QUICK
MENU

R Data Analysis

R µ¥ÀÌÅÍ ºÐ¼® Á¤±Ô°úÁ¤
Åë°èºÎÅÍ ½Ã°¢È­¡¤¸ðµ¨¸µ±îÁö ½Ç¹« ¿Ï¼º

R ¾ð¾î´Â Åë°è ºÐ¼®°ú µ¥ÀÌÅÍ ½Ã°¢È­¿¡ ÃÖÀûÈ­µÈ ÇÁ·Î±×·¡¹Ö ¾ð¾î·Î, µ¥ÀÌÅÍ ºÐ¼®, ¸®Æ÷ÆÃ, ¸Ó½Å·¯´× µî ´Ù¾çÇÑ ºÐ¾ß¿¡¼­ Ȱ¿ëµÇ°í ÀÖ½À´Ï´Ù.
º» °úÁ¤Àº RÀÇ ¹®¹ý ±âÃÊ ¡æ µ¥ÀÌÅÍ Ã³¸® ¡æ Åë°è ºÐ¼® ¡æ ½Ã°¢È­ ¡æ ¿¹Ãø ¸ðµ¨¸µ±îÁö ü°èÀûÀ¸·Î ÇнÀÇϸç, ggplot2, dplyr, caret, shiny µî RÀÇ ÇÙ½É ÆÐŰÁö¸¦ ½Ç½À Áß½ÉÀ¸·Î ´Ù·ç´Â ½ÇÀüÇü Ä¿¸®Å§·³ÀÔ´Ï´Ù.

  • ±³À°±â°£
    1°³¿ù
  • °­Àǽð£(ÁöÁ¡º° »óÀÌ)
    3½Ã°£
  • ³­À̵µ
    ÀÔ¹®~°í±Þ
  • Àοø
    20³»¿Ü
  • ÀüÈ­»ó´ã(ÁÖ¸» ¡¤ °øÈÞÀÏ »ó´ã ¹× Á¢¼ö°¡´É)
    053-710-5933

ÀÌ·± ºÐµé²² ÃßÃµÇØ¿ä!

  • RÀ» Ȱ¿ëÇØ µ¥ÀÌÅÍ ºÐ¼® ¿ª·®À» Ű¿ì°íÀÚ ÇÏ´Â Ãë¾÷ Áغñ»ý/½Ç¹«ÀÚ
  • Åë°è¡¤±³À°¡¤°ø°ø¡¤ÇコÄÉ¾î ºÐ¾ß¿¡¼­ µ¥ÀÌÅÍ ±â¹Ý ¸®Æ÷Æ® ÀÛ¼ºÀÌ ÇÊ¿äÇÑ ºÐ
  • Pythonº¸´Ù RÀ» ¼±È£Çϰųª º´ÇàÇϰíÀÚ ÇÏ´Â µ¥ÀÌÅÍ ºÐ¼® ÀÔ¹®ÀÚ
  • µ¥ÀÌÅÍ ½Ã°¢È­, Åë°è ±â¹Ý ¸®Æ÷ÆÃÀ» ÀÚµ¿È­ÇÏ°í ½ÍÀº ¸¶ÄÉÅÍ/±âȹÀÚ

RºÐ¼®°úÁ¤ÀÇ ÇÙ½É Æ÷ÀÎÆ®

  • POINT.01

    R ¾ð¾î ÀÔ¹®ºÎÅÍ ºÐ¼®¡¤½Ã°¢È­±îÁö Àü ´Ü°è ÇнÀ
    RStudio ȯ°æ, µ¥ÀÌÅÍÇÁ·¹ÀÓ ´Ù·ç±â, tidyverse ±âÃÊ ¿Ï¼º

  • POINT.02

    Åë°è ºÐ¼® ±âÃʺÎÅÍ ¸Ó½Å·¯´× ±âÃʱîÁö Æ÷ÇÔ
    t°ËÁ¤, ANOVA, ȸ±ÍºÐ¼®, ·ÎÁö½ºÆ½ ȸ±Í, ºÐ·ù ¸ðµ¨ ½Ç½À

