NCS교과
|
교과목
|
소주제
|
세부교육내용
|
데이터 시각화
|
빅데이터 분석
결과 시각화
|
분석 결과 스토리텔링하기
|
- 분석 결과 유형 및 활용 목적
- 데이터 분석 대상 업무 도메인(Domain)
- 시각화 구축의 목적과 사용 의도, 시각화 시스템 작동 방식
- 스토리보드 작성 프로세스, 스토리보드 활용 방안
|
분석 정보 시각화하기
|
- 시각화 기술 및 알고리즘, 데이터 분석 대상 업무
- 시각화 정보 구조 및 구성 요소,
- 시각화 구축의 목적과 사용 의도, 시각화 시스템 작동 방식
- 화면구성 특징에 따른 시각화 기법, 시각화 표현 기법
- UX(User Experience) 설계 방법론
- 효과적인 컬러 및 폰트 사용법, 시각화 디자인 원칙
|
정보 시각화 구현하기
|
- 자크 베르탱(Jacques Bertin)그래픽 7요소
- 시각화 도구 사용, 디자인 기법 일반
- 효과적인 컬러 및 폰트 사용법
- 시각화 디자인 원칙 및 원리, 인터렉션 방식
- 시각정보 디자인 7원칙, UX [User Experience] 설계 방법론
- 시각화 기획, 모델링, 디자인 결과물 분석 방법론
|
분석용 데이터 구축
|
데이터 정제하기
|
- 데이터 정제 절차, 필요 데이터 식별, 데이터 분포
- 레거시 시스템, 데이터베이스 구축 방법론, 메타데이터
|
데이터 변환 적재하기
|
- 정형, 비정형, 반정형 데이터의 변환 및 적재
- 데이터 변환 및 적재에 대한 방법론
- ETL(Extract Transformation Load)
- ETT(Extract Transformation Transfer)
- 비정형데이터의 정형데이터 변환 방법
- 반정형데이터의 정형데이터 변환 방법
- 메타데이터, 데이터 데이블 정의서 및 데이터 맵핑정의서
|
데이터 검증하기
|
- 데이터 사전 구조, 데이터 검증 절차에 대한 방법론
- 개인정보보호 등의 데이터관련 법규정
- 데이터의 품질 유형 적용, 데이터 정합성 점검 방법
|
탐색적 데이터 분석
|
기본통계 확인하기
|
- 기술통계법, 데이터 분석 대상 업무 영역
- 데이터 마이닝 목적, 표본 추출 기법, 자료 측정 방법
|
데이터 분포 분석하기
|
- 분석 모형 설계 기법, 분석 모형 조정 기법,
- 분석 모형 검증 기법, 분석 모형 및 데이터 최적화
- 분석 모형 테스트 환경 구축, 분석 모형 테스트 절차 설계
- 분석 모형 테스트 수행 및 결과 분석
- 통계학, 데이터 분석 대상 업무 영역, 데이터 마이닝 목적
|
변수간 관계 확인하기
|
- 분석 모형 설계 기법, 분석 모형 조정 기법,
- 분석 모형 검증 기법, 분석 모형 및 데이터 최적화
- 분석 모형 테스트 환경 구축, 분석 모형 테스트 절차 설계
- 분석 모형 테스트 수행 및 결과 분석
- 통계학, 데이터 분석 대상 업무 영역, 데이터 마이닝 목적
|
빅데이터 분석
|
텍스트 데이터 분석
|
텍스트 데이터 변환하기
|
- 텍스트 문장의 형태소 분석, 문장의 문법과 언어적 문맥
- 필요한 단어를 추출해 낼 수 있는 텍스트 처리 방법
- 문장 의미 분석, 자연어 처리 이론
- 단어 빈도 집계 및 연관성 분석
|
텍스트 데이터 분석 수행방법 계획하기
|
- 조직의 전략 방향 및 비즈니스 목표
- 현업 업무 및 수행 프로세스, 텍스트 마이닝 기법
- 해당 언어에 대한 문법 및 문장구조
|
텍스트 데이터 분류 결과 분석하기
|
- 현업 업무 및 수행 프로세스, 통계학 기반의 분석방법론
- 분류 및 예측 위한 머신러닝 기법
- 워드 클라우드 및 문서 클러스터링 기법
- 최신 분석 기법 발전 트렌드와 연구 동향
- 최신 텍스트 처리 기법 발전 트렌드와 연구 동향
|
정형 데이터 결합 분석 수행하기
|
- 현업 업무 및 수행 프로세스,
- 프로세스 및 조직 업무 처리 방식
- 통계학 및 머신러닝 기반의 분석 모델링
- 모델 정확도 및 예측력을 향상시키기 위한 파라미터 조절
