자바 파이썬을 활용한 빅데이터 분석 및 머신러닝 개발자 과정 |
프로그래밍 언어활용 (JAVA) |
- software 개론, 자바 언어의 ld해, JDK1.8.0 설정
- Eclipse JAVA Application 개발 환경 설정
- 컴파일, 자바 프로그램의 구조
- 데이터 형(data type), 연산자(Operator),제어문의 실습
- OOP 특성, Class, Method, 생성자, Package, 예외처리
- Call By Reference, 메소드로 객체의 전달
- 추상 메소드, 추상 클래스(Abstract Class), 인터페이스(Interface),File IO 프로그램 개발
- Network 프로그램의 개발
- JDBC 프로그램의 개발
|
60 |
응용 SW 기초 기술 활용 (JSP) |
- TOMCAT 8 Install
- JSP 스크립트 기본 문법, JSP 스크립틀릿 코드의 생성 및 실행
- Page 지시자(Directive), class import, request 내부 객체 실습
- response 내부 객체, out 내부 객체, application 내부 객체의 사용
- GET, POST Form Data 전송 방식
- CSS(Cascading Style Sheet)의 사용
- 공지사항의 제작 및 응용
- 자료실의 제작 및 응용
- 회원(관리자) 관련 기능의 제작 및 응용
- 로그인/로그아웃, Cookie, Session의 활용
|
60 |
화면 구현 (Javascript / jQuery) |
- Data Type, Variable, Operator(연산자), 제어문
- function(함수), 시스템 지원 전역 함수의 사용, 가변인수, 객체 지향 프로그래밍
- Event의 처리(INPUT, BUTTON, SUBMIT)
- Ajax(Asynchronous JavaScript and XML), XMLHttpRequest 객체
- JSON(JavaScript Object Notation) 출력의 Ajax 처리
- Javascript framework jQuery 설치
- selector를 이용한 DOM Element(태그)의 검색
- jQuery Ajax 요청의 처리, GET, POST 방식과 한글 처리
|
40 |
응용 SW 기초 기술 (Spriong / MyBATIS) |
- STS 3.8.4(Spring Tool Suite) 설치(권장)
- Data Management(SQL Development) 설정
- servlet원리, servlet을 이용한 폼 데이터의 처리, Servlet 실습
- Spring기반 MVC의 원리, STS Spring MVC의 개발 구조 분석
- Maven 의존성 추가, Local 저장소의 설정, settings.xml
- EL(표현 언어, Expression Language)의 사용
- JSTL(JSP Standard TAG Library)의 사용
- DI(Dependency Injection)의 구현
- MyBATIS 3.2.8 설치 및 사용
- MVC 기반 공지사항의 제작 및 응용
- MVC 기반 자료실의 제작 및 응용
- MVC 기반 회원(관리자) 관련 기능의 제작 및 응용
|
120 |
애플리케이션 테스트 수행 |
- JUnit 설정
- JAVA / JSP 테스트
- 메소드 실행 추적을 위한 Eclipse 'Line Breakpoint' 사용
- JSP, Beans (DAO, Process) JUNIT 테스트
- Spring + DataSource 테스트, Spring-jdbc 모듈 추가
- JUNIT 테스트
- Spring + MyBATIS + Oracle 테스트
- Spring + DAO + MaBATIS + Oracle + JUNIT 테스트
- Spring + Controller + Process + DAO + MyBATIS + Oracle 테스트
|
30 |
파이썬 |
- Python 소개, Python 설치 개발 환경 설정
- Anaconda 설치
- Jupyter Notebook 의 사용
- 데이터형 (data type)
