1

1. 통계학과 머신러닝

1-1. 통계학이란?

박태영

00:22:40

1-2. 통계학과 머신러닝의 비교

00:17:53

2

2. 머신러닝의 종류

2-1. 머신러닝의 분류

00:28:44

2-2. 머신러닝의 분파

00:24:23

3

3. 베이지안 패러다임

3-1. 베이지안 관점

00:15:10

3-2. 사후분포

00:21:18

4

4. 베이지안 갱신

4-1. 베이지안 갱신

00:38:18

5

5. 베이지안 추론

5-1. 베이지안 점추정

00:16:04

5-2. 베이지안 구간추정

00:14:19

5-3. 베이지안 가설검정

00:31:15

6

6. 사전분포의 선택

6-1. 사전분포의 선택

00:37:15

6-2. 강건한 사전분포의 선택

00:19:38

7

7. 베이지안 분석

7-1. 베이지안 분석

00:23:59

8

8. 베이지안 머신러닝

8-1. 베이지안 머신러닝의 소개

00:28:09

8-2. 베이지안 A/B 테스트

00:20:32

9

9. 베이지안 계산

9-1. 베이지안 시뮬레이션

00:15:50

9-2. 대표적인 MCMC 방법론

00:15:37

9-3. STAN을 이용한 베이지안 계산

00:18:28

1

1. 비즈니스 분석 개요

1-1. 기업 의사결정 패러다임의 변화

방영석

00:15:08

1-2. 데이터 기반 의사결정의 핵심 : 인과관계와 상관관계의 구분 (1)

00:26:10

1-2. 데이터 기반 의사결정의 핵심 : 인과관계와 상관관계의 구분 (2)

00:32:40

1-3. 설명 모형과 예측 모형의 비교

00:30:04

1-4. 생성형 AI 시대의 비즈니스 애널리틱스

00:32:05

2

부록. 데이터 기반 의사 결정의 가치 및 주의점 (1)

00:35:09

부록. 데이터 기반 의사 결정의 가치 및 주의점 (2)

00:25:41

1

1. Prologue

1-1. 비즈니스 애널리틱스의 배경 및 주요 프레임워크

조대곤

00:40:05

1-2. 디지털 전환의 의미와 주요 사례

00:20:24

2

2. 고객/제품 애널리틱스

2-1. 빅테크 사례와 시사점

00:22:00

2-2. 고객/제품 사례와 시사점

00:19:52

3

3. 생산 및 운영/피플 애널리틱스

3-1. 생산 및 운영 애널리틱스 사례와 시사점

00:25:46

3-2. HRM/HRD 사례와 시사점

00:16:52

4

4. Epilogue

4-1. 인공지능 기술 발전과 비즈니스 애널리틱스

00:32:09

4-2. 결론 및 제언

00:13:51

5

5. Appendix (1)

00:31:34

6

5. Appendix (2)

00:29:02

1

SQL BASIC (1)

1-1. SQL이란?

임광빈

00:06:14

1-2. 빅쿼리 세팅하기

00:12:42

1-3. 서비스 구조 데이터 이해하기(Product, Shop, User, Order)

00:08:09

1-4. SQL 기본 문법 (1)

00:30:39

1-4. SQL 기본 문법 (2)

00:37:52

2

SQL BASIC (2)

2-1. 데이터베이스란 무엇일까?

00:04:41

2-2. 테이블 구조와 테이블 연결에 대한 이해

00:09:26

2-3. SQL 심화 문법 (1)

00:39:00

2-3. SQL 심화 문법 (2)

00:47:18

2-3. SQL 심화 문법 (3)

00:47:16

2-3. SQL 심화 문법 (4)

00:21:44

3

3. 주요 분석 방법론 실습

3-1. 로그란 무엇인가?

00:36:00

3-2. 퍼널 분석이란 무엇인가?

00:20:27

3-3. 서비스에서 기본적으로 봐야 하는 지표 (1)

00:39:27

3-3. 서비스에서 기본적으로 봐야 하는 지표 (2)

00:20:54

3-3. 서비스에서 기본적으로 봐야 하는 지표 (3)

00:45:45

3-3. 서비스에서 기본적으로 봐야 하는 지표 (4)

00:21:37

3-4. 코호트 분석이란?