- 조직내 IT 인프라 및 시스템, 데이터 시각화 및 인포그래픽스
|
머신러닝기반
데이터 분석
|
머신러닝 수행방법 계획하기
|
- 해당 산업분야, 조직의 전략 방향
- 현업 업무 및 수행 프로세스, 통계학 기반의 분석방법론
- 머신러닝 기법의 목표, 비즈니스 목표
|
데이터셋 분할하기
|
- 과적합과 모델 설명력, 표본 샘플링에 대한 통계방법
- 분석 목적과 데이터셋 특성별로 적합한 분할 k 값
- 교차검증 방법론, 모델 평가 메트릭
- 머신러닝 기법별 적합한 데이터 분할 기준
|
지도학습 모델 적용하기
|
- 현업 업무 및 수행 프로세스, 통계학 기반 분석방법론
- 선형대수 및 미적분, 최적화 등의 수학이론
- 분류 모델을 위한 지도학습 머신러닝 기법
- 예측 모델을 위한 지도학습 머신러닝 기법
- 최신 머신러닝 기법 발전 트렌드와 연구 동향
|
자율학습 모델 적용하기
|
- 현업 업무 및 수행 프로세스, 통계학 기반의 분석방법론
- 군집화 위한 머신러닝 기법, 차원 축소 관련 수학적 기법
- 연관성 및 패턴화 관련 머신러닝 기법
- 최신 머신러닝 기법 발전 트렌드와 연구 동향
|
모델 성능 평가하기
|
- 현업 업무 및 수행 프로세스
- 예측값과 실제값 비교를 위한 혼돈 매트릭스 표
- 참 긍정, 참 부정, 거짓 긍정, 거짓 부정 분류
- 머신러닝 모델 평가 지표
- 모델 정확도 및 예측력을 향상시키기 위한 모델 파라미터 조절
- 모델 성능 검증 위한 데이터셋 분할 및 부트스트래핑 등의 샘플링 기법
|
학습결과 적용하기
|
- 해당 산업분야, 조직의 전략 방향, 현업 업무 및 수행 프로세스
- 프로세스 및 조직 업무 처리 방식,
- 조직내 IT 인프라 및 시스템
|
통계기반 데이터 분석
|
가설 설정하기
|
- 분석 모델의 예측력(Accuracy),분석 모델의 안정성(Robustness)
- 분석 모델의 호율성(Efficency),
- 추측통계법, 통계처리 결과에 대한 해석
|
통계 모델 개발하기
|
- 각 분석기법에 대한 통계학 이론
- 분석결과에 대한 통계적 해석 및 업무적용, 빅데이터 분석방법론
- 분석대상 데이터의 구조 및 비즈니스적 의미
- 분산병렬처리, 하둡 에코시스템
|
통계 모델 평가 검증하기
|
- 빅데이터 분석 및 평가방법론
- 모델의 예측력, 모델의 안정성, 모델의 효율성
- 통계학, 품질관리, 품질보증
|
빅데이터 운영
|
빅데이터 처리 운영
|
빅데이터 처리 환경 파악하기
|
- 비즈니스 도메인 지식, 빅데이터 처리 대상 데이터 속성
- 빅데이터 처리 솔루션 사용방법, 빅데이터 처리 적용 프로세스
- 빅데이터 처리 검증 방법
|
빅데이터 처리 대응하기
|
- 실시간 데이터 소스의 특성,분산 데이터 처리 플랫폼의 원리
- 분산 클러스트링 플랫폼의 원리
- 인메모리(In-Memory) 컴퓨팅의 원리
- 이벤트 기반 아키텍처(Event-Driven Architecture) 개념
|
빅데이터 시스템 개발
|
빅데이터
분석시스템 개발
|
빅데이터
분석시스템 설계하기
|
- 빅데이터 분석 방법, 빅데이터 시각화 기법
- 빅데이터 분석 도구 및 시각화 도구
- 정보시스템 구축 방법론, 설계서 작성요령
- 빅데이터 분석 프로세스 이해, 데이터 분석 알고리즘 이해
|
빅데이터
분석시스템 구성하기
|
- 빅데이터 분석 방법, 빅데이터 시각화 기법
- 정보시스템 구축 방법론, 빅데이터 분석 프로세스 이해
|
빅데이터
분석모듈 개발하기
|
- 빅데이터 분석 방법, 빅데이터 시각화 기법
- 정보시스템 구축 방법론,
- 빅데이터 분석 프로세스 이해, 분석모델 이해
|
빅데이터
처리시스템 개발
|
빅데이터
처리시스템 설계하기
|
- 데이터 특성 및 규모에 따른 처리 방식 설계 기법
- 데이터의 서비스 특성에 따른 처리 모듈 구성 방식
- 분산 데이터 저장 구조, 분산 데이터 처리 기법
