과정 개요
Python 은 데이터 분석에 가장 많이 사용되는 언어 중의 하나입니다. 배우기 쉬운 장점도 있지만 강력한 능력을 가진 다양한 라이브러리가 있는 것도 Python 이 선호되는 중요한 원인 중 하나입니다. 그 중에서도 Numpy, Pandas 는 데이터 처리를 위한 강력한 라이브러리이며, Matplotlib, Seaborn 은 데이터 시각화를 위한 강력한 라이브러리입니다. 본 과정은 이들 라이브러리를 사용해 다양한 데이터 처리와 분석, 그리고 데이터 시각화를 어떻게 하는지 체계적인 학습과 다양한 실습을 통해 배우는 과정입니다.
교육 대상
•
Python 을 처음 배우시는 분
•
Python 을 활용한 데이터 분석에 관심이 있는 분
학습 목표
•
Python 기본 문법을 정확히 이해하고 사용할 수 있습니다.
•
Numpy 라이브러리를 사용해 배열을 처리할 수 있습니다.
•
Pandas 라이브러리를 사용해 데이터를 불러와 탐색하고 처리할 수 있습니다.
•
Matplotlib 라이브러리를 사용해 데이터를 시각화해 분석할 수 있습니다.
•
Seaborn 라이브러리를 사용해 더욱 화려한 데이터 시각화를 할 수 있습니다.
커리큘럼
1일차
1. Python 기본 정리
•
Google Colaboratory 사용
•
파이썬 기본 문법 복습
•
문자열, 리스트, 튜플 자료형 복습
•
딕셔러니, 집합 자료형 복습
•
Python 실습
2일차
2. Numpy 라이브러리
•
배열 만들기
•
배열 인덱싱과 슬라이싱
•
배열 변환
•
배열 연산
•
Shuffle, Sampling, Split
•
Numpy 실습
3일차
3. Pandas 라이브러리
•
시리즈 만들기
•
시리즈 정보 확인
•
시리즈 인덱싱과 슬라이싱
•
시리즈 연산
•
데이터프레임 만들기
•
인덱스 다루기
•
데이터프레임 변환
•
데이터프레임 정보 확인
•
데이터프레임 인덱싱과 슬라이싱
•
데이터프레임 변경
•
데이터프레임 집계
•
데이터프레임 Null 값 처리
•
Pandas 실습
4일차
4. Matplotlib 라이브러리
•
Line Graph
•
Bar Chart
•
Scatter Plot
•
Histogram
•
Bok Plot
•
Pie Chart
•
Matplotlib 실습
5. Seaborn 라이브러리
•
Line Graph
•
Bar Chart
•
Scatter Plot
•
Histogram
•
Bok Plot
•
Pie Chart
•
Seaborn 실습
5일차
6. 데이터 분석 프로세스
•
데이터분석 표준 프로세스 이해
•
다양한 데이터 탐색 방법
•
다양한 데이터 전 처리 방법
7. 데이터 분석 실습
•
데이터 불러오기
•
데이터 탐색
•
데이터 전 처리
•
데이터 시각화
8. 머신러닝 개념
•
머신러닝 이해하기
•
머신러닝 따라하기