23. 1.20(수) 오리엔테이션 데이터 디자이너 오리엔테이션
1.24(일) R #1.R소개및설치, 기본기능 이해
1.27(수) R #2.HTML+CSS+반응형 웹(1) /데이터 불러오기 및데이터별 구조파악
1.30(일) R #3.데이터의 형태, 정제-dplyr &reshape2
2.03(수) R #4.R로배우는기초통계
2.12(금) HTML/CSS #5.HTML+CSS+반응형 웹(2)
2.14(일) R #6.R의패키지를 활용한 데이터 가공-rvest
2.17(수) R #7.R을이용한 데이터 시각화(1) -ggplot
2.19(금) R #8.데이터 과학자의 현황과 미래
2.21(일) R #9.R을이용한 텍스트 분석-tm
2.24(수) R #10. R을이용한 데이터 시각화(2) plotly
2.28(일) R #11. R을이용한 데이터 시각화(3) -ggmap
3.02(수) R #12. R을이용한 웹어플리케이션 -shiny
3.06(일) JavaScript #13. Java Script +Type Script +Angular.js
3.09(수) R #14. 프로젝트 실습
3.13(일) D3.js #15. 데이터시각화와 D3.js의 이해
3.16(수) D3.js #16. D3로기본그래프 그리기
3.20(일) D3.js #17. D3로고급그래프 그리기
3.23(수) D3.js #18. 디지털화와 데이터의 연결/프로젝트 중간발표(1)
3.27(일) D3.js #19. 데이터 탐색을 위한동적데이터시각화
3.30(수) D3.js #20. 프로젝트 중간발표(2)
4.03(일) D3.js #21. 좋은데이터시각화와 프리젠테이션
4.06(수) 프로젝트 #22. 프로젝트 실습
4.10(일) 종강 프로젝트 최종발표
커리큘럼
24.
25. 데이터 디자이너의 데이터 사이클
쉬운통계
데이터추출(Acquire)
데이터정제(Clean)
시각화구현
(Interactive Visual)
고급분석
(Advanced Analysis)
컨텍스트 해석
(Context)
데이터랭글링
(Wrangle)
스토리텔링
(Story-telling)
문제정의
<source= ‘실리콘밸리 데이터 사이언티스트의 하루’, 권재명>
데이터기반문제해결제안
(Data-driven Problem Solving)
31. 01. 가설과정보디자인
가설을 어떻게 세우느냐에 따라 일의 방향과
범위,그리고워크 로드가 정해집니다. 필요한
데이터의 양이 얼마만큼인지, 얼마나 정제된
데이터를구할 수있는지도 일의진행에 있어
서중요한부분이됩니다.무작정 데이터를 수
집하기보다문제를정의하고해결하는과정으
로의설계가 우선되어야 합니다.
02. 컨텍스트를 명확히
많은 데이터를 확보하는 것도 중요하지만 문
제를해결하는 데필요한 수준의데이터 셋을
확보하는 것이 보다 중요합니다. 문제해결을
위해맥락을파악하는것이그 핵심입니다. 분
석과시각화 못지않게 도메인지식이 중요한
이유입니다. 본질을 관통하는 메세지가 있어
야합니다.
03. 팀으로일하기
데이터분야의 일을하는 것은다양한 역량을
갖춘 사람들의 조합이 필요합니다. 한 사람의
슈퍼플레이도좋지만현실속에서는쉽지않습
니다.좋은 커뮤니케이션을 통해 문제를 정의
하고 솔루션을 만들어나가는 일련의 과정을
부드럽게 해나갈 수있습니다.
04. 문제에대한관심
솔루션은문제에대한관심으로부터시작됩니
다. 데이터는 문제해결을위한 소스이고 분석
과 시각화는 그것을 구체화하기 위한 방법입
니다.스타트업이 고통의지점을 해결하기 위
해 일을 하듯이데이터분야의 일도 일상의 지
점,불편하고문제가있는곳에서 출발하면 됩
니다.