- 빅데이터 처리시스템 검증 기법
|
빅데이터
처리시스템 구성하기
|
- 분산 데이터 저장 구조, 분산 데이터 처리 기법
- 데이터웨어하우스 데이터 처리 기법
- 정형, 준정형, 비정형 데이터 처리 기법
- 하드웨어와 운영체제 등 플랫폼
|
분산처리 수행모듈 개발하기
|
- 분산 데이터 저장 구조, 분산 데이터 처리 기법
- 정형, 준정형, 비정형 데이터 처리 기법
- 정보시스템 구축 방법론, 정보시스템 개발 생명주기
|
실시간 수행모듈 개발하기
|
- 실시간 처리 대상 선정 방식,
- 실시간 트랜잭션 데이터 처리 기법
- 인 메모리 컴퓨팅 기법, 정보시스템 구축 방법론
- 정보시스템 개발 생명주기
|
이벤트처리 수행모듈 개발하기
|
- 이벤트 감지 및 처리 기법, 스트림 데이터 처리 기법
- 인 메모리 컴퓨팅 기법, 정보시스템 구축 방법론
- 정보시스템 개발 생명주기
|
빅데이터
저장시스템 개발
|
빅데이터
저장모델 설계하기
|
- 데이터 특성 및 규모에 따른 저장 방식 설계 기법
- 데이터의 서비스 특성에 따른 데이터베이스 구성 방식
- 사용자의 권한에 따라 접근제어 방법
- 개인정보보호법 적용기준, 관계형 데이터 모델링 기법
- 데이터웨어하우스 설계 기법, NoSQL 설계 기법
|
빅데이터
저장관리시스템 구성하기
|
- 관계형 데이터 저장관리 기법, 데이터웨어하우스 저장관리 기법
- 정형, 준정형, 비정형 데이터 저장관리 기법
- NoSQL 설치 및 설정 절차, 하드웨어와 운영체제 등 플랫폼
|
빅데이터
적재모듈 개발하기
|
- 데이터 저장모델의 이해
- 데이터웨어하우스 저장 기법, 관계형 데이터베이스 저장 기법
- NoSQL을 활용한 비정형 데이터 저장 기법
- 분산저장시스템 저장 기법, 하드웨어와 운영체제 등 플랫폼
|
빅데이터
수집시스템 개발
|
빅데이터
수집시스템 설계하기
|
- 관계형 데이터 모델링 방법, 데이터웨어하우스 설계 방법
- NoSQL 활용 방법, 정형, 준정형, 비정형 데이터 수집 방법
|
빅데이터
수집시스템 구성하기
|
- 관계형 데이터 모델링 방법, 데이터웨어하우스 설계 방법
- NoSQL 활용 방법, 정형, 준정형, 비정형 데이터 수집 방법
|
빅데이터
수집·변환 모듈 개발하기
|
- 관계형데이터 수집·변환 관리 기법
- 데이터웨어하우스 수집·변환관리 기법
- 정형, 준정형, 비정형 데이터 수집·변환관리 기법
- 웹서버 사용법 및 설정파일, 로그관련 지식
- 하드웨어와 운영체제 등 플랫폼에 대한 지식
|
수집 데이터
검증모듈 개발하기
|
- 데이터 유효성 검증 방법
- 정보시스템 구축방법론, 정보시스템 개발생명주기
|
객체지향 언어
|
프로그래밍 언어활용
|
자바의 기본 문법
|
- 식별자, 자료형, 연산자, 제어문, 배열 등을 통한 자바 기본 알고리즘과 로직을 학습
|
클래스와 객체
|
- 객체지향 개념 이해, 클래스 설계, 상속, 자바 메모리 구조- 내무 클래스 활용
|
자바의 클래스들
|
- 패키지와 예외처리, 래퍼클래스, 제너릭과 컬렉션- utill 패키지 클래스 및 쓰래드의 기본 문법, 동기화
|
I/O 및 네트워크 프로그래밍
|
- 자바 InputStram, OutputStram 객체기반의 바이트 스트림과 문자 스트림 학습- ObjectStream을 사용한 직렬화와 역직렬화 처리방법
|
C/S 프로그래밍
|
- TCP/IP의 개념 서버, 클라이언트의 소켓 프로그래밍 학습
|
GUI Programming
|
- 이벤트와 레이아웃 처리, Swing의 클래스, 그래픽 클래스 학습
|
JSP&Servlet
|
데이터 입출력 구현
|
Servlet
|
- 서블릿 특징, 서블릿 라이프 사이클- 폼전송방식(POST, GET) 서블릿 컨테이너의 아키텍쳐 분석 및 활용 - Redirct와 Forward의 차이점 분석 및 적용 WAS의 Connection Pool 이해와 적용
|
JSP
|
