파이썬 라이브러리 기반 데이터 분석
11.07(토) 개강
토 : 11/07(토)~12/05(토)
・ 과정 | 파이썬 라이브러리 기반 데이터 분석 ※ 파이썬 (40시간) |
・ 난이도 | 초급 |
・ 일정 | 토요반 (중소기업만 참여가능) 토 : 11/07(토)~12/05(토) |
| ・ 시간 | 매주 09:30 ~ 18:30 (8시간) (점심시간 13:30 ~ 14:30) |
・ 수강료 | 중소기업: 전액무료 대기업: 참여불가 |
| * 상기 일정은 내부 사정에 따라 변경될 수 있습니다 | |
수강료 안내 |
| ||||||||||||||||||||||||||||||||
 | |||||||||||||||||||||||||||||||||
과정 소개 | 과정소개 본 과정은 파이썬 언어의 기초 문법부터 객체 지향 프로그래밍(OOP), 그리고 실무 데이터 분석의 핵심 라이브러리인 NumPy, Pandas, Matplotlib을 활용한 데이터 분석 역량을 체계적으로 학습하는 과정입니다. 단순한 문법 학습에 그치지 않고 개발 환경 구축, 데이터 수집, 데이터 전처리, 분석 및 시각화로 이어지는 데이터 분석의 전반적인 흐름을 이해하고 실습 중심으로 경험하도록 구성하였습니다. 또한 파이썬에서 생성형 AI API를 연동하여 데이터를 요약·분류하고, 분석 결과를 자동으로 저장하는 업무자동화 실습을 진행합니다. 이를 통해 데이터 분석뿐만 아니라 반복적인 업무를 자동화할 수 있는 실무 활용 능력을 기르는 것을 목표로 합니다. Jupyter Notebook 및 Google Colab 등 실무에서 널리 사용되는 개발 환경과 웹 크롤링을 통한 데이터 수집, 생성형 AI API 활용까지 경험할 수 있도록 구성하였습니다. | ||||||||||||||||||||||||||||||||
훈련 목적 및 목표 | 프로그래밍 기초 확립 파이썬의 데이터 타입, 연산자, 제어문, 함수 등을 이해하여 데이터 분석과 업무자동화를 위한 기본 프로그래밍 역량을 확보합니다. 객체 지향 프로그래밍(OOP) 이해 클래스, 상속, 모듈 및 예외 처리 등을 학습하여 재사용 가능하고 안정적인 분석 프로그램을 설계할 수 있는 능력을 기릅니다. 데이터 수집 역량 확보 BeautifulSoup을 활용한 웹 크롤링을 통해 필요한 데이터를 수집하고 저장하는 기초적인 데이터 수집 기술을 습득합니다. 데이터 분석 실무 역량 강화 NumPy를 활용한 수치 연산, Pandas를 활용한 정형 데이터의 전처리 및 분석, Matplotlib을 활용한 데이터 시각화 기법을 습득합니다. 생성형 AI API 활용 능력 확보 API의 기본 개념을 이해하고 파이썬에서 생성형 AI API를 호출하여 데이터를 요약·분류하고 필요한 정보를 추출하는 방법을 습득합니다. 파이썬 업무자동화 역량 강화 Pandas로 처리한 데이터를 생성형 AI와 연동하고, AI 처리 결과를 파일로 저장하는 업무자동화 과정을 실습합니다. | ||||||||||||||||||||||||||||||||
연결 과정 추천 | • 텐서플로우를 활용한 딥러닝 인공지능 개발 과정 • 생성형 AI 및 LLM 활용 과정 • AI 엔지니어링 과정 • 파이썬 기반 업무자동화 과정 • 생성형 AI API 활용 과정 | ||||||||||||||||||||||||||||||||
상세 교육 내용 |
| ||||||||||||||||||||||||||||||||