  • POINT.03

    ggplot2, plotly¸¦ Ȱ¿ëÇÑ °í±Þ ½Ã°¢È­ ÈÆ·Ã
    ´ë½Ãº¸µåÇü ¸®Æ÷Æ® ¶Ç´Â ¹ßÇ¥¿ë ½Ã°¢È­ ÀÚ·á Á¦ÀÛ °¡´É

  • POINT.04

    shiny ±â¹Ý ÀÎÅÍ·¢Æ¼ºê ¸®Æ÷Æ® ½Ç½À(Optional)
    ½Ç½Ã°£ ÇÊÅ͸µ, ´ë½Ãº¸µå µðÀÚÀÎ, »ç¿ëÀÚ ÀÎÅÍÆäÀ̽º ±¸Çö

  • POINT.05

    ÇнÀÀÚ ¼öÁØ ¸ÂÃã - ±âÃʺÎÅÍ Æ÷Æ®Æú¸®¿À±îÁö ´Ü°èº° Áøµµ°ü¸®
    Python ±âº» ¹®¹ý ¹× Numpy/Pandas ½Ç½À Æ÷ÇÔ ¿É¼Ç ±¸¼º °¡´É

RºÐ¼® Ä¿¸®Å§·³ ¾È³»

Åë°è ºÐ¼®, ½Ã°¢È­, ¸Ó½Å·¯´× ±âÃʱîÁö °¡´ÉÇÑ ½Ç¹«Çü µ¥ÀÌÅÍ ºÐ¼® ±³À° °úÁ¤À¸·Î, ƯÈ÷ °ø°ø¡¤ÀǷᡤ¿¬±¸ ºÐ¾ß¿¡¼­µµ Ȱ¿ëµµ°¡ ³ôÀº R ¾ð¾î¿¡ ƯȭµÇ¾î ÀÖ½À´Ï´Ù.

  • Chapter.01

    ȯ°æ±¸Ãà

    R±âÃÊ - ÇÔ¼ö, ÆÐŰÁö, µ¥ÀÌÅÍ ±¸Á¶ ¹× À妽Ì, µ¥ÀÌÅÍ Å©·Ñ¸µ, µ¥ÀÌÅÍ ÃßÃâÇϱâ
  • Chapter.02

    µ¥ÀÌÅÍ Àüó¸®

    filter(), select(), arrange(), mutate(), summarise(), group_by(), left_join(), bind_rows() ÇÔ¼ö
  • Chapter.03

    µ¥ÀÌÅÍ Á¤Á¦

    °áÃøÄ¡, ÀÌ»óÄ¡ ó¸®
  • Chapter.04

    µ¥ÀÌÅÍ Ã³¸® ½Ã°¢È­

    - ±×·¡ÇÁ ±×¸®±â(»êÁ¡µµ, ¸·´ë, ¼± ±×·¡ÇÁ, »óÀÚ ±×¸²) - ÅØ½ºÆ® ¸¶ÀÌ´×°ú wordclolud
  • Chapter.05

    Mysql ȯ°æÀÌÇØ ¹× »ç¿ë¹ý

    - ¸Ó½Å·¯´× : ´Ü¼ø¼±Çü ȸ±ÍºÐ¼®, ´ÙÁß ¼±Çü ȸ±Í ºÐ¼® - ÁöµµÇнÀ(k-Nearest Neighbor, Logistic Regression, Naive Bayes Classification, Decision Tree, SVM) - ºñÁöµµ ÇнÀ : PCA, k-means Analysis, Hierarchical Clustering Analysi

Ãë¾÷ÀÇ ÇÙ½É
½Ç¹« ±â¹Ý ÇÁ·ÎÁ§Æ®·Î ¿Ï¼ºÇÏ´Â Æ÷Æ®Æú¸®¿À

½ÇÁ¦ ¼ö·á»ýµéÀÇ ÇÁ·ÎÁ§Æ® °á°ú¹°À» º¸°í, ±â¾÷ÀÌ ¿øÇÏ´Â Æ÷Æ®Æú¸®¿À ±âÁØÀ» È®ÀÎÇØ º¸¼¼¿ä

¼º°øÀûÀÎ Ãë¾÷ Áغñ!
ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹Ì¿¡¼­ ½ÃÀÛÇϼ¼¿ä!

IT±³À°ÀÇ ¿Ï¼ºÀº Ãë¾÷ÀÔ´Ï´Ù!

ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹Ì´Â ÇöÀå Áß½É Ä¿¸®Å§·³°ú Ãë¾÷ ¹ÐÂø ÇÁ·Î±×·¥À¸·Î ¼ö°­»ýÀÇ ¼ºÀåÀ» ³¡±îÁö Áö¿øÇÕ´Ï´Ù.

step.01
Áø·Î¼³°è
¼ö°­»ý ¸ÂÃãÇü Á÷¹« ¸ÅĪ & Ä¿¸®¾î »ó´ã

-ÇнÀ°úÁ¤ ±â¹Ý ÁøÃâ ºÐ¾ß ¾È³»

-¸ñÇ¥ Á÷¹«¿¡ ¸ÂÃá Áø·Î ·Îµå¸Ê Á¦½Ã

step.02
Ãë¾÷¿ª·® °­È­
¼­·ù¡¤Æ÷Æ®Æú¸®¿ÀºÎÅÍ ½Ç¹« ¿ª·®±îÁö ¿Ï¼º

-À̷¼­/ÀÚ±â¼Ò°³¼­ 1:1 Çǵå¹é

-GitHub¡¤Notion Æ÷Æ®Æú¸®¿À Á¦ÀÛ Áö¿ø

-IT±â¾÷ ½Ç¹«ÀÚ Æ¯°­ & ½ÇÀü ÄÚµù Ŭ¸®´Ð

step.03
±â¾÷ ¿¬°è
ITÀü¹® Çù¾à±â¾÷°úÀÇ Á÷Á¢ ¿¬°á

-Çö¾÷ÀÚ ÃÊû ±â¾÷¼³¸íȸ

-Ãë¾÷ ¿¬°è ¹Ì´Ï ä¿ë¹Ú¶÷ȸ

-±¸Àαâ¾÷ ´ë»ó ÀÎÀç Ãßõ ¿î¿µ

step.04
¸ðÀǸéÁ¢ & ±â¼ú¸éÁ¢ ÈÆ·Ã
½ÇÀü ¸éÁ¢ ½Ã¹Ä·¹À̼ÇÀ¸·Î ÇÕ°Ý·ü »ó½Â

-Àμº¡¤±â¼ú ¸éÁ¢ ½Ç½À

-Á÷¹«º° ¿¹»óÁú¹® Á¦°ø

-Çǵå¹é ±â¹Ý ¸éÁ¢ Àü·« ¼ö¸³

step.05
¼ö·á ÈÄ Áö¼Ó°ü¸®
Á¹¾÷ ÈÄ¿¡µµ À̾îÁö´Â Ãë¾÷ Áö¿ø

-¼ö·á»ý Àü¿ë ä¿ëÁ¤º¸ ä³Î ¿î¿µ

-ÀÌÁ÷ ÄÁ¼³ÆÃ ¹× °í±Þ°úÁ¤ ¾È³»

-ä¿ë ±â¾÷ÀÇ Çǵå¹é ¹Ý¿µÇÑ Ãë¾÷ ¸ÅĪ

ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹Ì Ãë¾÷Áö¿ø, À̰ÍÀÌ ±Ã±ÝÇÏ´Ù!

À̷¼­ ÷»èºÎÅÍ Æ÷Æ®Æú¸®¿À, ¸ðÀǸéÁ¢, ±â¾÷¿¬°è±îÁö Ãë¾÷ °ÆÁ¤À» ´ú¾îÁÖ´Â ½ÇÀüÇü Q&A Á¤¸®!

