위치

요일

가능
시간
(날짜)

  • 오후 2시 - 5시 (협의)
장소 : 강남역 작심 스터디 카페 스터디룸
추가비용 : 시간당 1,666원
안녕하세요, 탈잉 튜터 손성민입니다. :) 반갑습니다! 친절하고, 상세하게 알려드리겠습니다!
₩25,000원 / 시간
₩600,000 / 총 6회 24시간
실시간 톡하기 찜하기
손성민
손성민
[R을 활용한]고객 행동 패턴 데이터 분석 프로젝트 / 기초부터 실무 활용까지
  • 강남
  • 4시간/회
  • 최대인원:3~12
  • ₩25,000/시간

튜터정보

  • 카이스트 산업및시스템공학과
  • 카이스트 경영대학원 경영공학부 IT경영
<탈잉 강의>
[엑셀을 활용한 문제 해결 & 설득력 있는 보고서 기법]
https://taling.me/Talent/Detail/4983

----- 이력 -----
카이스트 산업 및 시스템공학과 학사
카이스트 경영대학원 경영공학부 IT경영트랙

딜로이트 컨설팅 Deloitte Analytics 팀

서울대 사범대 과학교육계열 수시 합격 후, 카이스트 진학!
못 다 이룬 선생님의 꿈을, 꾸준한 강의 활동으로 실현하고 있습니다.

----- 경력 -----

1. 강남 소재 회계법인 회계사 R 그룹지도
2. 연세대학교 경영대학원 마케팅전공 석사과정 R 과외 및 논문지도
3. 강남 러닝스푼즈 R 머신러닝 강사 (현재 4기 모집 중)/ 현재까지 수강생 22명
4. 대학병원 레지던트/ 제약사/ 의료기기사 등 의료계열 종사자 R 데이터 분석 지도

6시간 동안 화 안내고, 친구한테 롤(리그 오브 레전드) 가르쳐봤습니다.
차근차근, 친절하게 알려드릴게요!

수업소개

----- [정확한 고객 타겟팅과 행동 패턴 데이터 분석 (R)] -----
- 데이터 분석 기초부터 실무 활용까지 -

수강생 리뷰 :
"실제 데이터를 수업 중에 다루어 볼 수 있다는 점이 과정을 선택한 이유였습니다."

"특히, 강사님이 실제 컨설팅하셨던 다양한 케이스를 접하면서 데이터 분석 프로세스를 어떻게 진행하고 어떤 흐름으로 사고해야 하는지를 알 수 있던 점이 가장 좋았습니다."

"개인적으로는 이 수업을 통해 강사님과 많은 대화를 나누며, 빅데이터 분석을 위한 실제 머신러닝 활용 사례를많이 경험할 수 있었습니다."

"현업에서 발생하는 분석 이슈들을 자유롭게 논의해볼 수 있는 점이 가장 만족했던 점입니다."

"프로그래밍 경험이 전혀 없는 비전공자였기 때문에 코딩을 계속 하는 것이 쉽지는 않았지만, 강의 종료 후에도 강사님이 끝까지 남아 피드백 주셔서 많은 도움 되었습니다."

<1기 7명 / 2기(MAC 보유 수강생 전용) 2명 / 3기 13명 수료>
<4기 수강생 모집 중 (현재 11명 모집 완료)(개강일: 4월 7일)>

수강 목적 및 기대 효과:
1. 경영적인 측면에서 빅데이터 분석을 통한 인사이트를 도출해낼 수 있다.
2. 다양한 패키지를 활용하여 데이터를 분석하고, 빅데이터 분석 알고리즘을 사용할 수 있다.
3. 고객 데이터의 개요를 파악하고, 분석에 필요한 파생 변수를 생성할 수 있다.
4. 데이터 분석에 필요한 전처리 과정을 수행할 수 있다.
5. R의 기초적인 문법을 이해하고, 간단한 예제를 R 프로그래밍을 통해 해결할 수 있다.

강의 특징:
1. Line by Line, 한 줄 한 줄 따라서 코딩하며 익히는 실습형 강의.
2. 실제 백화점 오프라인 매출 데이터와 온라인 로그 데이터를 사용하여 분석을 진행.
3. 경영학적 측면에서의 활용법과 그를 위한 논리적 사고력 학습.

([매출자료기반 머신러닝 프로젝트 수행])에서는
각종 통계와 분석 툴을 배우고, Caret 패키지와 Random Forest, Neural Network 등의 알고리즘을 활용하여 백화점 매출 데이터를 분석, 고객 정보를 예측하는 것을 목표로 합니다!

본 수업은 수강생의 실력과, R에 대한 친화도,
배우고 싶은 내용에 따라 커리큘럼을 조정하여 진행 합니다.

수업대상

  • 추천 :
    ! 스타트업에서 머신러닝을 통한 고객 분석을 시도해 보고 싶으신 분들!
    ! 기업에서 고객 데이터를 분석하여 기획/ 영업/ 마케팅 등에 활용하고 싶으신 분들!

