탈잉 - 세상의 모든 재능
다회차 수업
대관료는 한달 수업료에 포함되어있습니다! 강의의 퀄리티가 최고의 마케팅이라 믿고, 마케팅의 퀄리티는 데이터가 말함을 실천하는 현 재직 중 개발자 dj 입니다.
실시간 톡
₩24,200원 / 시간
₩290,400 / 총 4회 12시간
datalab
DJ
[#이직 혹은 연봉 재협상] 데이터 분석 역량 쉽게 장착하고, 연봉을 올려보자!
찜하기
  • 3시간/회
  • 최대인원:2~15
  • ₩24,200/시간

튜터정보

  • 신분 인증 됨
뼛속까지 문과생에게도 데이터 분석 역량을 장착시켜줄 수 있는 자가 있습니다. 바로, 드립력 충만 DJ를 소개해 드립니다.

- 지각심리학 석사
- (전) 산업용 IoT 플랫폼개발팀 팀장
- 데이터 분석경험: 산업용 IoT 빅데이터, 웹로그분석(GA), 시선추적데이터(eye-tracking, 석사논문저술)
- 강의경험: 롯데보안팀, 동양생명, 버드뷰(화해) 등 사내 데이터 분석 기초과정

수업소개

** 데이터랩 강의는 5월 10일부터 오프라인으로 진행합니다. 당분간 코로나 사태가 진정되기 전까지 개인간의 거리 유지를 위해 선착순 8명만 신청받아 수업을 진행 할 예정입니다."

✔ 수업 내용

빅데이터, 머신러닝, AI 이런 화려한 아이들을 배우기 전에 기본적으로 알아야할 "데이터의 기본"이 있습니다.

그래서, 그 이전에, "모두를 위한 머신러닝" 이런 유투브 강의도 듣기 전에 (저도 들어보고자 했지만, 솔직히.. 기본없이는 모두를 위한 강의가 아니야. 다 떠나서, 혼자 완강할 의지가 있고없고마다요.), 미적분 하기 전에 들어야할 1+1 과 같은 강의를 내 옆에 앉은 친구가 가르쳐 주듯 드립지게 떠-먹여드리고자 합니다.

"여기 내 수저가 몇개야? 하나. 응 거기에, 너 수저가 하나 더 있으면 그건 수저 두개가 되는거야." 이 정도의 수준으로요.

✔ 달라도 너무 다른, 수업 방식

1. 후려친 가격과 20명 정원제

1시간에 10만원도 안 아까운 강의. 이 정도 수준의 강의를 이 가격에 들어도 되나...싶은 가격으로. 뭐 라스트미닛됐다고 더 오프 때리고 그런거 없이. 투명하게. 깔끔하게. 거품 뺄 것 다 빼고. 빨리 결심할수록 그 장한 결심 마구마구 서포트 해드리고자합니다. 최저 50만원에서 시작하는 데이터 강의를 20만원대에 들을 수 있는게 실화입니다. 저... 세계 깐깐한 마케터라, 뭐 하나 시작하려하면 이것저것 비교하고 다 따져봐야 마음이 놓이는 사람이라 대신 계산해서 금액 똬-악! 알려드립니다. 29만원. 오케이? 거기다 20명 정원제. 됐어. 넘어가!

2. 드립력 찰진 수업 방식

빅데이터가 아니더라도 뭐 웹프로그래밍 기초강의라던가 유사한 강의라도 들어보신분들은 분명 알거에요. 강사가 3시간동안 떠들고, 하란대로 하니까 나도 어찌어찌 뭘 만들었는데, 내가 뭘 만든지 어떻게 만들었는지 1도 모르겠고. 다시 나혼자 하려니까 강의를 듣기전과 후가 1도 다르지않은. 그래도 한달동안 뭘 만들어 완성했으니, 완성반이 맞지요.

시중 데이터 수업도 다르지 않을거에요. 강사가 3시간 동안 떠들고, 강사가 가져온 샘플 데이터로 뭐 돌려보고, 나도 똑같이 따라는 해보는데 내 데이터로 뭐 하려니까 다시 원점. 그걸 너무 잘 알기 때문에, 저희는 시중의 수업과는 확실히 다르게 진행할 거예요.

3. 바로, 너가 들어도 됩니다.

