컨텐츠 내용
- 수강신청
- 과정정보
Python을 활용한 소셜 빅데이터 분석

수강 신청 전 주의 사항
1. 수강 기간
- 결제 완료일로부터 정해진 수강 기간 동안 무제한 복습 가능하며, 수강 기간이 종료된 이후에는 동영상 재생이 불가능합니다.
2. 수료증 발급
- 수강 기간 내 교육과정 진도율 100% 이수, 설문 작성을 완료하면 수료증을 발급받을 수 있습니다.
- ‘나의강의실’ > ‘증명서발급’에서 발급받을 수 있습니다.
3. 동영상 재생 기기 대수 제한
- 최초 동영상 재생 시 사용한 기기가 자동으로 등록됩니다.
- 계정당 3개의 기기(PC, 모바일, 태블릿 등 기타)까지만 등록 가능하며, 이에 대한 부주의로 인한 기기변경은 불가능합니다.
※ 중국 생산용 휴대폰기기(샤오미 등) 및 LG유플러스 홈보이 제공용 G패드 기기 등 자체 튜닝 기기는 시청이 불가할 수 있습니다.
4. 세금계산서 발급
- 세금계산서가 필요하신 분은 결제 시 무통장 입금 방식을 선택해 주시고, ‘주문요청’란에 기재해 주시기 바랍니다.
- edu@cyram.com으로 사업자등록증을 첨부, 발급받으실 이메일 주소를 기재하여 보내주시기 바랍니다.
5. 대학(원)생 할인 제도
- 전일제 대학(원)생은 수강 신청 전에 학생 증빙자료를 제출해 주시면 수강료의 40% 할인된 가격으로 수강하실 수 있습니다(할인 쿠폰 발급).
- 수강하고자 하는 교육과정명과 학생증, 재학증명서 등 현재 학생임을 증빙할 수 있는 자료를 ‘학습지원’ > ‘대학(원)생자료실’에 비공개로 올려주시기 바랍니다.
- 관리자가 증빙자료를 확인하고 할인 쿠폰을 발급할 때까지 영업일 기준 1~2일 소요될 수 있습니다.
- 1년 이상 과거 시점의 재학증명서 또는 수료증명서, 학위증 등은 대학(원)생 할인을 받으실 수 없습니다.
무엇을 배우나요?
• Python 언어를 이용하여 소셜 빅데이터를 수집하고 분석하기 위한 문법
• 소셜 빅데이터 수집 방법 – 웹크로울링, API를 이용한 수집
• 소셜 빅데이터 분석 방법 – 텍스트마이닝, 소셜네트워크분석, 머신러닝
강좌 내용 및 설명
- 인문·사회과학자로서 데이터 과학자(data scientist)가 되고 싶습니까?
- 데이터를 자유자재로 다루는 경쟁력 있는 연구자가 되고 싶습니까?
- 아직 SNS 데이터를 '복사+붙여넣기'로 모으고 계십니까?
- 엑셀이 지원하지 않는 기능 때문에 고민하고 계십니까?
- 통계 패키지로 SNS 데이터를 분석하여 얻을 수 있는 것이 별로 없습니까?
• 본 과정은 빅데이터 분석에 적합한 프로그래밍 언어인 파이썬(Python)을 활용하여 웹, SNS 등 소셜 빅데이터를 직접 수집하고, 가공하고, 분석
해보는 교육 과정입니다. 파이썬 프로그래밍 실습을 ‘따라하기’ 형식으로 진행하여 프로그래밍 경험이 없는 인문, 사회과학 연구자들이 쉽게 학습
할 수 있습니다. 본 과정을 수강하시면 파이썬 습득 + 데이터 수집 + 빅데이터 분석이 모두 가능해 집니다.
"파이썬을 이용한 소셜 빅데이터 분석 기초 교육"으로 데이터 과학자가 되는 첫걸음을 떼어보세요.
• 간결하며 활용도 높은 파이썬으로 쉬운 프로그래밍 실습
• 소셜 빅데이터의 수집, 처리, 분석까지 전 과정의 기초 쌓기
• 총 교육시간 : 23시간
요구사항
• 본인의 트위터 계정을 준비해야 합니다(휴대전화번호 인증까지 완료된 계정).
• NetMiner를 연동해서 사용하는 교육 내용 포함되어 있습니다. 수강신청 후 강의실 내에서 교육용 넷마이너를 다운로드 받아서 설치해 주시기 바랍니다.