교육 진행 방식 | 실습 중심 교육 이론 설명 후 Jupyter Notebook 및 Google Colab 환경에서 직접 코드를 작성하는 실습 중심으로 교육을 진행합니다. 단계별 데이터 분석 실습 데이터 수집, 전처리, 분석 및 시각화 과정을 단계적으로 실습하여 데이터 분석의 전체 흐름을 이해하도록 합니다. AI 연계 업무자동화 실습 기존 데이터 분석 과정에서 학습한 Pandas를 생성형 AI API와 연결하여 데이터 처리 결과를 자동으로 생성하고 저장하는 실습을 진행합니다. | ||||||||||||||||||||||||||||||||
교육 효과 및 기대 지표 | • 파이썬 기반 데이터 분석 및 객체 지향 프로그램 개발 역량 확보 • 데이터 수집, 전처리, 분석 및 시각화에 이르는 데이터 분석 파이프라인 이해 • NumPy, Pandas 및 Matplotlib을 활용한 데이터 분석 능력 향상 • API의 기본 구조와 파이썬 API 연동 방법 이해 • 생성형 AI를 활용한 데이터 요약·분류 및 정보 추출 능력 확보 • 반복적인 데이터 처리 업무를 자동화할 수 있는 실무 능력 향상 • 후속 AI·딥러닝·LLM 과정 수강을 위한 기초 역량 확보 | ||||||||||||||||||||||||||||||||
수료 후 활용 분야 | 1) 제조 공정 데이터 전처리 및 자동화 로그 데이터 분석 Pandas를 활용하여 대량의 시스템 로그 데이터를 정리하고, 통계적으로 의미 있는 데이터를 추출하여 장비의 상태를 분석할 수 있습니다. 결측치 및 이상치 처리 수집된 데이터의 결측치와 이상치를 처리하여 분석 및 AI 학습에 활용할 수 있는 데이터 전처리 파이프라인을 구축할 수 있습니다. 분석 결과 자동 요약 데이터 분석 결과를 생성형 AI와 연동하여 주요 현황과 특이사항을 자동으로 요약할 수 있습니다. 2) 마케팅 및 시장 조사 데이터 수집 자동 데이터 수집 BeautifulSoup과 웹 크롤러를 활용하여 시장 동향이나 공개 데이터를 수집하고 저장할 수 있습니다. 데이터 분석 및 시각화 수집된 데이터를 Pandas로 분석하고 Matplotlib을 이용해 그래프로 시각화하여 데이터 기반 의사결정을 지원하는 자료를 제작할 수 있습니다. 고객 의견 자동 분류 고객 의견이나 설문 데이터를 생성형 AI API와 연결하여 문의, 불만, 칭찬 및 기타 유형으로 자동 분류할 수 있습니다. 3) 문서 및 데이터 업무자동화 데이터 자동 요약 CSV 또는 Excel 파일의 내용을 파이썬으로 불러온 후 생성형 AI를 활용하여 주요 내용을 자동으로 요약할 수 있습니다. 반복 업무 자동화 여러 파일의 데이터를 일괄적으로 정리·분석하고 처리 결과를 새로운 파일에 자동으로 저장할 수 있습니다. AI 분석 결과 저장 AI가 생성한 요약, 분류 및 정보 추출 결과를 Pandas DataFrame에 추가하여 CSV 또는 Excel 파일로 저장할 수 있습니다. 4) 품질 관리 및 데이터 분석 데이터 품질 관리 Pandas를 활용하여 데이터의 오류, 중복, 결측치 및 이상치를 탐색하고 분석에 적합한 형태로 정제할 수 있습니다. 행렬 기반 고속 연산 NumPy를 활용하여 복잡한 배열과 행렬 구조의 데이터를 효율적으로 처리함으로써 대규모 데이터 분석의 효율성을 높일 수 있습니다. | ||||||||||||||||||||||||||||||||
교육과정 시간표 | 과정명 : 파이썬·생성형 AI 기반 데이터 분석 및 업무자동화
| ||||||||||||||||||||||||||||||||
수강료 안내
과정명 | 재직자 국비지원 과정 |
파이썬 분석 라이브러리 기반 데이터 분석 및 AI 업무자동화 | 중소기업: 전액무료 대기업: 참여불가 |
과정소개
과정소개
본 과정은 파이썬 언어의 기초 문법부터 객체 지향 프로그래밍(OOP), 그리고 실무 데이터 분석의 핵심 라이브러리인 NumPy, Pandas, Matplotlib을 활용한 데이터 분석 역량을 체계적으로 학습하는 과정입니다.