    1. "실제 빅데이터 분석을 해보고는 싶은데, 어디서부터 접근해야 하는지 전혀 모르겠어요."
    2. "고객 데이터를 분석해서 '기획/영업/마케팅 분야 등에 활용해 보고 싶어요."
    3. “머신러닝을 해보고 싶은데, 어떻게 사용해야 하는지 배워보고 싶어요.”
    4. "전공자가 아니어서 무엇부터 시작해야 하는지 전혀 모르겠어요."
    5. “빅데이터, 머신러닝 이라는 단어들이 너무 어렵고 멀게만 느껴져요.”

    선행 지식 필요 유무
    1. 통계적 지식 : 무 (있을 경우에, 큰 도움이 됩니다.)
    2. 프로그래밍 경험 : 무 (1차시 수업에서 R 문법을 다룰 예정입니다.)

커리큘럼

1회차

1 회차 주제: 경영적 측면에서의 머신러닝, 빅데이터 분석의 의미

강의 목표
머신러닝 기법을 활용한 빅데이터 분석이 경영적 측면에서 활용되는 방안을 살펴본다.
R 프로그래밍의 기초 개념인 '데이터 프레임'과 ‘패키지’ 및 '함수'를 다루는 문법을 배운다.

(이론)
1. 데이터 사이언티스트란 어떤 직업이며, 우리는 어떤 역할을 해야 하는가?
2. 모든 기능은 구현되어 있다! 코드 작성 시간을 1/10으로 줄여주는 패키지 사용법.

(실습)
1. R&R Studio 설치/ 다양한 예제를 통한 R의 기초 문법 이해.
2. R에서 제공되는 다양한 오픈소스 패키지의 함수를 활용하여 ‘DataFrame’ 핸들링 실습.
3. 오프라인 매출 데이터를 활용하여 자주 쓰이는 함수 적용 실습.

2회차

2 회차 주제: 빅데이터 분석의 시작, 데이터 핸들링.

강의 목표
데이터 분석을 위한 프로그래밍 스킬을 습득하고, 코딩 경험을 축적한다.
간단한 알고리즘 적용을 통해 경영학적으로 빅데이터 분석이 사용되는 사례를 경험한다.

(이론)
1. 주어진 데이터를 분석에 적합한 형태로 유도하는 과정을 이해한다.
2. [Association Rule] Apriori 알고리즘 (연관 규칙 분석) - Walmart의 경영 혁신 전략.

(실습)
1. Dplyr 패키지를 활용한 데이터 행/열 별 Operations 실습.
2. Data Melting/ Casting/ Mutation등을 활용하여 Data를 맘대로 주무르기.
3. Apriori Algorithm 작성 및 적용 실습.
3. Exercise #1 – R 프로그래밍 실력 향상을 위한 예제

3회차

3 회차 주제: 백화점 오프라인 매출 데이터 분석 – 경영 목표 수립 및 데이터 파생 변수 생성

강의 목표
데이터 분석을 통해 도출할 경영 목표를 수립한다.
목표에 부합하는 빅데이터 분석에 활용할 파생 변수를 생성할 수 있다.

(이론)
1. 경영적 인사이트 도출 및 머신러닝 알고리즘 활용을 위한 파생변수 정의.
2. 정의한 파생변수를 R 코드로 구현.

(실습)
1. 백화점 매출 데이터 분석을 위한 데이터 전처리 실시.
2. 오프라인 매출 데이터 파생변수 정의 및 파생변수 생성 실습.
3. Exercise #2 – 독창적 파생변수 생성.

4회차

4 회차 주제: 백화점 오프라인 매출 데이터 분석 프로젝트 – 데이터 마이닝 기법의 이해

강의 목표
다양한 데이터 마이닝 기법을 이해하고, 고객 데이터 분석에 적용할 수 있다.

(이론)
1. 데이터 마이닝 프로세스 및 데이터 마이닝 기법의 분류를 이해한다.
2. 분류 및 예측 기법들의 개념을 이해하고 각종 모델의 적합성 평가 방법을 이해한다.

(실습)
1. Exercise #3 – 오프라인 매출 데이터 기반 고객 성별 예측.

5회차

5 회차 주제: 온라인 쇼핑몰 반품 데이터 분석 프로젝트 – 머신러닝 알고리즘 적용

강의 목표
R에서 제공되는 Caret 패키지를 활용하여 각종 머신러닝 알고리즘을 적용시켜본다.

(이론)
1. Random Forest/ Neural Network 등 머신러닝 알고리즘 개요.
2. Caret Package를 활용한 K-fold Cross Validation 분석법.

(실습)
1. Exercise #4 – 온라인 쇼핑몰 반품 데이터 기반 반품여부 예측.

6회차

6 회차 주제: 온라인 로그 데이터 분석 프로젝트 – 머신러닝을 이용한 사용자 정보 예측

강의 목표
인터넷 사용 로그 데이터 분석을 통해 고객의 성별과 연령대를 예측하고 정확성을 향상한다.
빅데이터 분석을 통한 경영적 인사이트 도출 능력을 확립한다.

(이론)
1. 1주차 ~ 5주차 강의 내용 전체 활용.

(실습)
1. Exercise #5 – 인터넷 사용 로그 데이터 기반 사용자 성별 및 연령 정보 예측.

리뷰

리뷰쓰기

실시간톡

실시간 톡하기

위치

지도가 들어갑니다.