[DS⑨중급]데이터 사이언스의 핵심

코스소개

<학습 팁>
해당 강좌는 마이크로소프트 애저 머신러닝 플랫폼에서 R 및 Python을 사용하여 클라우드 기반의 데이터 사이언스 솔루션을 작성하는 방법, 어플리케이션 기반의 데이터 수집, 준비, 탐색 및 시각화에 대해서 설명합니다. 강좌를 수강 완료 시 데이터 과학 분석, 데이터 사이언스 핵심 과목에 도움이 됩니다.

데이터 사이언스 인재에 대한 수요가 급증하고 있습니다. 전문가와 함께 필수 기술과 원칙을 탐구하면서 데이터 과학자로서의 경력을 개발하십시오.

데이터 사이언스 과정에서는 마이크로소프트 애저 머신러닝 플랫폼을 사용하여 클라우드 데이터 사이언스 솔루션을 작성하는 방법, R 및 파이썬을 사용하여 클라우드 데이터 사이언스 솔루션을 구축하는 방법과 같은 실용적인 어플리케이션 기반의 데이터 수집, 준비, 탐색 및 시각화에 대한 주요 개념을 학습합니다.

학습 계획서

데이터 사이언스 프로세스 탐구 - 소개

데이터 사이언스 사고력의 이해

데이터 사이언스 프로세스의 이해

AML을 사용하여 첫 번째 머신러닝 실험을 만들고 게시합니다.

Lab: 애저 머신러닝에서 첫 번째 모델 만들기

데이터 사이언스의 확률 및 통계

신뢰 구간 및 가설 테스트의 이해 및 적용

상관 관계의 의미와 시뮬레이션 적용 방법 이해하기.

Lab: 확률 및 통계 작업

Lab: 시뮬레이션 및 가설 테스트

데이터 작업 - 수집 및 준비

데이터 수집 및 선택의 기본 사항 알아보기

데이터 정리, 통합 및 변환의 중요성과 프로세스 이해하기

Lab: 데이터 처리 및 선택 - 새로운 기능

Lab: 애저 머신러닝, R 및 파이썬에서 애저 스택의 데이터 중복제거

데이터 탐색 및 시각화

기본 플롯 유형을 만들고 해석하는 방법 알아보기.

데이터세트 탐색 프로세스 이해

Lab: 애저 머신러닝, R 및 파이썬으로 시각화 된 데이터 탐색

지도학습 소개

지도 학습의 기본 개념 이해

비지도 학습의 기본 개념 이해

AML로 간단한 머신 러닝 모델 만들기

Lab: 소득 별 국민 분류

Lab: 회귀 분석을 통한 자동차 가격 예측

Lab: 애저 머신 러닝을 이용한 K-클러스터링

강사소개

Dr. Steve Elston

Steve는 예측 분석 및 머신러닝을 위해 R과 S/SPLUS를 사용한 경험이 20년 이상의 빅 데이터 전문가이자 데이터 사이언티스트입니다. 프린스턴 대학교 (Princeton University)에서 지구 물리학(Geophysics) 박사 학위를 받았으며 다양한 회사에서 다국적 데이터 사이언스 팀을 이끌었습니다.

Cynthia Rudin

Cynthia는 MIT의 예측 분석 랩을 이끌고 있으며, 컴퓨터 사이언스 및 인공 지능 연구소 Sloan School of Management와 관련이 있습니다. Princeton University에서 응용 수학 전공 박사 학위를 받았으며, 이전에는 Columbia University의 Computational Learning Systems 센터의 부연구 사이언티스트였습니다.

Graeme Malcolm

Graeme는 SQL Server 및 마이크로소프트 데이터 플랫폼 전문가로서 오랫동안 트레이너, 컨설턴트 및 저자로 활동 해 왔습니다. 그는 SQL Server 데이터 플랫폼 및 비즈니스 인텔리전스를 위한 마이크로소프트 공인 솔루션 전문가입니다. 마이크로소프트와 파트너 및 공급업체로 수년간 협력 한 후 그는 Senior Learning Developer로 마이크로소프트 Learning Experiences 팀에서 마이크로소프트 기술을 최대한 활용하고자하는 개발자 및 데이터 전문가를 위한 컨텐츠를 계획 및 개발하고 있습니다.

키워드 : 데이터사이언스, 데이터 사이언스