단순한 문법 학습에 그치지 않고 개발 환경 구축, 데이터 수집, 데이터 전처리, 분석 및 시각화로 이어지는 데이터 분석의 전반적인 흐름을 이해하고 실습 중심으로 경험하도록 구성하였습니다.
또한 파이썬에서 생성형 AI API를 연동하여 데이터를 요약·분류하고, 분석 결과를 자동으로 저장하는 업무자동화 실습을 진행합니다. 이를 통해 데이터 분석뿐만 아니라 반복적인 업무를 자동화할 수 있는 실무 활용 능력을 기르는 것을 목표로 합니다.
Jupyter Notebook 및 Google Colab 등 실무에서 널리 사용되는 개발 환경과 웹 크롤링을 통한 데이터 수집, 생성형 AI API 활용까지 경험할 수 있도록 구성하였습니다.
훈련 목적 및 목표
프로그래밍 기초 확립
파이썬의 데이터 타입, 연산자, 제어문, 함수 등을 이해하여 데이터 분석과 업무자동화를 위한 기본 프로그래밍 역량을 확보합니다.
객체 지향 프로그래밍(OOP) 이해
클래스, 상속, 모듈 및 예외 처리 등을 학습하여 재사용 가능하고 안정적인 분석 프로그램을 설계할 수 있는 능력을 기릅니다.
데이터 수집 역량 확보
BeautifulSoup을 활용한 웹 크롤링을 통해 필요한 데이터를 수집하고 저장하는 기초적인 데이터 수집 기술을 습득합니다.
데이터 분석 실무 역량 강화
NumPy를 활용한 수치 연산, Pandas를 활용한 정형 데이터의 전처리 및 분석, Matplotlib을 활용한 데이터 시각화 기법을 습득합니다.
생성형 AI API 활용 능력 확보
API의 기본 개념을 이해하고 파이썬에서 생성형 AI API를 호출하여 데이터를 요약·분류하고 필요한 정보를 추출하는 방법을 습득합니다.
파이썬 업무자동화 역량 강화
Pandas로 처리한 데이터를 생성형 AI와 연동하고, AI 처리 결과를 파일로 저장하는 업무자동화 과정을 실습합니다.
연결 과정 추천
• 텐서플로우를 활용한 딥러닝 인공지능 개발 과정
• 생성형 AI 및 LLM 활용 과정
• AI 엔지니어링 과정
• 파이썬 기반 업무자동화 과정
• 생성형 AI API 활용 과정
상세 교육 내용
[세션 1] 파이썬 기초 및 객체 지향 프로그래밍 - 20시간
개발 환경 구축
• Python 설치
• Jupyter Notebook 커널 연동 및 사용
• Python Interpreter의 이해와 활용
• 파이썬 프로그램의 구조 이해
파이썬 핵심 문법
• 데이터 타입(str, list, tuple, dict)
• 연산자 및 제어문(if, for, while)
• 함수 정의 및 활용
• 함수의 인자 전달과 반환값 이해
• 지역 변수와 전역 변수
• 모듈 및 패키지 활용
• import 사용 방법
객체 지향 프로그래밍(OOP)
• 클래스와 객체의 개념
• 클래스 멤버와 메소드
• 인스턴스 멤버와 메소드
• 생성자와 소멸자
• 상속(Inheritance)
• 프로그램 모듈화 및 모듈 분리
고급 문법 및 예외 처리
• Lambda 함수 활용
• Random 모듈을 활용한 난수 처리
[세션 2] 데이터 수집 - 3시간
웹 데이터 수집 기초
• BeautifulSoup 환경 설정
• HTML 문서 구조 이해
• 웹 크롤러 구현
• 웹 데이터를 활용한 데이터 수집
• 수집한 데이터의 정리 및 저장
• CSV 형태의 데이터 저장 및 관리
[세션 3] 데이터 분석 라이브러리 실습 - 13시간
수치 데이터 처리 - NumPy
• NumPy 패키지의 이해
• 배열 및 행렬 구조 이해
