와우내일배움카드

과정 상세

• 과정개요
• 강사정보
• 강의목차
• 교재정보

• 과정개요

  과정소개

  LEVEL UP YOUR SKILLS

  "단순한 AI 활용을 넘어,
  데이터 분석의 정석을 마스터합니다"

  코드 복사에서 벗어나 AI의 판단 논리를 완벽히 이해하세요.

  이론만 배우는 지루한 강의는 이제 그만! 실제 데이터를 직접 만지고 분석하며
  AI가 문제를 해결하는 진짜 원리를 내 것으로 만드는 실습 중심 과정입니다.

  Point 01

  데이터 수집부터 전처리까지, 분석의 기초 체력 기르기

  실전 데이터를 직접 수집하고 정제해보며,
  파이썬 기반의 데이터 분석 파이프라인이 어떻게 흘러가는지 전체 과정을 완주합니다.

  

  Point 02

  AI의 '판단 논리'를 이해하는 핵심 수리 개념 학습

  경사하강법과 손실 함수 같은 AI의 핵심 학습 원리를 실습으로 풀어내어
  AI가 '왜' 그렇게 작동하는지 명확히 이해합니다.

  

  Point 03

  금융 실데이터로 직접 완성하는 AI 예측 프로젝트

  대출 여부 예측 모델 구축부터 비즈니스 인사이트 도출까지의 실전 로드맵을 완성합니다!

  

  신청 전 유의사항 안내

  [필독] 유의사항

  1. 본 과정은 AI 기초체력훈련(Pre AI-Campus) 과정 입니다. [자세히 보기]

  2. 본 과정은 중간평가 및 과제를 제출해 주셔야 합니다.

  문의사항 안내

  1. 1대1 게시판에 글 남겨주시면 담당자 확인 후 답변 드리며, 학습 내용 문의는 다소 답변이 늦어질 수 있습니다.

  2. 문의 시 회차정보(시간), 캡처 이미지 등을 남겨주시면 빠른 확인이 가능합니다.

  학습 참고사항

  1. 본 과정은 별도의 교재가 제공되지 않는 과정입니다.

  학습목표

  1. AI 문제 해결 프로세스(데이터 수집→EDA→전처리→모델링→해석)를 문제정의 관점에서 설계·실행할 수 있다.
  2. Python/Pandas 기반으로 공공데이터를 수집·정제·탐색(EDA)·전처리/Feature 설계까지 수행할 수 있다.
  3. 선형대수·미적분·통계 기반 개념을 실습으로 적용하여(예: loss/gradient, 분포 해석) 모델 이해에 필요한 수학적 기초를 체득할 수 있다.
  4. 회귀·분류 모델을 구축하고 평가지표(Precision/Recall 등) 해석 및 실무 이슈(과적합·불균형·데이터 누수 등) 대응까지 수행할 수 있다.
  5. 실전 프로젝트를 통해 모델 결과를 비즈니스 관점으로 해석·제시하고, 프로젝트 분석 로드맵을 완성할 수 있다.

  훈련대상

  - AI 도구 활용을 넘어 AI 기술 개발 분야로의 진입(직무 전환 포함)을 준비하는 훈련생(비전공자, 입문자 가능)
  - AI 애플리케이션 개발에 필요한 기초 역량(수학·통계, 데이터 처리, 모델 이해, API 연계)을 체계적으로 확보하고자 하는 훈련생
  - 공공데이터(Open API) 기반 실습을 통해 데이터 수집?EDA?전처리?모델링?평가/해석을 경험하고, 결과를 서비스/애플리케이션 관점으로 확장하고자 하는 훈련생
  - 기초 수학·통계 개념을 모델 학습 원리 및 성능평가 해석과 연결하여 학습하려는 훈련생
  - 실습형 학습을 지속적으로 수행할 의지가 있는 훈련생

• 강사정보

  

  강사 정보

  강사명	전윤범
  학력	- 고려대학교 경영학(재무관리)( 석사졸업 ) - 한양대학교 증권금융재무( 박사수료 )
  약력	전) 조흥은행 근무(외환실무, 기업분석) 전) 한국표준협회 전문위원(기획실무, 사업타당성 분석, 증권분석사) 전) 한국데이터산업진흥원 주관 금융빅데이터분석 전문가과정 2기 수료 현) 와우패스 / 유비온 금융자격과정 및 직무과정 다수 강의 현) 유비온 데이터&AI교육 R&D센터장 현) 서울대학교 공과대학 미래융합기술최고위과정 입학
  저서	완전정복 금융시장 매커니즘, 거시경제지표 분석 및 활용 알기 쉬운 외환의 이해, 금융상품의 이해, 금융상품 비교분석 증권투자상담사 외 다수의 핵심요약 및 문제집

• 강의목차

  1. 1회차 [기본준비] 컴퓨팅사고(CT) 기반 문제정의
  2. 2회차 [기본준비] AI 리터리시 & AI 법률과 윤리
  3. 3회차 [기본준비] 개발환경 구축 및 Python 핵심 문법 실습
  4. 4회차 [기본준비] 데이터 처리 기본 실습과 Label Encoding
  5. 5회차 [기본준비] 공공데이터 Open API수집·EDA
  6. 6회차 [기본준비] 데이터 전처리와 모델링 준비
  7. 7회차 [기본준비] Feature Engineering/ 상관분석, 히트맵
  8. 8회차 [기초수학] 선형대수 기초: 벡터·행렬·내적·유사도 이해
  9. 9회차 [기초수학] 행렬곱(WX+B) 기반 모델 구조 이해
  10. 10회차 [기초수학] 미적분 기반 Loss·Gradient Descent(경사하강법)
  11. 11회차 [기초수학] 통계 기초: 기술통계 & 분포 이해
  12. 12회차 [모델링] 머신러닝 지도학습(Supervised Learning) 회귀Regression (Analysis)
  13. 13회차 [모델링] 머신러닝 지도학습(Supervised Learning) 분류(Classification (Analysis)) 이해 및 성능평가
  14. 14회차 [모델링] Tree 기반 Model
  15. 15회차 [모델링] 분류분석의 핵심 메커니즘
  16. 16회차 [모델링] 분류 모델 평가 심화
  17. 17회차 [분류및평가] 신경망 구조 이해 (1)
  18. 18회차 [분류및평가] 신경망 구조 이해 (2)
  19. 19회차 [분류및평가] 신경망 학습 구조
  20. 20회차 [분류및평가] 공공데이터 기반 분류 신경망 모델 구축(실습)
  21. 21회차 [프로젝트실습] 프로젝트 기획
  22. 22회차 [프로젝트실습] 프로젝트 실습(1)
  23. 23회차 [프로젝트실습] 프로젝트 실습(2)

• 교재정보