• 선수 과목 : NetMiner 소개와 기초 사용법 교육(무료)
수강 대상자
• 데이터 분석에 대한 기초적인 지식은 있으나, 프로그래밍 경험이 전혀 없는 분
• SNS 데이터를 비롯한 다양한 소셜 빅데이터 분석 관심자
• 파이썬을 쉽게 배우고 싶은 분
강사 정보
고영진 - ㈜사이람 수석연구원
차시 | 강의명 |
---|---|
1차시 | 0) 강의소개 |
Ⅰ. Python: 1. 프로그래밍 입문 | |
2차시 | 1) 프로그래밍 언어 |
3차시 | 2) Why Python |
4차시 | 3) 파이썬 설치 |
5차시 | 4) 파이썬 개발환경 |
Ⅰ. Python: 2. 기본 자료형 | |
6차시 | 1) 변수의 의미 |
7차시 | 2) 기본자료형 개요 |
8차시 | 3) 수치형 |
9차시 | 4) 문자형 : i. 문자형 |
10차시 | 4) 문자형 : ii. 문자형 처리함수(1) |
11차시 | 4) 문자형 : ii. 문자형 처리함수(2) |
12차시 | 5) 불리언 |
13차시 | 6) 형변환 |
Ⅰ. Python: 3. 자료 구조 | |
14차시 | 1) 개요 |
15차시 | 2) 리스트 : i. 리스트의 특징 |
16차시 | 2) 리스트 : ii. 리스트의 데이터 처리 |
17차시 | 3) 튜플 |
18차시 | 4) Set |
19차시 | 5) 사전 |
20차시 | 6) 자료구조의 기타 특징(1) |
21차시 | 6) 자료구조의 기타 특징(2) |
Ⅰ. Python: 4. 흐름 제어 | |
22차시 | 1) 조건문 : i. 조건문 문법 |
23차시 | 1) 조건문 : ii. 조건문 활용 |
24차시 | 2) 반복문 : ⅰ. for 반복문 |
25차시 | 2) 반복문 : ⅱ. while 반복문 |
26차시 | 2) 반복문 : ⅲ. 반복문의 중첩 |
27차시 | 2) 반복문 : ⅳ. break/continue |
28차시 | 3) 예외처리 |
Ⅰ. Python: 5. 함수 | |
29차시 | 1) 개요 |
30차시 | 2) 함수의 input, output |
31차시 | 3) 함수의 return 값 |
Ⅰ. Python: 6. 파일 입출력 | |
32차시 | 1) 파일 읽기 : i. 파일 읽기 |
33차시 | 1) 파일 읽기 : ii. 파일 읽기 방식 |
34차시 | 2) 파일 쓰기 |
Ⅰ. Python: 연습문제1 | |
35차시 | [연습문제1] 조건문, 함수, 파일 입출력 |
Ⅰ. Python: 7. 클래스 | |
36차시 | 1) 클래스의 의미 |
37차시 | 2) 클래스의 생성 |
38차시 | 3) 클래스의 호출 |
Ⅰ. Python: 8. 모듈 | |
39차시 | 1) 모듈의 생성 |
40차시 | 2) 모듈의 사용 |
41차시 | 3) 내장모듈 |
42차시 | 4) 외부모듈 |
Ⅰ. Python: 연습문제2 | |
43차시 | [연습문제2] 내장 모듈-Random, DateTime |
Ⅱ.빅데이터 수집 및 분석: 1. 빅데이터 수집 입문 | |
44차시 | 1) 빅데이터란 |
45차시 | 2) 개발환경 설정 |
46차시 | 3) 한글처리 |
47차시 | 4) 데이터 획득 방식의 종류 |
Ⅱ.빅데이터 수집 및 분석: 2. Web Crawling | |
48차시 | 1) 웹 크로울링의 원리 |
49차시 | 2) 기본적 웹 크롤링(1) : i. 데이터 획득 |
50차시 | 2) 기본적 웹 크롤링(1) : ii. parsing |
51차시 | 2) 기본적 웹 크롤링(2) : i. 페이징 |
52차시 | 2) 기본적 웹 크롤링(2) : ii. requests 활용 |
53차시 | 3) Beautiful soup 활용 방법 : i. HTML 구조의 이해 |
54차시 | 3) Beautiful soup 활용 방법 : ii. Web element parsing |
55차시 | 3) Beautiful soup 활용 방법 : iii. 크롬 개발자 도구 |
56차시 | 4) 동적 웹 크롤링 : i. 동적 데이터 수집 개요 |
57차시 | 4) 동적 웹 크롤링 : ii. Selenium을 이용한 추가 액션(1) |
58차시 | 4) 동적 웹 크롤링 : ii. Selenium을 이용한 추가 액션(2) |
Ⅱ.빅데이터 수집 및 분석: 3. API를 활용한 수집 | |
59차시 | 1) API란 |
60차시 | 2) API를 이용한 데이터 수집 |
61차시 | 3) Twitter 데이터 수집 절차 : i. Tweepy를 이용한 트위터 데이터 수집 |
62차시 | 3) Twitter 데이터 수집 절차 : ii. Oauth인증 |
63차시 | 3) Twitter 데이터 수집 절차 : iii. 트위터 데이터 수집 실습 |
Ⅱ.빅데이터 수집 및 분석: 4. 빅데이터 전처리 | |
64차시 | 1) 개요 |
65차시 | 2) 형태소 분석 |
66차시 | 3) 데이터 구조화 : i. 문서 데이터 구조화 |
67차시 | 3) 데이터 구조화 : ii. 관계 데이터 구조화 |
68차시 | 4) NetMiner 데이터 입력 |
Ⅱ.빅데이터 수집 및 분석: 5. 텍스트 마이닝 | |
69차시 | 1) 단어빈도 분석 : i. 전체 단어 빈도 분석 |
70차시 | 1) 단어빈도 분석 : ii. 게시물 제목의 단어 빈도 실습 |
71차시 | 2) 문서별 핵심단어 분석 : i. TF-IDF 원리 |
72차시 | 2) 문서별 핵심단어 분석 : ii. TF-IDF 분석 시나리오 |
Ⅱ.빅데이터 수집 및 분석: 6. 소셜 네트워크 분석 | |
73차시 | 1) 네트워크 분석 개요 |
74차시 | 2) 소셜 네트워크 영향력 분석 실습 |
Ⅱ.빅데이터 수집 및 분석: 7. 기계 학습 | |
75차시 | 1) 단어 간 연관성 분석 : ⅰ. word2vec 원리 |
76차시 | 1) 단어 간 연관성 분석 : ⅱ. word2vec 실습코드와 활용분야 |
77차시 | 1) 단어 간 연관성 분석 : ⅲ. FASTTEXT와 word2vec 비교 및 실습 |
78차시 | 2) 토픽 모델링, LDA |