- 데이터 사이언스란?(데이터 분석의 기초)

- 왜 배워야할까?(데이터 분석이 중요한 이유)

- 데이터 사이언스의 개념(데이터 분석의 학문적인 접근)

- 데이터 사이언스 로드맵

- 데이터 사이언스의 절차 (데이터 전문 분석의 절차)

- 데이터 사이언티스트란?(데이터 분석 전문가의 역할)

- 데이터 사이언스의 활용(산업별 데이터 분석 사례)

- 데이터 사이언스 통계 주요 용어 및 상식(데이터 분석을 위한 통계 주요 용어 및 상식 소개)

- 통계 주요 용어(통계의 기본이 되는 주요 용어 소개)

- 통계 주요 상식(통계를 이해하기 위한 기본 상식)

- 통계 기법 유형(통계 방법 유형)

- 베이즈 정리

- Monte Carlo Method

- 정규분포

- 추정이론

- 가설검정

- 주성분 분석

- 데이터 프레임 다루기

- 파이썬 패키지란?

- 파이썬 패키지 종류

- 기본 패키지

- 데이터 분석을 위한 패키지

- 머신러닝 패키지

- 데이터 전처리 패키지

- 기타 패키지

- DataFrame이란?

- DataFrame을 배우는 이유

- DataFrame 실습 1

- DataFrame 실습 2

- DataFrame 실습 3

- Pandas 실습

- Numpy 실습 1

- Numpy 실습 2

- Numpy 실습 3 /|

- DataFrame 과제

- DataFrame 과제 해설

- 데이터 시각화

- 데이터 시각화란?

- 데이터 시각화의 절차

- 도표 분석 방법 비교와 비율 분석

- 비교와 비율 분석 구성요소

- 도표 분석 방법 동향과 패턴 분석

- 도표 분석 방법 관계와 연관 분석

- 동향과 패턴 분석 구성요소

- 데이터 시각화를 위한 파이썬 패키지

- 데이터 시각화 결과물

- 데이터 시각화 실습 1

- 데이터 시각화 실습 2

- 데이터 시각화 과제

- 데이터 크롤링

- 데이터 형태에 따른 수집

- 데이터 수집 방법의 종류

- 데이터 종류별 연동방법

- HTTP 수집

- 로그/센서 수집

- DBMS 수집

- FTP 수집

- 데이터 크롤링 실습

- Selenium 실습

- 데이터 퀄리티 기준

- 데이터 분석의 절차

- 데이터 분석 모델

- 데이터 품질

- 데이터 품질 진단 프로세스

- 좋은 데이터의 특성

- 데이터 전처리란?

- 데이터 전처리 절차

- SSDP

- 이상값 사례

- 데이터 전처리 방법

- 데이터 전처리 방법1

- 데이터 전처리 방법2

- 데이터 전처리 방법3

- 데이터 전처리 실습1

- 데이터 전처리 실습2

- 데이터 전처리 실습3

- 데이터 전처리 실습4