빅데이터, 머신러닝은 고사하고 데이터의 기본에 기본조차 모르는 당신이 들어도 되는 강의입니다. 본 강의는 어려운 데이터 분석 방법을 배우기 전, 꼭 이해해야할 데이터의 기본과 수치 해석에 초점을 맞춘 강의입니다. 이 강의 이후, 현업에서 데이터를 봐야한다거나 + 더 공부하고 싶으면 "뭘" 봐야하는지 알게되는게 포인트입니다. 우선 통계와 프로그래밍을 접해보지 못한, "아.. 난 랩탑 킬 줄 아는 수준이야..."하시는 컴맹, 데.알.못을 위한 강의. 우리 스텝 바이 스텝, 함께 나아가요.

• 현업에서 수치를 보라고 해서 보긴 하는데 이게 뭥미?
• 데이터? 먹는 겁니까? 아무것도 모르는 초보분들
• 회사에서 데이터 분석팀과 협업해서 결과를 내라고 하는데 전문용어들과 난생 처음보는 기호들이 내 눈 앞에서 쌩쌩- 날아다니기만 하고 의사소통이 전혀 안되는 분들
• 데이터 분석을 이용해서 서비스를 만들고 싶은데 도대체 뭐부터 하나
• 머신러닝 궁금해서 인터넷에 찾아봤더니 진입 장벽이 넘사벽… (뜨이쉬)
• 데이터 분석은 엑셀로 평균만 구해봤을 뿐. 난 수포자에 뼛속까지 문과생
• 데이터만 봐도 머릿속이 하얘지고 숫자만 봐도 두통
• 논문써서 졸업해야 하는데 통알못
• 그냥 관심이 있어서 한번 배워 보려는데 뭐부터 해야해요?

4. 묻지마, 3만원 환급 제도

시작 전부터 들어가는 수강생 집착 케어. 여러분의 사기 충전을 위해 열심히 하시면 돌려 드릴께요. 뭘? Cash를!!! (what?)
1. 수업 전강 출석 2. 내 손으로 적는 강의노트 매주 제출 3. 배운거 한 줄이라도 후기에 적기. 이 너무 간단하고 쉬워서 코웃음 나는 3개 미션을 모두 완료 했을 시 3만원을 그냥 환급 해 드립니다. (진짜 아무리 생각해도 밑지는 장사 라니까… 그래도 묻고 3만원 가!)


✔ 웨이러~미닛, 여기서 잠깐 DJ의 강의 철학에 대해 살짝! 듣고 가실게요.

o 데이터 분석은 딱딱하고 골치아프고 전문가들만 하는거다? NO! 기초만 이해해도 얼마든지 적용할 수 있다. 데이터랩 강의자료는 수학 공식이 빼곡히 적힌 보기만해도 토나오는 통계책이나 자료 따위가 아닌, 핸드메이드로 직접 친 드립과 짤방으로 구성된 재미있는 강의 자료로 수업을 얼마든지 재미지게 배울수 있다.

o 데이터 분석을 이용하여 적용하고 결과를 내려면 가장 중요한 것은 데이터 분석 기법 또는 스킬(프로그래밍, 쿼리, 크롤링…) 이 아니라 목적을 구체적으로 정의하고 데이터를 정확히 이해하는 것.

o 데이터 분석에 정답 따윈 없다.

o 데이터 분석의 결과는 머신러닝 알고리즘, 복잡한 수학이나 통계 공식이 내는것이 아니라 바로 데이터가 낸다.

o 스스로 생각하고 답을 찾는 논리성을 강조한다. 탑다운 방식을 탈피하고, 문제를 스스로 생각하고 해결점을 말해보는 시간을 갖고, 다른 분야 사람들과의 커뮤니케이션을 통해 서로의 의견을 논리적으로 피력하는 시간을 가진다. (미쿡 스퇄, 잘 알잖아)

o 딱딱하고 어렵기만 한 공식보다는 기본적인 이해가 우선! 수학적이고 통계적인 엄밀성 보다 현업에서의 적용이 강의의 목적!

o 머신러닝 입문 전 기본적으로 알아야할 통계 기초 및 데이터 보는 법을 이해하자

o 재밌게 좀 하자!!! 혼자 떠들고 예제 코드나 돌려보려는것이 아니다. 현업의 문제를 같이 해결해보자. 기본이라도.

o 응용으로는 기초를 알 수 없다. 하지만 기초로는 응용 할 수 있다. 오케이?