00:13:10

3-5. 실전에서 코호트를 나누는 방법

00:28:01

3-6. 리텐션이란?

00:10:49

3-7. 현업에서 자주 사용하는 리텐션 방법

00:34:19

4

4. 제품 성장단계별 지표 활용

4-1. 제품성장단계 파악하기

00:20:40

4-2. 제품 성장 단계별 지표 설계하기

00:40:13

4-3. 데이터 레버 설계하기

00:31:30

1

강의 소개

1-1. 데이터를 활용해서 서비스/사업 기획하는 법

김재훈

00:31:15

1-2. 커리큘럼 소개

2

지표의 이해

2-1. 지표 도출 가이드

00:18:21

2-2. 반드시 알아야 할 핵심 지표 - 이커머스

00:23:51

2-3. 반드시 알아야 할 핵심 지표 - 구독모델

00:21:14

2-4. 반드시 알아야 할 핵심 지표 - 광고 사업

00:16:53

2-5. 반드시 알아야 할 수익성 지표

00:36:01

3

대시보드 제작

3-1. 대시보드 제작 가이드

00:16:48

3-2. 대시보드 제작하기 - 이커머스

00:11:16

3-2. 대시보드 제작하기 - 이커머스 : 엑셀 실습 (1)

00:10:27

3-2. 대시보드 제작하기 - 이커머스 : 엑셀 실습 (2)

00:35:45

3-3. 대시보드 제작하기 - 구독 모델

00:04:44

3-3. 대시보드 제작하기 - 구독 모델 : 엑셀 실습

00:31:26

4

데이터 활용하기

4-1. 문제를 찾아서 정의하기

00:40:02

4-2. 액션 플랜과 지표의 방향성

00:31:30

5

시뮬레이션

5-1. 시뮬레이션 개념 이해

00:09:52

5-2. 시뮬레이션 실습 - 이커머스

00:29:51

5-3. 시뮬레이션 실습 - 구독모델

00:19:38

5-4. 시뮬레이션 팁

00:11:27

6

마무리

6-1. 리뷰 및 마무리

00:15:40

7

부록

부록. 시뮬레이션 결과와 목표값의 조정

00:19:39

부록. 시뮬레이션 결과와 목표값의 조정 - 이커머스

00:26:55

부록. 시뮬레이션 결과와 목표값의 조정 - 구독모델

00:29:22

부록. Unit Economics 상세

00:33:16

1

1. 데이터 리터러시 향상을 위한 시각화

1-1. 데이터 시각화란?

강윤정

00:24:37

1-2. 직관적 의사결정 vs 데이터 기반 의사결정

00:10:26

1-3. 데이터 시각화 분석 도구

00:09:26

1-4. Power BI : 데이터 시각화하기 위한 기본 준비

00:13:46

2

2. Power BI로 데이터 요약을 위한 기본 시각화 실습

2-1. Line Chart, Area Chart, Pie Chart, Doughnut Chart

00:40:58

2-2. Bar Chart, Stacked Bar Chart, Histogram, Dual axis Chart

00:18:26

3

3. 데이터 탐색 및 시각화 & 대시보드 구축

3-1. 폭포차트, Power BI의 Auto Analysis의 기능으로 “분석” “요약”

00:11:02

3-2. 슬라이서로 필터링 기능 구현

00:18:13

3-3. KPI / 계기차트 / 카드

00:04:26

3-4. Q&A / Dashboard

00:26:28

3-5. Map Chart

00:18:17

4

4. 비즈니스 분야의 의사결정을 위한 시각화

4-1. Journey Chart

00:17:51

4-2. Animated Chart

00:13:12

4-3. Radar Chart

00:20:51

5

5. 유즈케이스 - 3가지 실무 사례를 적용한 데이터 시각화 기법

5-1 : 상품군 분석, 고객 분석을 통한 비즈니스 향상 전략 구축 (사분면 분석, 고객세분화 Clustering)

00:34:43

5-2 : 인사분석 (HR management Dashboard구축)

00:34:36

5-3 : 고객 리뷰 긍부정 분석 및 시각화(Text data Sentiment Analysis & Dashboard)

01:03:07

5-4 : 웹 데이터를 활용한 데이터 분석 및 시각화

00:51:27

총 분량: 

40:42:59