- JSP페이지 구성요소, JSP의 내장객체, EL/JS시, 파일업로드- MODEL1 개발 및 유지보수 환경분석
|
서버프로그램 구현
|
MVC 구현
|
- MVC 패턴에 대한 이해와 최적화된 Model2의 구조설계- Model2 구조를 이용한 MVC 패턴 구현 및 개발
|
프레임워크
|
인터페이스 구현
|
Spring Ioc/DI
|
- 스프링 컨테이너의 개념, 환경설정, IOC 컨테이너의 구조분석- 스프링 모듈간의 의존성 분석, 객체간의 의존성과 DI 문법, 이노테이션과 자동와이어링
|
Spring AOP
|
- 관점지향적인 프로그래밍 분석 및 설계, AOP 문법 및
실무중심의 보안처리 - 로깅 처리 방법을 학습
|
통합 구현
|
Spring MVC
|
- Spring MVC에서의 환경설정과 아키텍쳐 분석 /
Controller와 ModelAndView에 대한 처리- ViewResolver 클래스에 대한 처리기법 / Spring MVC
기반의 데이터 처리
|
Spring ORM
|
- Spring에서의 MyBatis와의 연동 처리- Spring MVC에서의 MyBatis 연동으로 CRUD 프로그래밍 학습
|
데이터베이스
|
SQL활용
|
DBMS의 개요
|
- DBMS의 개요, 종류, Oracle 10g
|
SQL
|
- SQL이란, DML/D이, 조인, 서브쿼리사용 및 뷰와 인덱스 처리
|
데이터베이스 구현
|
PL/SQL
|
- PL/SQL문법, 커서의정의, 프로시져, 함수를 사용한 처리, 크리거
|
DB 모델링
|
- DB 모델링 개념, 정규화, DB 모델링
|
웹표준
|
웹표준
|
HTML5
|
- HTML5개요, 텍스트관련태그, 링크태크
- 이미지 멀티미디어 사용, 입력양식태그
|
CSS3
|
- CSS개요, CSS의 우선순위,선택자,속성에 대한 이해
- 스타일제어, 레이아웃 및 박스모델 제어
|
Javascript
|
- 자바스크립트기초문법
- 자바스크립트객체와 함수, 자바스크립트 이벤트
|
JQuery
|
- jQuery 문서객체와 선택자
- jQuery 이벤트, jQuery Ajax
|
1차
데이터 분석
팀 프로젝트
|
1차
데이터 분석
팀 프로젝트
|
프로젝트 기획
|
- 주제 선정, 요구분석
- 분석 결과 서비스 개발 계획, 프로젝트 일정계획
|
데이터 수집 및 저장
|
- 정형 데이터 수집 및 저장, 블로그 데이터 수집 및 저장
- 포털 API를 활용한 데이터 수집 및 저장
- SNS API를 활용한 데이터 수집 및 저장
- 정부 3.0 공공데이터 포털 API를 활용한 데이터 수집 및 저장
|
데이터 탐색 및 분석
|
- 데이터 셋 분류 및 생성, 데이터 모델 설계 및 구현
- 절차적 통계 분석, 탐색적 데이터 분석,
- 텍스트 마이닝 및 형태소 분석
|
서비스 개발 및 시각화
|
- 서비스 개발 환경 구축
- 서비스 프로세스 정의, 사용자인터페이스 정의
- JSP/Servlet Back-End 개발, Front-End 개발 및 시각화
|
테스트 및 발표
|
- 단위 테스트, 통합 테스트 및 디버깅, 프로젝트 발표
|
2차
머신러닝
팀프로젝트
|
2차
머신러닝
팀프로젝트
|
프로젝트 기획
|
- 주제 선정, 요구분석
- 서비스 개발 계획, 프로젝트 일정계획
|
데이터 수집
및 정재
|
- 정형 데이터 수집 및 저장, 비정형 데이터 수집 및 저장
- 데이터 셋 분류 및 생성,
- 분석 목적에 따른 데이터 정재 및 변환
|
예측 모델링
|
- 분류, 회귀 모델 평가, 감성분석 분류모델
- TensorFlow 활용 딥 러닝, 모델 학습
|
서비스 개발
|
- 서비스 개발 환경 구축, 서비스 프로세스 정의
- 사용자인터페이스 정의, Framework Back-End 개발
- Front-End 개발
|
테스트 및 발표
|
- 단위 테스트, 통합 테스트 및 디버깅, 프로젝트 발표
|
가끔 들려보시면 자기에게 꼭 필요한 어떤것을 건질지도 모르죠.