  • Q.¼ö·áÇÏ¸é ¹Ù·Î Ãë¾÷ÀÌ µÇ³ª¿ä?
    A.ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹Ì´Â ¼ö·á¿Í µ¿½Ã¿¡ Ãë¾÷ÀÌ º¸ÀåµÇÁö´Â ¾ÊÁö¸¸ À̷¼­ ÷»è, Æ÷Æ®Æú¸®¿À Á¦ÀÛ, ¸ðÀǸéÁ¢, ±â¾÷¸ÅαîÁö Àü °úÁ¤ÀÇ Ãë¾÷Áö¿ø ¼­ºñ½º¸¦ Á¦°øÇϰí ÀÖ¾î ³ôÀº Ãë¾÷ ¼º°ú¸¦ º¸À̰í ÀÖ½À´Ï´Ù.
  • Q.¾î¶² ±â¾÷µé°ú ¿¬°èµÇ¾î ÀÖ³ª¿ä?
    A.À¥°³¹ß, ¹é¿£µå, º¸¾È, µ¥ÀÌÅÍ ºÐ¼®, Ŭ¶ó¿ìµå µî ´Ù¾çÇÑ ºÐ¾ßÀÇ ITÀü¹® Áß¼Ò±â¾÷, ½ºÅ¸Æ®¾÷, Çù¾à ±â¾÷ 100¿© °÷ ÀÌ»ó°ú ¿¬°èµÇ¾î ÀÖ½À´Ï´Ù.
    ½ÇÁ¦ ä¿ë ÀÇ·Ú°¡ µé¾î¿Â ±â¾÷°úÀÇ ¸éÁ¢µµ ¼ö·á ÈÄ ¹Ù·Î ¿¬°áµË´Ï´Ù.
  • Q.Æ÷Æ®Æú¸®¿À´Â ²À ¸¸µé¾î¾ß Çϳª¿ä?
    A.ÃÖ±Ù °³¹ßÀÚ Ã¤¿ë¿¡¼­ À̷¼­º¸´Ù Æ÷Æ®Æú¸®¿À°¡ ´õ Áß¿äÇÏ°Ô Æò°¡µÇ´Â °æ¿ì°¡ ¸¹½À´Ï´Ù.
    GitHub, Notion, ÇÁ·ÎÁ§Æ® °á°ú¹° ±â¹ÝÀÇ Æ÷Æ®Æú¸®¿À¸¦ ½Ç½À °úÁ¤ Áß Á÷Á¢ Á¦ÀÛÇϰí Çǵå¹éÀ» ¹Þ°Ô µË´Ï´Ù.
  • Q.ºñÀü°øÀÚµµ Ãë¾÷ÀÌ °¡´ÉÇѰ¡¿ä?
    A.³×, °¡´ÉÇÕ´Ï´Ù.
    ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹ÌÀÇ °úÁ¤Àº ºñÀü°øÀÚµµ ÀÌÇØÇÒ ¼ö ÀÖµµ·Ï ±âÃʺÎÅÍ ½Ç½À À§ÁÖ·Î ±¸¼ºµÇ¾î ÀÖÀ¸¸ç, ÇÁ·ÎÁ§Æ® Á᫐ ÇнÀ°ú Ãë¾÷ÄÁ¼³ÆÃÀ¸·Î ½Ç¹« ÀûÀÀ·ÂÀ» Ű¿ö Ãë¾÷±îÁö ¿¬°áÇÕ´Ï´Ù.
  • Q.¸ðÀǸéÁ¢Àº ½ÇÁ¦ ¸éÁ¢Ã³·³ ÁøÇàµÇ³ª¿ä?
    A.½ÇÁ¦ ±â¾÷ ¸éÁ¢°ú À¯»çÇÏ°Ô ±â¼ú¸éÁ¢ + Àμº¸éÁ¢ Çü½ÄÀ¸·Î ±¸¼ºµÇ¸ç, ¸éÁ¢°ü Çǵå¹é±îÁö Á¦°øµË´Ï´Ù.
    ¸éÁ¢ ºÒ¾È ÇØ¼Ò¿Í Ä¿¹Â´ÏÄÉÀÌ¼Ç ´É·Â Çâ»ó¿¡ ¸Å¿ì È¿°úÀûÀÔ´Ï´Ù.
  • Q.¼ö·á ÈÄ¿¡µµ Ãë¾÷Áö¿øÀ» ¹ÞÀ» ¼ö ÀÖ³ª¿ä?
    A.³×. ¼ö·á ÈÄ¿¡µµ **Àü¿ë ä¿ë Ä¿¹Â´ÏƼ(īī¿Àä³Î/½½·¢ µî)**¸¦ ÅëÇØ ä¿ë Á¤º¸¸¦ Áö¼ÓÀûÀ¸·Î Á¦°øÇϸç, ÀÌÁ÷ ¹× Àç±³À°À» À§ÇÑ °í±Þ°úÁ¤ Ãßõ, Ãë¾÷ ÄÁ¼³ÆÃµµ ¿î¿µÇϰí ÀÖ½À´Ï´Ù.
  • Q.Ãë¾÷·üÀº ¾î´À Á¤µµÀΰ¡¿ä?
    A.°úÁ¤ ¹× ½Ã±â¿¡ µû¶ó ´Ù¸£Áö¸¸, ½Ç¹« ÇÁ·ÎÁ§Æ®¿Í Æ÷Æ®Æú¸®¿À¸¦ Ãæ½ÇÈ÷ À̼öÇÑ ¼ö°­»ýÀÇ °æ¿ì Æò±Õ 85% ÀÌ»óÀÇ Ãë¾÷·üÀ» º¸À̰í ÀÖ½À´Ï´Ù.