- 연산자 (Operator) 실습
- Libtaty Reference 및 설치
- 시퀀스 자료형 실습
- 제어문과 함수 응용
- 모듈과 패키지의 사용
- Class 및 oop 프로그래밍
- 파일 입출력 다루기
- pandas 기초/고급, 시각화 도구 Matplotlib사용
- Google Maps 를 이용해서 주소와 위도, 경도 정보 얻기
- Pivot_table 을 이용해서 데이터 정리하기
- 시각화 도구 Seaborn, 지도 시각화 도구 Folium
- 시계열 데이터, Prophet 모듈을 이용한 forecast 예측
- 시게열 분석으로 주식 데이터 분석하기
- 자연어 처리
- 육아휴직 관련 법안에 대한 분석
|
100 |
빅데이터 플랫폼 요구사항 분석 |
- 프로젝트 주제, 주제 결정, 프로젝트 주요 기술 결정
- star UML 객체 분석 설계 툴 설치
- 요구사항의 파악, 요구 사항 정의 (Defining Requirement)
- Usecase Diagram 작성 실습
|
20 |
빅데이터 플랫폼 아키텍쳐 설계 |
- 빅데이터 수집 환경 분석
- 웹 크롤러 개발 환경 분석
- 빅데이터 분석 툴 분석
- 빅데이터 저장 툴 분석
- 머신러닝 개발 환경 및 툴 분석
|
20 |
빅데이터 수집 시스템 개발 |
- Web Scraping 기초
- 웹 데이터를 가져오는 Beautiful Soup, Selenium 설치 및 실습
- 시카고 샌드위치 맛집 분석
- 네이버 영화 평점 기준 영화의 평점 변화 확인하기
- 서울시 구별 주요소 가격 정보 엳기
|
40 |
빅데이터 저장 시스템 개발 |
- MongoDB 특징, 구조, MongoDB 설치, 서버 실행 및 종료
- Database 생성 및 삭제, Collection 생성 및 삭제
- Documents 생성 및 삭제, 대용량 파일의 import
- MongoDB Client Compass 설치 및 이용
- PyMongo 설치하기, Pycharm 에서의 MongoDB 와 Python 연동
- Jupyter Notebook 에서의 MongoDB와 Python 연동
|
30 |
빅데이터 처리 개발 시스템 |
- R Project 설치, RStudio 설치 및 설정, R 프로젝트 생성
- R 데이터 구조, 데이터의 종류, 백터 (Vector)
- 연산자, 제어문, 벡터 생성 함수
- 데이터 유형과 구조, 벡터 (Vector), 연산자 실습, Factor 실습
- 행열 (Matrix), 배열 (Array), 리스트 (List)
- 데이터 프레임 (DataFrame)
- 외부 데이터 읽기 (CSV, TXT, Excel, XML), 키보드 입력, Web에서 HTML 파일 가져오기
- RDATA 다루기
- 함수 (사용자 정의 함수, 주요 내장함수)
- dplyr 패키지, ilter(), select(), arrange() 실습, mutate(), summarise()
- group_by(), left_join(), bind_rows() 실습, 데이터 정제
- 빠진데이터 (na), 이상한 데이터 제거하기 (Outlier)
- 범주형 (정수형), 전처리, 연속형 (실수형), 데이터 전처리
- 시각화 도구, 히스토그램, 밀도 그래프, 막대 그래프, 점 그래프
- ggplot2 package 를 이용한 시각화
|
80 |
빅데이터 분석 시스템 개발 |
- 분석 절차와 기본 통계 지식
- 가설 (hypothesis)설치, 유의수준 결정, 측정 도구의 설계
- 척도의 분류, 데이터의 수집, 데이터 코딩
- 통계 분석 수행 원리 분석
- 통계학의 구분, 조사의 방법, 모집단과 표본, 통계적 추정
- 기각역 (Critical region) 과 채태역 (Acceptance region)파악
- 양측 검정과 단측검정, 가설 검정 오류, 검정 통계량 파악
- 정규 분포, 모수와 비모수 검정 분석
- 기술 통계 (Descriptive Statistics) 분석, 척도별 기술 통계량
- 대푯값 산출, 산포도, 변동계수, 빈도분석
- 교차분석과 카이제곱 검정
