앙상블 기법이 적용된 모형의 적합 및 모형 성능 비교
- h2o package를 활용한 모형 적합 및 활용

✍이론
- Bagging, Boosting 등 다양한 앙상블 기법의 개념 및 알고리즘
- Random Forest, GBM 등의 앙상블 기법을 의사결정나무의 적용

잠깐! 수강신청 전 확인하고 가세요!

본 강의는 선수지식이 필요한 강의입니다.

1. R studio 에서 패키지를 설치하고 불러올 수 있다.
2. 벡터(vector)와 데이터프레임(data.frame)의 차이를 알고 있다.
2. 엑셀파일을 R로 불러오고 저장할 수 있다.

* 본 강의는 R 사용자들을 위한 강의로 위 세 가지 중 2가지 이상 요건에 충족되어야 원활한 수강이 가능합니다.

강사소개

임경덕 강사님

고려대학교에서 탐색적데이터분석(EDA), 데이터시각화 등에 관심을 갖고 기계학습(Machine Learning) 기법을 연구했습니다. 관광빅데이터분석대회, SAS마이닝챔피언십, 한국기업평가 논문공모전 등에서 수상하는 등 다양한 분야의 데이터를 분석하는데 관심이 많습니다. 2014년부터 국내 카드사 마케팅부서에서 근무하며 데이터분석 및 활용 경험을 쌓고 있습니다.

강의경력

2017 A 금융사 – SQL과 R을 활용한 데이터 분석 입문 강사
2017 S 유통사 – SQL을 활용한 데이터분석 강사
2017 S 유통사 – R 프로그래밍 및 통계학 기초 강사
2018 L 제조사 – R을 활용한 데이터 분석 입문 강사
2018 K대학교 – R을 활용한 빅데이터 입문 강사
2018 S 유통사 – R을 활용한 데이터 분석 강사
2018 H 그룹사 – R을 활용한 데이터 분석 입문 강사
2018 N 유통사 – 데이터 분석 유치원 강사
2016 – 2018 패스트캠퍼스 R을 활용한 데이터 분석 입문 강사

강사님 인터뷰 보러가기

강의장 안내

유의사항 및 환불규정.

유의사항 * 모든 패스트캠퍼스 오프라인 파트타임 교육은 개강 전일 18시에 모집이 마감됩니다.
* 상황에 따라 사전 공지 없이 모집이 조기 마감되거나 할인이 연장될 수 있습니다.
* 수강 인원 확인을 위하여, 즉시 결제가 어려운 경우에도 반드시 수강신청을 먼저 진행해주시기 바랍니다.
* 수강생의 결석이나 지각 등으로 발생한 손해에 대해서는 별도의 보상을 제공하지 않습니다.

* 다음과 같은 사유 등으로 인해 강의가 폐강될 수 있으며, 폐강 시 학원법에 따라 반환 사유 발생일로부터 5 영업일 이내에 수강료를 환불해드립니다.
– 모집된 수강인원이 10명 이하일 경우
– 강사의 갑작스러운 사고 및 건강 상의 이유
– 천재지변
: 위의 사유로 강의가 폐강될 경우, 학원법 제 18조에 따라 오프라인 강의 취소/환불 정책을 준용하여 환불 처리되며, 모객 부진으로 폐강 시에는 최소 개강일로부터 7일 전에는 폐강 여부를 안내해드립니다.

환불규정 * 총 수강기간 1개월 이내 기준 취소 및 환불 규정 안내
– 환불금액은 정가가 아닌 실제 결제금액을 기준으로 계산됩니다.
– 수업 시작 전 환불 신청 시 전액 환불됩니다.
– 수강 시작 후 환불 신청 시 하기 수업 시수를 기준으로 학원법 환불규정에 따라 환불 가능합니다.
: 환불요청일시 기준 수업시수 1/3 경과 전 : 수강료 2/3 환불
: 환불요청일시 기준 수업시수 1/2 경과 전 : 수강료 1/2 환불
: 환불요청일시 기준 수업시수 1/2 경과 후 : 환불금액 없음

* 기타 환불 관련 안내
– 환불 의사를 밝힌 다음날부터 계산하여 환불합니다.
– 환불금액은 수업시간을 기준(반올림)으로 산정합니다.
– 환불금액의 10원 미만은 절삭합니다.
– 반환 사유 발생 시 5 영업일 이내 환불됩니다.
: PG사와 카드사의 상황에 따라 환불이 지연될 수 있습니다
– 1개월 산정 기준은 민법 제 160조(역에 의한 계산)을 적용합니다.
: 실제 일수와 상관없이 수업시작일이 3월 7일인 경우, 1개월은 4월 6일까지 입니다.
: 단, 수업 시작일이 1월 31일인 경우, 1개월은 월의 말일인 2월 28일까지 입니다.

root layout

R을 활용한 머신러닝 18기