본문 바로가기

EDU(20)

20차시. 산업에서 활용되는 빅데이터 비즈니스 - 4 차시목표 1. 유통·물류 데이터가 어떻게 비즈니스적으로 활용되고 있는지, 유통·물류 산업에서 데이터를 어떻게 활용하는지 살펴본다. 2. 최근의 유통·물류 분야의 시장 변화 과정을 통해 데이터 기반의 서비스 혁신에 대해 알아본다. 주요내용 1. 유통·물류 분야 데이터 활용 비즈니스 현황 학습하기 2. 생활 물류 서비스의 성장 학습하기 3. 데이터 분석 기반의 유통 및 물류 서비스의 혁신과 이슈 학습하기 4. 데이터 기반의 유통 및 물류 산업 혁신의 가속화 학습하기 5. 유통·물류 데이터 및 활용의 예 ■ 산업에서 활용되는 빅데이터 비즈니스 - 4 1. 유통·물류 분야 데이터 활용 비즈니스 현황 - 4차 산업혁명과 코로나19의 확산은 사회 전반에 ‘언택트(Untact)’ 문화를 가져왔고 이에 따라 배송해야 ..
19차시. 산업에서 활용되는 빅데이터 비즈니스 - 3 차시목표 1. 제조 분야에서 활용되고 있는 데이터 비즈니스의 기술 동향을 살펴본다. 2. 스마트 팩토리 개발에 필요한 데이터와 각국의 정책 동향을 기반으로 스마트 팩토리의 주요 이슈에 대한 해결책을 제시할 수있다. 3. 제조 분야에 AI 기술이 도입될 때 생기는 문제점과 적용 분야를 알아본다. 주요내용 1. 스마트 팩토리 학습하기 2. 스마트 팩토리의 활용 학습하기 3. 스마트 팩토리의 추진 이슈 학습하기 4. 인공지능과 접목한 제조업 학습하기 5. 인공지능의 도입·개발·운영·적용 ■ 산업에서 활용되는 빅데이터 비즈니스 - 3 1. 스마트 팩토리 ● 스마트 팩토리의 개요 - 1차 산업혁명이 인간의 노동 방식과 생활 방식의 근본적인 변화가 동인이 되어 기계 기술을 탄생시켰다면, 4차 산업혁명은 3차 산업혁..
18차시. 산업에서 활용되는 빅데이터 비즈니스 - 2 차시목표 1. 시장의 확장을 기반으로 한 헬스 분야에서 활용되고 있는 데이터 비즈니스를 살펴본다. 2. 임상 연구, 유전체, 개인 건강에 활용되는 데이터의 종류를 살펴보고 현재 활용되고 있는 기술의 사례에 대해 알아본다. 주요내용 1. 헬스케어 분야의 데이터 비즈니스 학습하기 2. 헬스케어 분야의 데이터 학습하기 3. 헬스케어 분야의 데이터를 활용한 비즈니스 영역 ■ 산업에서 활용되는 빅데이터 비즈니스 - 2 1. 헬스케어 분야의 데이터 비즈니스 - 스마트 헬스케어는 넓은 의미로 활용되는 용어입니다. 단어의 정의를 통해 스마트 헬스케어를 이해하는 것보다 각각의 사례를 살펴보는 것이 이해하는 데 도움이 됩니다. 기업의 내·외부에서 상품의 비즈니스 효율성을 평가하려면 다음과 같은 몇 가지 관점으로 나누어 분..
17차시. 산업에서 활용되는 빅데이터 비즈니스 - 1 차시목표 1. 금융 분야에서 활용되는 데이터 비즈니스의 동향을 이해하고 국내 금융 데이터의 발전 현황을 알아본다. 2. 금융 데이터가 활용되고 있는 비즈니스 사례를 알아보고 기술 환경 변화를 이해한다. 주요내용 1. 금융 데이터의 개방 학습하기 2. 금융 데이터의 융합을 위한 기술 환경의 변화 학습하기 3. 데이터의 활용과 금융업 비즈니스의 예 ■ 산업에서 활용되는 빅데이터 비즈니스 - 1 1. 금융 데이터의 개방 - 금융 분야의 데이터는 집적되어 있는 방대한 양, 무궁무진한 활용성, 소비자에게 미치는 직접적 및 직관적인 영향이 있는 분야입니다. 최근에는 정보에 대한 개인의 결정권 보장이 바탕이 되어 불필요한 규제를 완화하려는 움직임이 나타나고 있습니다. ‘정보 개방’의 흐름은 금융 데이터의 주인을 찾아..
16차시. 빅데이터 처리 기술 기획하기 차시목표 1. 데이터의 크기, 생성 속도, 빈도에 따른 빅데이터 처리 요구 사항을 도출하고 도출된 요구 사항에 따라 빅데이터 처리를 위한 하드웨어 및 소프트웨어를 살펴본다. 2. 수립된 구성 요소를 통합하여 처리 모듈을 기획할 수 있다. 3. 데이터 처리를 위한 데이터 정합성 및 검증 모듈을 수립할 수 있다. 4. 데이터 처리 방식과 처리 결과로 시각화와 표현 방안을 수립할 수 있다. 주요내용 1. 데이터의 시각화 학습하기 2. ETL(Extract, Transform, Load) 학습하기 3. 데이터 분석 기법 학습하기 4. 업무 요건을 고려한 데이터 분석 방안의 정의 학습하기 5. 데이터 사전 처리 및 사후 처리 방안의 정의 학습하기 6. 데이터 처리 방식과 처리 결과에 대한 시각화 표현 방안의 수립..