- 일원 카이제곱 검정 (적합도 검정, 선호도 분석)
- 이원카이제곱검정 (독립성 검정, 동질성 검정)
- 추정과 검정, 모수와 표본의 구분, 점추정과 신뢰구간 추정의 구분
- 모평균의 구간 추정
- 단일 집단 비율 검정, 단일집단 평균검정 (단일표본 T검정)
- 두 집단 비율 검정, 두집단 평균검정
- 세 집단 비율 검정
- 분산 분석 (F 검정, ANOVA : Analysis of Variace)
- 상관관계 분석 (Correlation Analysis)
- 희귀분석
|
80 |
빅데이터 품질 관리 시스템 개발 |
- Github 회원 가입 설정, Client 설정, Github 프로젝트 생성
- 프로젝트 최초로 등록하기 (프로젝트 최초 공유)
- Github에서 프로젝트 소스를 최초로 가져오기
- 팀원은 자신의 계정을 Github 에 공개 설정
- 프로젝트를 같이 공유하고 개발할 다른 Github 회원에게 협업 요청 메일 발송
- 소스 작업 후 Commit and push
- 하나의 파일을 동시에 작업한 경우의 충돌 해결
- Github 연결 해제
|
88 |
빅데이터 플랫폼 테스트 |
- 요구사항을 기반으로 빅데이터 플랫폼 테스트 계획을 수립
- 상세 설계된 빅데이터 플랫폼 세부 시스템의 단위 기능에 대하여 기능 테스트 시나리오 작성
- 요구사항 명세와 아키텍처 설계서를 기반으로 빅데이터 플랫폼의 비기능 요소를 식별하고 평가 기준을 수립
- 작성된 빅데이터 플랫폼 테스트 시나리오를 기반으로 동적 테스트를 수행하고 결함 여부와 개선 의견을 포함하는 테스트 결과서
|
30 |
머신러닝 |
- 파이썬을 다운로드 및 설치
- 텐서플로 다운로드 및 설치
- 기본 코드 실습
- 선현희귀분석
- 변수 간의 관계에 대한 모델
- 비용함수와 경사 하강법 알고리즘
- 알고리즘 실행
- 기본 자료구조 : 텐서
- 텐서플로의 데이터 저장소
- K-평균 알고리즘
- 새로운 그룹과 새로운 중신 계산하기
- 그래프 실행
- 단일 계층 신경맘 데이터 셋
- 인공 뉴런의 구조
- 클래스 소속 근거와 확률
- 텐서플로 프로그래밍
- 합성곱 신경망과 모델 구현
- GAN 기본 모델 구현을 통한 원하는 숫자 생성하기
- 번역과 챗봇 모델을 이용한 단어 완성하기
- 구글의 이미지 인식 모델을 통한 예측 스크립트 제작
- DQN을 이용한 에이전트 구현 및 신경망 모델 구현하기
|
100 |
프로젝트 |
- 프로젝트 주제, 주제 결정, 프로젝트 주요 기술 결정
- 프로젝트 주제 개인 역할의 결정, 개발 요소 파악하기
- 개발 요소 등록
- MongoDB 설치, R project 설치, R Studio, Python 설치
- UML 객체 분석 설계 툴 설치
- 데이터베이스 설계 ERD 툴 설치
- 요구사항의 파악, 요구 사항 정의 (Defining Requirement)
- Usecase Diagram 작성 실습
- 팀 통합 프로젝트 및 개인별 개발 프로젝트의 생성
- Github 연동하기
- DBMS 설계, DBMS 정규화 (Normalization)
- 모델링 3개 JOIN
- Import, TABLE 구조 생성, SQL 생성
- Local 저장소의 설정
- Maven 설정, Spring 환경 설정
- 화면 Layout, Action TAG 를 이용한 Menu 페이지의 제작
- JSP Template 설정
- 화면구현 (User Interface Design, Prototype, Storyboard)
- Prototype 설정
- Vo (DTO), XML, DAO, Controller 기초 코드 작업
- 컨텐츠별 CRUD 구현
- Frontend 제작
- 파이썬을 통한 웹 데이터 수집 및 DBMS 에 저장
- R Studio 에서의 파일 데이터 분석 및 시각화 제작
- 텐서플로 케라스 연동 각종 예측 시스템 개발
- 수집 및 분석된 데이터 Spring 프레임워크로 웹 서비스 구축 및 테스트
- 프로젝트 통합 및 변경 사항 수정
- 프로젝트 운영 테스트 및 수정
- 프로젝트 문서화 작업 및 발표
|
120 |
합계 |
|
960 |