• 배열 생성과 데이터 처리
• 벡터 및 행렬 연산 실습
• 행렬 기반 데이터 처리
정형 데이터 분석 - Pandas
• Pandas 패키지의 이해
• Series와 DataFrame 생성
• 외부 데이터 불러오기
• 데이터 선택 및 가공
• 데이터 정렬과 그룹화
• 결측치 및 이상치 처리
• 데이터 병합 및 집계
• Pandas를 이용한 데이터 분석 실습
데이터 시각화 - Matplotlib
• Matplotlib 라이브러리의 이해
• 선 그래프, 막대그래프 및 원그래프 작성
• 데이터 분석 결과 시각화
• 그래프의 제목, 범례 및 축 설정
• 분석 결과의 표현과 해석
[세션 4] 생성형 AI API 연동 및 파이썬 업무자동화 - 4시간
1교시: API 이해 및 파이썬 연동
• API의 개념과 활용 사례
• 생성형 AI API의 기본 구조
• API Key의 이해와 관리
• 파이썬을 이용한 API 호출
• 요청 및 응답 데이터의 이해
• JSON 형식의 데이터 처리
2교시: 생성형 AI API 활용
• 파이썬과 생성형 AI API 연동
• 프롬프트 작성 및 전달
• 생성형 AI 응답 결과 처리
• AI를 활용한 텍스트 요약
• AI를 활용한 데이터 분류
• 필요한 정보의 자동 추출
3교시: 파이썬 업무자동화
• CSV 및 Excel 데이터 불러오기
• Pandas를 활용한 데이터 정리
• 반복적인 데이터 처리 자동화
• 여러 데이터의 일괄 처리
• 처리 결과의 자동 저장
4교시: AI 업무자동화 실습
• Pandas 데이터와 생성형 AI 연동
• 데이터 내용의 자동 요약 및 분류
• AI 처리 결과를 DataFrame에 추가
• 처리 결과를 CSV 또는 Excel 파일로 저장
• 파이썬 기반 AI 업무자동화 프로그램 구현
교육 진행 방식
실습 중심 교육
이론 설명 후 Jupyter Notebook 및 Google Colab 환경에서 직접 코드를 작성하는 실습 중심으로 교육을 진행합니다.
단계별 데이터 분석 실습
데이터 수집, 전처리, 분석 및 시각화 과정을 단계적으로 실습하여 데이터 분석의 전체 흐름을 이해하도록 합니다.
AI 연계 업무자동화 실습
기존 데이터 분석 과정에서 학습한 Pandas를 생성형 AI API와 연결하여 데이터 처리 결과를 자동으로 생성하고 저장하는 실습을 진행합니다.
교육 효과 및 기대 지표
• 파이썬 기반 데이터 분석 및 객체 지향 프로그램 개발 역량 확보
• 데이터 수집, 전처리, 분석 및 시각화에 이르는 데이터 분석 파이프라인 이해
• NumPy, Pandas 및 Matplotlib을 활용한 데이터 분석 능력 향상
• API의 기본 구조와 파이썬 API 연동 방법 이해
• 생성형 AI를 활용한 데이터 요약·분류 및 정보 추출 능력 확보
• 반복적인 데이터 처리 업무를 자동화할 수 있는 실무 능력 향상
• 후속 AI·딥러닝·LLM 과정 수강을 위한 기초 역량 확보
수료 후 활용 분야
1) 제조 공정 데이터 전처리 및 자동화
로그 데이터 분석
Pandas를 활용하여 대량의 시스템 로그 데이터를 정리하고, 통계적으로 의미 있는 데이터를 추출하여 장비의 상태를 분석할 수 있습니다.
결측치 및 이상치 처리
수집된 데이터의 결측치와 이상치를 처리하여 분석 및 AI 학습에 활용할 수 있는 데이터 전처리 파이프라인을 구축할 수 있습니다.
분석 결과 자동 요약
데이터 분석 결과를 생성형 AI와 연동하여 주요 현황과 특이사항을 자동으로 요약할 수 있습니다.