o 머신러닝 배우겠다고? 흠.. 자네.. 기초는 좀 알고 있는건가? 예를 들어 평균과 표준 편차에 대해서 설명 할 수 있는가? or 평균과 표준편차는 왜 보는가? 그게 어떤 의미이고 어떻게 해석해야 하는가? 위 질문들에 대답하지 못하면 여러분들은 쉽게 말해 수학에서 더하기 빼기도 제대로 이해하지 못하고 있는 것이다. 기본도 못하는데 미적분(머신러닝)을 이해할수 있겠는가?

o 요즘 현업에 데이터 분석팀이 별도로 있는 경우도 많다. 내가 직접 분석하지 않을 거라도 커뮤니케이션이라도 하고 싶은데 이것조차 쉽지않다. 그러나 데이터의 기초를 알면 커뮤니케이션이 가능하다.

o 미안하다. 솔직히 이 분야는 단기간에 빠르게 배울수 없다. 진입장벽도 높다. 하지만 처음이 힘들어서 그렇지 알면 알수록 정말 재미있다.

o 이 분야는 계속 발전 중이며 아직 완성되지 않았고 사실 정답도 없다. 내 강의가 정답도 아니고, 정답을 알려주는 것도 아니다. 단지 내가 현업에서 맨 땅에 헤딩하면서 얻고 깨달은 것들을 최대한 쉽게 또 드립지게 전달 해주려고 하는 것이다. 이론과 현실은 달랐으니까. 난 여러분들에게 이 분야에서 필요한 무기를 쥐어 주려고 하는 것이다.

o 1회성으로 배우고 끝내는 것은 의미가 없다고 생각한다. 현업에서의 적용과 조금 더 활발한 데이터 생태계를 만들고 싶은게 내 목적이라서 그냥 강사와 수강생으로 끝내는 게 아니라 컨설팅은 물론, 고급반까지 마친분들을 대상으로 취업 연계도 해드리고 있음. 기업 또는 다양한 필드에서 요청이 들어오면 필요한 분석 프로젝트를 진행하거나 컨설팅도 지원하고 있다.

o 마지막으로 남기는 말. 저는 이 분야를 정말 좋아하고 애정을 가지고 있습니다. 그냥 단지 일회용 돈벌이 수단으로 강의를 만든 게 아닙니다. 전 여러분들이 제 강의에 오셔서 배운 것들을 현업에 조금씩 적용하는 모습을 보고 싶고 또 그렇게 하실 수 있도록 만들려고 노력하고 있습니다. 회사에서 데이터의 기본을 이해하면서 문제 해결과 의사결정을 할때 데이터 기반의 마인드를 갖추는 것. 제가 이 강의를 만든 이유이자 저의 목표입니다. 이상!