15차시. 빅데이터 저장 기술 기획하기 차시목표 1. 빅데이터 저장 모델을 수립하기 위해서 데이터 처리 요구 사항을 도출하고 도출된 요구 사항에 따라 데이터 저장 방식을 검토할 수 있다 2. 저장 방식에 따라 데이터 처리의 안정성과 신뢰성을 고려한 저장 방안을 선택할 수 있다. 3. 저장된 데이터에 대한 유효성을 검사할 수 있는 검증 방안을 선택할 수 있다. 주요내용 1. 하둡(Hadoop) 분산 파일 시스템 학습하기 2. NoSQL 학습하기 3. 데이터의 용량 산정 학습하기 4. 데이터의 안전성 및 가용성 확보 ■ 빅데이터 저장 기술 기획하기 1. 하둡(Hadoop) 분산 파일 시스템 - 빅데이터를 저장하는 경우 기존의 파일 시스템에서는 용량이 증가할수록 관리의 효율성과 성능이 저하됩니다. 단일 파일 시스템의 단점을 보완하여 대용량 데이터를..
14차시. 빅데이터 수집 기술 기획하기 차시목표 1. 빅데이터 분석에 필요한 데이터에 대한 수집 경로 및 데이터 유형을 파악한다 2. 데이터 수집 경로 및 데이터 유형을 고려하여 데이터 수집 방법을 선택할 수 있다. 3. 일괄 처리 및 실시간 데이터 처리 요건에 따라 수집 처리 방식을 선택할 수 있다. 4. 수집한 데이터에 대한 유효성을 검사할 수 있는 검증 방안을 선택할 수 있다. 주요내용 1. 데이터 수집 기술 학습하기 2. 데이터 포맷 학습하기 3. 시스템 유형의 정의 학습하기 4. 수집 대상 데이터 유형의 식별 ■ 빅데이터 수집 기술 기획하기 1. 데이터 수집 기술 - 수집하고자 하는 데이터의 위치, 데이터의 유형, 접근 경로 등을 고려하여 적정한 데이터 수집 기술을 적용합니다. ● 크롤링(Crawling) - 웹(WWW) URL에 존..
13차시. 빅데이터 아키텍처 기획하기 차시목표 1. 데이터 시각화의 정의를 알고 시각화 시장의 동향을 살펴본다 2. 대표적인 그래프 데이터베이스를 살펴보고 데이터 그래프의 특징을 이해한다 주요내용 1. 시각화 데이터 학습하기 2. 그래프 데이터베이스 학습하기 3. 그래프 데이터 학습하기 4. 그래프 데이터베이스 학습하기 5. 대표적인 그래프 데이터베이스 학습하기 6. 데이터 시각화 기술의 동향 ■ 빅데이터 아키텍처 기획하기 1. 아키텍처 요구 사항의 정의 - 요구 사항이란, 특정 문제를 해결하기 위해 시스템의 개발 또는 구축을 통해 외부로 드러나야 하는 속성 또는 수행의 결과물이 만족해야 할 품질을 의미합니다. 아키텍처 요구 사항의 정의는 크게 기능 요구 사항의 정의와 비기능 요구 사항의 정의로 나눌수 있습니다. 가. 요구 사항의 정의 절차..
12차시. 그래프 데이터베이스와 빅데이터 시각화 기술 차시목표 1. 데이터 시각화의 정의를 알고 시각화 시장의 동향을 살펴본다 2. 대표적인 그래프 데이터베이스를 살펴보고 데이터 그래프의 특징을 이해한다 주요내용 1. 시각화 데이터 학습하기 2. 그래프 데이터베이스 학습하기 3. 그래프 데이터 학습하기 4. 그래프 데이터베이스 학습하기 5. 대표적인 그래프 데이터베이스 학습하기 6. 데이터 시각화 기술의 동향 ■ 그래프 데이터베이스와 빅데이터 시각화 기술 1. 시각화 데이터 ● 데이터 경쟁 시대에서의 의미 - 데이터란, 숫자나 문자 등의 기록으로 남겨진 모든 행위의 자료를 의미합니다. 분석 대상이 되는 데이터에는 숫자, 문자, 기호, 이미지, 소리, 영상 등이 모두 포함됩니다. 데이터의 쓰임이 넓고 다양해지면서 기계를 인간화하기에 필요한 모든 재료를 통칭하..
11차시. 빅데이터 분석 - 모델링 기획과 결과 적용 차시목표 1. 탐색적 분석 보고서를 바탕으로 분석 주제에 적합한 분석 기법을 선정하고 선정된 분석 기법을 순차 연계하여 개발할 분석 모델을 정의할 수 있다 2. 분석 모델과 분석 활용 시나리오를 바탕으로 분석 정의서를 작성하여 정의된 분석 모델에 대한 성능을 평가할 기준을 정의할 수 있다 3. 협의를 위하여 분석 결과 시각화 방안을 정의할 수 있다 4. 분석 결과에 대한 응용 프로그램 적용 방안을 수립할 수 있다 주요내용 1. 일반적인 데이터 모델링에 대한 이해 학습하기 2. 빅데이터 분석 모델링에 대한 이해 학습하기 3. 실시간 빅데이터 분석의 모델링 아키텍처 학습하기 4. 빅데이터 시각화에 대한 이해 학습하기 5. 분석 결과를 적용하기 위한 빅데이터 큐레이션에 대한 이해 ■ 빅데이터 분석 - 모델링 ..

티스토리툴바