STEP 01
Foundation기초 단계
처음 시작하는 사람도 데이터 분석 흐름을 따라올 수 있게 기본기를 맞춥니다.
Python 분석 환경
Pandas·SQL 기초
EDA와 기초 통계
GitHub 협업 기본
Output
작은 데이터셋으로 질문을 세우고, EDA 결과를 짧게 공유합니다.
HOME3 stages,
Curriculum
3 stages,
one project.
기초, 응용, 심화 단계로 분석 흐름을 익히고 하나의 팀 프로젝트로 완성합니다.
ROADMAP
Curriculum in Action
기초에서 시작해
프로젝트로 연결합니다.
01
Foundation
분석 환경과 데이터 감각을 맞춥니다.
02
Applied
실제 데이터를 수집하고 시각화합니다.
03
Advanced
팀 프로젝트를 결과물로 정리합니다.
STEP 01
FOUNDATION
Python, Pandas, SQL, EDA, 기초 통계
STEP 02
APPLIED
데이터 수집, 시각화, 추론 통계, 머신러닝 입문
STEP 03
ADVANCED
모델 검증, 피처 엔지니어링, 대시보드, 팀 프로젝트
Signature Curriculum
Insight Sprint
AI가 코드를 도와주는 시대일수록, 좋은 질문을 만들고 결과를 검증하고 사람에게 설명하는 힘이 더 중요합니다. 각 단계 사이사이에 질문 설계와 결과 전달력을 함께 훈련합니다.
01
질문 설계
막연한 관심사를 분석 가능한 문제로 바꿉니다.
02
AI-assisted 분석
AI 도구의 제안을 그대로 믿지 않고 데이터와 지표로 검증합니다.
03
3분 브리핑
분석 결과와 한계를 팀원에게 짧고 명확하게 전달합니다.
Stack
배우는 기술
수집, 분석, 시각화, 모델링, 협업까지 프로젝트에 필요한 도구를 얕게 훑지 않고 실제 결과물에 연결해 다룹니다.
수집
Python
Requests
BeautifulSoup
Selenium
Open API
분석
Pandas
NumPy
SQL
Jupyter
EDA
시각화
Matplotlib
Seaborn
Plotly
Streamlit
Dashboard
모델링
Statsmodels
Scikit-learn
XGBoost
Validation
Feature Engineering
협업
GitHub
Notion
Code Review
Presentation
Portfolio
Stage Roadmap
단계별 커리큘럼
STEP 02
Applied Analysis응용 단계
실제 데이터를 수집하고 시각화하며, 분석 질문을 모델링까지 연결합니다.
웹·API 데이터 수집
시각화와 대시보드
추론 통계·회귀분석
머신러닝 입문
Output
관심 주제를 데이터로 검증하고, 중간 리뷰에서 분석 방향을 점검합니다.
STEP 03
Advanced Project심화 단계
분석의 깊이를 높이고 팀 프로젝트를 발표 가능한 산출물로 정리합니다.
피처 엔지니어링
모델 검증·에러 분석
텍스트·추천 입문
최종 프로젝트 퍼블리싱
Output
분석 보고서, GitHub 저장소, 발표 자료로 남길 수 있는 결과물을 만듭니다.
Final Output
마지막에는 하나의 프로젝트로 남깁니다.
단계별로 쌓은 수집, 분석, 모델링, 시각화 역량을 하나의 질문에 묶고 발표 가능한 산출물로 정리합니다.
01
분석 보고서
02
GitHub 저장소
03
발표 자료