✔ 수업 일정:
[기초 화요반 (30기)] 7월 16일, 23일, 30일, 8월 6일 (화요일 저녁 8시-11시) > 마감
[기초 일요반 (31기)] 8월 11일, 25일, 9월 1일, 8일 (일요일 오후 1-4시) @강남 > 마감
[기초 화요반 (32기)] 8월 13일, 27일, 9월 3일, 10일 (화요일 저녁 8-11시) @강남 > 마감
[기초 수요반 (33기)] 8월 21/28일, 9월 4일/18일 (수요일 저녁 8-11시) @광화문 > 마감
[기초 일요반 (34기)] 9월 22/29일, 10월 6/13일 (일요일 오후 1-4시) @ 강남 > 마감
[기초 화요반 (35기)] 9월 24일, 10월 1/8/15일 (화요일 저녁 8-11시) @ 강남 > 마감
[기초 수요반 (36기)] 10월 2/16/23/30일 (수요일 저녁 7-10시) @광화문 > 마감
[기초 일요반 (37기)] 10월 20/27일, 11월 3/10일 (일요일 오후 1-4시) @ 강남 > 마감
[기초 화요반 (38기)] 10월 22/29일, 11월 5/12일 (화요일 저녁 8-11시) @ 강남 > 마감
[기초 목요반 (39기)] 10월 24/31일, 11월 7/14일 (목요일 8-11시) @ 판교 > 마감
[기초 수요반 (40기)] 11월 6/13/20/27일 (수요일 8-11시) @종로 > 마감
[기초 일요반 (41기)] 11월 17/24일, 12월1/8일 (1-4pm) @강남 > 마감
[기초 화요반 (42기)] 11월 19/26일, 12월3/10일 (8-11pm) @강남 > 마감
[기초 목요반 (43기)] 11월 21/28일, 12월5/12일 (8-11pm) @서현 마감
[기초 일요반 (44기)] 1월 5/12/19/26일 (1-4pm) @ 강남 > 마감
[기초 화요반 (45기)] 1월 7/14.28일, 2월 4일 (8-11pm) @ 강남 > 마감
[기초 수요반 (46기)] 1월 8/15/29일, 2월 5일(8-11pm) @종로 > 마감
[기초 목요반 (47기)] 1월 9/16/23/30일 저녁 8-11시 @서현 > 마감
[기초 목요반 (48기)] 2월 6/20/27. 3월 12일 (1-4pm) @강남 > 마감
[기초 일요반 (49기)] 2월 9/16/23, 3월 8일 (1-4pm) @ 강남 > 마감
[기초 화요반 (50기)] 2월 11/18/25, 3월 3일 (8-11pm) @ 강남 > 마감
[기초 수요반 (51기)] 2월 12/19/26, 3월 11일 (8-11pm) @ 종로 > 마감
[기초 목요반 (52기)] 2월 20/27, 3월 12/19일 (8-11pm) @서현 > 마감
[기초 수요반 (53기)] 3월 18/25일, 4월 1/8일 (8-11pm) @ 종로 > 마감
[기초 일요반 (54)기] 4월 5/12/19/26일 (1-4pm) @ 강남 > 마감
[기초 화요반 (55)기] 3월 31일, 4월 7/14/21일 (8-11pm) @강남 > 마감
[기초 일요반 (56)기] 5월 10/17/24/31일 (1-4pm) @강남 > 3자리 남음!
[기초 화요반 (57)기] 5월 12/19/26일, 6월 2일 (8-11pm) @강남 > 3자리 남음!
[기초 일요반 (58)기] 6월 14/21/28일, 7월 5일 (1-4pm) @강남 > 4자리 남음!
[기초 화요반 (59)기] 6월 9/16/23/30일 (8-11pm) @강남 > 5자리 남음!

✔ 수업 장소:
서울 강남구 강남역 5번 출구에서 1분 거리! 데이터랩 강의실

***
"데이터 분석을 가르치는 수업은 많지만, 전문적인 분야를 드립지게 설명하는 수업은 이 수업이 유일합니다."

수업대상

  • 데이터랩에서는 기초-기초아니야 2가지 과정을 제공하며, 탈잉에서는 기초반만 제공합니다. 기초아니야반 신청은 실시간 톡주세요!

    1. 기초
    : 진짜 중요한데 아무도 안 가르쳐준다! "데이터를 제대로 보려면 뭐부터 해야하나요?"
    데알못, 데린이, 수포자, 문송합니다를 위한 진짜 밑바닥부터 시작하는 기초 통계 강의! 데이터분석이 요즘 핫하다는데 도대체 뭔지 궁금하거나, 커뮤니케이션을 위한 기본적인 이해만이라도 하고 싶은 분들을 위해 준비한 가장 기본이자 필수 과정.

    2. 기초아니야
    : 분석 툴이요? 엑셀만 할 줄 알면 되는 거 아니었나요;
    빅데이터 시대에 맞춰 대량의 데이터도 빠르고 정확하게! 프로그래밍 언어를 이용해 데이터를 다루는 기초아니야 강의 (ft. 파이썬 pandas, numpy)


    [FAQ]

    1. 데이터 분석 관심은 있는데 정말 아무것도 몰라서. 과연 내가 이걸 들어도 될까요?
    컴퓨터 전원 켤 줄 알고 와이파이 연결 할줄 아시면 이 수업 따라오시는데 전혀 문제 없습니다. 실제로 수강생분들의 70% 이상이 비전공자입니다.

    2. 이걸 들으면 내가 어떻게 업무에 적용시켜서 써먹을 수 있을까요?
    마케팅이던 기획이던 개발이던. 본인이 어떤 업무를 하고 있던 현상을 통계적으로 접근하는 능력, 데이터를 기반으로 사고하고 분석하는 능력은 늘 강력한 보조 무기가 될거에요!

