<aside> 💡 *LearnAnalyticsGPT에서 생성한 내용과 참고자료들을 정리했습니다. 오른쪽 상단의 복제(Duplicate) 버튼을 눌러 자신만의 노트를 만들어 정리할 수도 있습니다!*

</aside>

데이터 분석 도입

1. 데이터 분석 개요

2. 데이터 분석 과정

3. 데이터 분석을 위한 프로그래밍 언어 소개 - Python과 R 소개 및 비교

4. 데이터 분석 주요 라이브러리 소개

통계학

5. 기술통계학 개요

6. 중심 경향치 (Measures of Central Tendency)

7. 변동성 측정 (Measures of Variability)

8. 확률의 기본 개념

9. 확률 분포 (Probability Distributions)

10. 신뢰구간 (Confidence Intervals)

11. 추론 통계학 개요

12. 가설검증 - 개념과 절차

13. 성능 지표 P-value

14. t-검정 (t-Tests)

15. 분산 분석(ANOVA)

16. 회귀분석 (Regression Analysis)

17. 상관관계와 인과관계

머신러닝

18. 머신러닝 개요

19. 지도학습 vs. 비지도학습 vs. 강화학습

20. 회귀분석 기초

21. 분류분석 기초

22. 선형회귀 (Linear Regression)

23. 로지스틱 회귀 (Logistic Regression)

24. 의사결정나무 (Decision Trees)

25. 랜덤 포레스트 (Random Forests)

26. 그라디언트 부스팅 (Gradient Boosting)

27. 클러스터링 (Clustering)

28. 주성분 분석 (Principal Component Analysis)

29. 연관규칙 학습 (Association Rule Learning)

30. 강화학습 개요 ( Reinforcement Learning)

31. 데이터 전처리 (Data Preprocessing)

32. 시각화 기초 (범주형 데이터)

33. 시각화 기초 (수치형 데이터)

34. Matplotlib 기초

35. Seaborn 라이브러리로 시각화

36. 피처 엔지니어링

37. 모델 평가지표

38. 하이퍼 파라미터 테스팅

39. 교차검증 (Cross Validation)

40. 앙상블 기법

딥러닝

41. 딥러닝 개요

42. 딥러닝 프레임워크

43. 손실함수와 최적화 알고리즘 (Optimizer)

44. 인공신경망 훈련 (기초)

45. 과적합과 일반화

46. Convolutional Neural Networks (CNN)

47. Recurrent Neural Networks (RNN)

48. 이미지 인식

49. 시계열 분석

50. NLP 기초

참고자료

온라인 리소스 및 강의

ChatGPT x 데이터 분석

데이터 분석 과정 프롬프트

Untitled