데이터 분석 실전반 (데이터 핸들링과 자동화)
기수 13기
트랙 데이터 분석 (Data Analysis) Track
커리큘럼 16주
데이터를 효율적이고 체계적으로 처리하는 능력을 기르고자 실무 위주의 강의를 진행합니다.
어떤 것을 배우나요?
- AI가 코드를 대신 짜주는 시대에 맞춘 효율적인 데이터 핸들링과 결과를 의심하고 검증하는 판단 능력 학습
- Python과 SQL을 활용해 데이터를 수집, 정제하고 대용량 데이터 처리 및 속도와 정확성을 비교·검증
- n8n, Claude Code 등의 도구를 활용해 반복적인 리포트 작업을 자동화하고 자산화하는 파이프라인 경험
이런 분께 추천합니다
- Python 기초 문법과 pandas 사용 경험은 있지만, AI 도구를 활용해 데이터 핸들링과 자동화 프로세스를 구축해 본 경험이 부족하신 분
- 단순한 통계·인사이트 중심의 분석을 넘어, 분석가로서의 데이터 핸들링 실력과 반복 작업의 자동화 역량을 탄탄하게 쌓고 싶은 분
- 선행 요구 역량: Python 기초 문법(변수·반복문·함수)에 대한 이해가 필수적으로 요구됨
커리큘럼
- 1주차 AI로 데이터 가져오기 — 받은 게 맞는지부터 의심한다
- 2주차 흩어진 데이터를 모으면 커진다: 부피·메모리 진단
- 3주차 소스마다 형식이 다르다: CSV·Excel·JSON·Parquet 판단
- 4주차 가져온 raw는 더럽다: 정제 = 의심
- 5주차 SQL① 집계를 SQL로 — AI 쿼리를 읽고 검증한다
- 6주차 SQL② 윈도우 함수·서브쿼리의 미묘한 오류
- 7주차 효율적 전처리: 벡터화 vs 반복문 — 왜 빠른지, 맞는지
- 8주차 재현 가능한 코드: 폴더·컨벤션·Git (AI 협업의 전제)
- 9주차 전반부 복습 + Pandas의 한계: 언제 손절하나
- 10주차 과제 1 리뷰 + 자동화 사고: 반복을 분해한다
- 11주차 반복 리포트 자동화(Python): 한 번 만들어 재실행
- 12주차 노코드 파이프라인 데모: n8n [데모]
- 13주차 AI 에이전트로 데이터 작업: Claude Code
- 14주차 Text2SQL과 분석 자동화 [데모]
- 15주차 지표로 마무리: OMTM·KPI·데이터 품질
- 16주차 과제 2 발표와 회고