°£ÆíÇÏ°Ô °ü½ÉÀÖ´Â
ÀϹÝ/±¹ºñÁö¿ø °úÁ¤ ¼ö°­·á ¾Ë¾Æº¸¼¼¿ä!

Step2. ¼¼ºÎ ±³À°°úÁ¤À» ¼±ÅÃÇØ ÁÖ¼¼¿ä.(Áߺ¹ ¼±Åà °¡´É)

Step3. °¡±î¿î ÁöÁ¡À» ¼±ÅÃÇØ ÁÖ¼¼¿ä.

    ½ÅûÇϽô ºÐÀÇ À̸§°ú ¿¬¶ôó¸¦ ÀÔ·ÂÇØ ÁÖ¼¼¿ä.

    - -
    ÀÚ¼¼È÷ º¸±â
    ¼öÁý Ç׸ñ: À̸§, ¿¬¶ôó, ¼ö°­¾È³» °ü·Ã ÀÌ·Â
    ÀÌ¿ë ¸ñÀû: ¼ö°­¾È³» Á¦°ø, °ü·Ã ÀÌ·Â °ü¸® ¹× ¸ÂÃãÇü Àç¾È³»¸¦ ÅëÇÑ ¼­ºñ½º ǰÁú °³¼±
    º¸À¯ ±â°£: ¼öÁýÀϷκÎÅÍ ÃÖ´ë 3³â°£ º¸°ü ÈÄ ÆÄ±â

    RºÐ¼® ¹Ù·Î ¾Ë¾Æº¸½Ã°Ú¾î¿ä?

    ´Ý±â
    • ±³À°Èñ¸ÁÁöÁ¡À» ¼±ÅÃÇØÁÖ¼¼¿ä
      • ½ÅûÇϽôºÐÀÇ À̸§°ú ¿¬¶ôó¸¦ ÀÔ·ÂÇØ ÁÖ¼¼¿ä.
        - -
      ÀÚ¼¼È÷ º¸±â
      ¼öÁý Ç׸ñ: À̸§, ¿¬¶ôó, ¼ö°­¾È³» °ü·Ã ÀÌ·Â
      ÀÌ¿ë ¸ñÀû: ¼ö°­¾È³» Á¦°ø, °ü·Ã ÀÌ·Â °ü¸® ¹× ¸ÂÃãÇü Àç¾È³»¸¦ ÅëÇÑ ¼­ºñ½º ǰÁú °³¼±
      º¸À¯ ±â°£: ¼öÁýÀϷκÎÅÍ ÃÖ´ë 3³â°£ º¸°ü ÈÄ ÆÄ±â
      Àüü¸Þ´º ¿­±â

      ¼Õ½±°í °£ÆíÇϰÔ
      Àü¹®°¡¿Í ÀüÈ­»ó´ã!

      ¾È³»¹Þ°í ½ÍÀº ÁöÁ¡À» ¼±ÅÃÇØ ÁÖ¼¼¿ä.

      ¾ß°£ ¹× ÁÖ¸» »ó´ã ÀüÈ­ ¾È³»

      ºü¸¥ ¾È³»¸¦ À§ÇØ
      ÆòÀÏ ¾ß°£(¿ÀÈÄ 6½Ã ~ ¿ÀÈÄ 10½Ã)
      ÁÖ¸»(¿ÀÀü 9½Ã ~ ¿ÀÈÄ 6½Ã)¿¡µµ ¾È³»ÇØ µå¸®°í ÀÖ½À´Ï´Ù.