로그인을 해주세요
Python을 활용한 소셜 빅데이터 분석
- 기간
- 90일
- 강의구성
- 77차시
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 : 21시간
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.
• 'II. 빅데이터 수집 및 분석 파트'에서 'API를 활용한 수집' 부분을 수강하시기 전에 준비 사항이 있습니다.
API를 이용한 데이터 수집 진행시 아래 사이트에서 수집을 진행합니다. 미리 방문해 보시고 회원가입하여 준비해주시기 바랍니다.
1. 공공데이터 포털 : data.go.kr
2. 오픈AI : platform.openai.com
• 강의 자료(교재, 실습 데이터 등) 및 교재 열람 방법은 강의실 내 [공지사항]과 [강의자료] 메뉴에서 확인하실 수 있습니다.
• 보안 정책에 따라, 담당자가 수강생의 회원 정보에 등록된 이메일 주소로 교재 열람 권한을 지정하며, 교육 과정 결제 후 1~2 영업일이 소요될 수 있습니다.
• 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
강의목차(총 77강)
-
1. 0) 강의소개 11분
- Ⅰ. Python: 1. 프로그래밍 입문
-
2. 1) 프로그래밍 언어 8분
3. 2) Why Python 5분
4. 3) 파이썬 설치 9분
5. 4) 파이썬 개발환경 16분
- Ⅰ. Python: 2. 기본 자료형
-
6. 1) 변수의 의미 14분
7. 2) 기본자료형 개요 10분
8. 3) 수치형 3분
9. 4) 문자형 : i. 문자형 14분
10. 4) 문자형 : ii. 문자형 처리함수(1) 16분
11. 4) 문자형 : ii. 문자형 처리함수(2) 23분
12. 5) 불리언 2분
13. 6) 형변환 11분
- Ⅰ. Python: 3. 자료 구조
-
14. 1) 개요 7분
15. 2) 리스트 : i. 리스트의 특징 18분
16. 2) 리스트 : ii. 리스트의 데이터 처리 22분
17. 3) 튜플 7분
18. 4) Set 14분
19. 5) 사전 19분
20. 6) 자료구조의 기타 특징(1) 19분
21. 6) 자료구조의 기타 특징(2) 17분
- Ⅰ. Python: 4. 흐름 제어
-
22. 1) 조건문 : i. 조건문 문법 23분
23. 1) 조건문 : ii. 조건문 활용 11분
24. 2) 반복문 : ⅰ. for 반복문 17분
25. 2) 반복문 : ⅱ. while 반복문 10분
26. 2) 반복문 : ⅲ. 반복문의 중첩 13분
27. 2) 반복문 : ⅳ. break/continue 12분
28. 3) 예외처리 19분
- Ⅰ. Python: 5. 함수
-
29. 1) 개요 10분
30. 2) 함수의 input, output 7분
31. 3) 함수의 return 값 19분
- Ⅰ. Python: 6. 파일 입출력
-
32. 1) 파일 읽기 : i. 파일 읽기 22분
33. 1) 파일 읽기 : ii. 파일 읽기 방식 17분
34. 2) 파일 쓰기 13분
- Ⅰ. Python: 연습문제1
-
35. [연습문제1] 조건문, 함수, 파일 입출력 32분
- Ⅰ. Python: 7. 클래스
-
36. 1) 클래스의 의미 19분
37. 2) 클래스의 생성 10분
38. 3) 클래스의 호출 6분
- Ⅰ. Python: 8. 모듈
-
39. 1) 모듈의 생성 10분
40. 2) 모듈의 사용 15분
41. 3) 내장모듈 35분
42. 4) 외부모듈 32분
- Ⅰ. Python: 연습문제2
-
43. [연습문제2] 내장 모듈-Random, DateTime 12분
- Ⅱ.빅데이터 수집 및 분석: 1. 빅데이터 수집 입문
-
44. 1) 빅데이터란 18분
45. 2) 개발환경 설정 10분
46. 3) 한글처리 28분
47. 4) 데이터 획득 방식의 종류 12분
- Ⅱ. 빅데이터 수집 및 분석: 2. Web Crawling
-
48. 1) 웹 크로울링의 원리 14분
49. 2) 기본적 웹 크롤링(1) : i. parsing 34분
50. 2) 기본적 웹 크롤링(1) : ii. 데이터 획득 11분
51. 2) 기본적 웹 크롤링(2) : i. 페이징 10분
52. 2) 기본적 웹 크롤링(2) : ii. requests 활용 11분
53. 2) 기본적 웹 크롤링(2) : iii. 게시판 제목 리스트 코드 리뷰 5분
54. 3) Beautiful soup 활용 방법 29분
55. 4) 동적 웹 크롤링 : i. 동적 데이터 수집 개요 8분
56. 4) 동적 웹 크롤링 : ii. Selenium을 이용한 추가 액션(1) 22분
57. 4) 동적 웹 크롤링 : ii. Selenium을 이용한 추가 액션(2) 14분
- Ⅱ.빅데이터 수집 및 분석: 3. API를 활용한 수집
-
58. 1) API를 이용한 데이터 획득 22분
59. 2) API를 이용한 데이터 수집 : i. arxiv 21분
60. 2) API를 이용한 데이터 수집 : ii. 공공데이터포털 23분
61. 2) API를 이용한 데이터 수집 : iii. openai 17분
- Ⅱ.빅데이터 수집 및 분석: 4. 빅데이터 전처리
-
62. 1) 개요 5분
63. 2) 형태소 분석 34분
64. 3) 데이터 구조화 : i. 문서 데이터 구조화 24분
65. 3) 데이터 구조화 : ii. 관계 데이터 구조화 23분
66. 4) NetMiner 데이터 입력 16분
- Ⅱ.빅데이터 수집 및 분석: 5. 텍스트 마이닝
-
67. 1) 단어빈도 분석 : i. 전체 단어 빈도 분석 26분
68. 1) 단어빈도 분석 : ii. 게시물 제목의 단어 빈도 실습 37분
69. 2) 문서별 핵심단어 분석 : i. TF-IDF 원리 8분
70. 2) 문서별 핵심단어 분석 : ii. TF-IDF 실습 42분
71. 2) 문서별 핵심단어 분석 : iii. TF-IDF 분석 시나리오 6분
- Ⅱ.빅데이터 수집 및 분석: 6. 소셜 네트워크 분석
-
72. 1) 네트워크 분석 개요 12분
73. 2) 소셜 네트워크 영향력 분석 실습 - 공저자 네트워크 분석 12분
- Ⅱ.빅데이터 수집 및 분석: 7. 기계 학습
-
74. 1) 단어 간 연관성 분석 : ⅰ. word2vec 원리 16분
75. 1) 단어 간 연관성 분석 : ⅱ. word2vec 실습코드와 활용분야 31분
76. 1) 단어 간 연관성 분석 : ⅲ. FASTTEXT와 word2vec 비교 및 실습 3분
77. 2) 토픽 모델링, LDA 16분