    3. 파이썬을 몰라도 수강 가능할까요?
    네, 본 강의는 파이썬을 모르시는 분들도 수강 가능한 데이터의 기본에 대한 수업입니다. 파이썬을 사용해서 대량의 데이터도 쉽게 핸들링 해보시려면 기초아니야반에 올라타세요

커리큘럼

1회차

1주차: 데이터 1도 몰랐던 멍청한 눈 삽니다.

Pt.1 그대의 데이터 눈 “뜸”을 응원합니다
• INTRO: 만화<슬램덩크>의 가장 중요한 장면에는 대사가 없다

Pt.2 시작했다면, 일단 반은 먹고 들어가고요.
• 데이터 분석의 목적
• 데이터 분석에서 가장 중요한것

Pt.3 도대체 무슨 말인지 하나도 모르겠다.
• 기계가 학습한다? 도대체 뭘 어떻게?
• 예측과 분류알고리즘의 차이

Pt.4 좋아요가 좋아요를 낳는 진기한 광경
• 개와 고양이를 구분하는 인공지능을 만들고 싶다. 무엇을 어떻게 해야하는가? 어떤 문제를 해결해야하는가?

2회차

2주차: 아르키메데스는 모래알을 셌다. 진짜: 목적정의와 기술통계

Pt.1 데이터 분석, 그걸 제가 시작하려는데요
• 주어진 문제를 구체적으로 정의하기: 우주를 모래로 채우려면 필요한 모래알의 갯수는 몇개인가?

Pt.2 데이터를 분석하려면 필요한 것들
• 내가 원하는 데이터는 항상없다:
모집단과 랜덤 샘플링. 기술통계와 추론통계
• 여기 짱이 누구냐?: 집중경향치 (평균, 최빈치, 중앙치)
• 뭐가 이렇게 들쭉날쭉 하냐?: 분산과 표준편차
• 세상 살다보면 또라이는 하나씩 있다(없으면 나다): outlier
• 데이터만 많으면 장땡일까?: bias
• 이 데이터 뭐가문제인가?: 국민건강검진 데이터에서 문제찾기

Pt.3 이 세상에 하얀까마귀는 없는것인가?
• 까마귀가 까맣다는것을 통계적으로 증명하는 방법: 0가설검정의 이해와 사용하는 목적
• 내말이 맞는 이유는 니가 틀려서야: 0가설 정의하기
• 내가 맞고 안맞고의 기준은?: 알파값과 p- value

3회차

3주차: 니 말이 맞나 세계 깐깐하게 따져볼게 : 인과관계 추론

Pt.1 다시 한번, 하얀 까마귀는 없는것인가?
• 0가설 검정, 알파와 p-value 복습

Pt.2 수학(수면)의 정석에서 그나마 기억나는 녀석 - 표준화와 z분포
• 나는 국어와 수학 중 무엇을 더 잘하는가?: 표준화의 목적
• 아하, 이제는 진짜 기억 나실겁니다 : 표준정규분포표
• 분석을 할 때마다 오류가 있다고요? 이게 무슨 소리요, 의사 양반: Z의 한계

Pt.3 오류를 없애는 방법 1: 접근 방법은 똑같이, 모양만 바꾸자
• 내가 바로 대체자다: T분석의 목적과 정의이해
• 차이를 정확히 정의하자: 실험설계
• 이거..뭘써야 하죠? : T분석의 통계적 가정(정규성, 독립성, 등분산성)
• 현시창(세상에는 노오오오오력을 해도 안되는것도 있다): T분석의 한계

Pt.4 오류를 없애는 방법 2: 아예 다른 방법으로 접근한다.
• 차이라는 것은 무엇일까? 그 의미를 알면 다른 방법이 보인다: F(분산분석)의 기본적 이해와 0가설
• 세상에 공짜는 없다: 분산분석의 한계와 사후검정

4회차

4주차: 나도 모르는 내 미래를 니가 어찌아니 : 상관(pearson-r)과 회귀

리뷰(25)

리뷰쓰기
4.9
  • 커리큘럼
  • 전달력
  • 준비성
  • 친절도
  • 시간준수

수업과 관련해서
궁금한 점이 있으세요?

실시간 톡하기
튜터와 더 편리하게 소통해 보세요

탈잉 어플리케이션을 스마트폰에 설치하면 메세지 알림을 받으실 수 있습니다.