2) 마케팅 및 시장 조사 데이터 수집
자동 데이터 수집
BeautifulSoup과 웹 크롤러를 활용하여 시장 동향이나 공개 데이터를 수집하고 저장할 수 있습니다.
데이터 분석 및 시각화
수집된 데이터를 Pandas로 분석하고 Matplotlib을 이용해 그래프로 시각화하여 데이터 기반 의사결정을 지원하는 자료를 제작할 수 있습니다.
고객 의견 자동 분류
고객 의견이나 설문 데이터를 생성형 AI API와 연결하여 문의, 불만, 칭찬 및 기타 유형으로 자동 분류할 수 있습니다.
3) 문서 및 데이터 업무자동화
데이터 자동 요약
CSV 또는 Excel 파일의 내용을 파이썬으로 불러온 후 생성형 AI를 활용하여 주요 내용을 자동으로 요약할 수 있습니다.
반복 업무 자동화
여러 파일의 데이터를 일괄적으로 정리·분석하고 처리 결과를 새로운 파일에 자동으로 저장할 수 있습니다.
AI 분석 결과 저장
AI가 생성한 요약, 분류 및 정보 추출 결과를 Pandas DataFrame에 추가하여 CSV 또는 Excel 파일로 저장할 수 있습니다.
4) 품질 관리 및 데이터 분석
데이터 품질 관리
Pandas를 활용하여 데이터의 오류, 중복, 결측치 및 이상치를 탐색하고 분석에 적합한 형태로 정제할 수 있습니다.
행렬 기반 고속 연산
NumPy를 활용하여 복잡한 배열과 행렬 구조의 데이터를 효율적으로 처리함으로써 대규모 데이터 분석의 효율성을 높일 수 있습니다.
교육과정 시간표
과정명 : 파이썬·생성형 AI 기반 데이터 분석 및 업무자동화
| 모듈 | 세부과정 | 시간 |
| 파이썬 기초 및 개발환경 | Python 소개 및 개발환경 설정, Jupyter Notebook 연동, Python Interpreter 사용, 변수와 자료형, 연산자, 문자열·리스트·튜플·딕셔너리, 조건문·반복문, 함수, 모듈 및 패키지 활용 | 12시간 |
| 객체지향 및 실무 Python | Class와 인스턴스, 생성자와 메서드, 상속, 파일 입출력, CSV·JSON 데이터 처리, OS·Pathlib을 이용한 파일 및 폴더 제어, 정규표현식 기초 | 6시간 |
| 데이터 수집 및 분석 | BeautifulSoup 설정, 웹 크롤링을 활용한 데이터 수집, Requests 활용, 수집 데이터 CSV/Excel 저장, NumPy 데이터 처리, Pandas DataFrame 생성·가공·분석, 데이터 정제, Matplotlib을 이용한 데이터 시각화 | 10시간 |
| Python 업무자동화 | openpyxl 또는 Pandas를 이용한 Excel 자동화, 여러 Excel 파일 통합·분리, 데이터 집계 및 보고서 자동 생성, 파일명 변경 및 폴더 자동 정리, PDF/텍스트 데이터 처리 개념, 이메일 발송 자동화, 웹 업무 자동화 개념, 정기 반복 업무 자동화 프로그램 제작 | 6시간 |
| 생성형 AI API 연동 및 AI 자동화 | 생성형 AI와 LLM 개념, API와 REST API 이해, API Key 및 환경변수 관리, Python requests를 이용한 API 호출, OpenAI 등 생성형 AI API 연동, Prompt 작성 및 응답 처리, JSON 구조화 출력, AI를 이용한 문서 요약·분류·정보 추출, Excel/Pandas 데이터와 AI 연동, AI 기반 업무자동화 Workflow 구축 | 4시간 |
| AI 업무자동화 미니 프로젝트 | 데이터 수집 → 분석 → AI 처리 → 보고서 생성까지 End-to-End 자동화, 예: 고객 의견 자동 분류, 회의록/문서 자동 요약, Excel 보고서 자동 작성, 웹 수집 데이터 AI 분석 및 결과 저장 | 2시간 |
| 합계 | 40시간 | |