SPSS, R, Python을 활용한 Kaggle 데이터 전략 실무 연습

Chapter 01. 데이터 과학과 Kaggle 활용
1.1 데이터 과학과 왜 Kaggle인가?
1.2 빅데이터 전문가들의 플랫폼, Kaggle 탐색
1.2.1 Competition
1.2.2 Code
1.2.3 Discussion
1.2.4 Datasets
1.2.5 Courses

Chapter 02. Kaggle(telco churn data) 활용 실습 사례
2.1 데이터 분석 프로세스
2.2 Kaggle 데이터를 중심으로 상황 가정과 외ㆍ내부 환경 분석
2.3 데이터 탐색을 위한 기초통계 및 시각화
2.4 통신사 고객 이탈 인과관계 파악
2.5 통신사 고객 이탈 예측
2.6 데이터 분석을 통한 전략 도출
2.7 데이터 분석 실습 구성

Chapter 03. Kaggle 데이터를 활용한 이진 분류 예측
3.1 통신사 고객 이탈 예측
3.1.1 데이터 분석 개요
3.1.2 데이터 탐색
3.1.3 연관성 분석
3.1.4 통신사 고객 이탈 데이터 인과관계분석
3.1.5 예측 모델 설계
3.1.6 데이터 저장하기
3.2 퇴직 가능성 예측
3.2.1 데이터 분석 개요
3.2.2 데이터 전처리
3.2.3 데이터 탐색
3.2.4 종속변수와의 연관성 분석
3.2.5 예측 모델 구축
3.3 개인 신용 위험 예측
3.3.1 데이터 분석 개요
3.3.2 데이터 파악 및 전처리
3.3.3 데이터 탐색
3.3.4 종속변수와의 관계 분석
3.3.5 예측 모델
3.4 마케팅 캠페인 반응 데이터 분석
3.4.1 데이터 분석 개요
3.4.2 데이터 전처리
3.4.3 데이터 탐색
3.4.4 반응 예측 모델
3.4.5 분석 결과 활용 전략 수립

Chapter 04. Kaggle 데이터를 활용한 연속변수 예측
4.1 고객생애가치 데이터 분석
4.1.1 데이터 분석 개요
4.1.2 데이터 전처리
4.1.3 데이터 탐색
4.1.4 고객생애가치 예측 모델
4.1.5 분석 결과 활용
4.2 부동산 가격 예측
4.2.1 데이터 분석 개요
4.2.2 데이터 전처리
4.2.3 데이터 탐색
4.2.4 부동산 가격과의 관계 분석
4.2.5 가격예측 모델 구축

Chapter 05. Kaggle 데이터를 활용한 현황 분석
5.1 서울시 유동인구 데이터 기반 상권 분석
5.1.1 데이터 분석 개요
5.1.2 데이터 전처리
5.1.3 데이터 탐색 및 시각화
5.1.4 서울시 유동인구 분석을 위한 모델링
5.2 서울시 지하철 탑승객 데이터 기반 상권 분석
5.2.1 데이터 분석 개요
5.2.2 데이터 전처리
5.2.3 데이터 탐색 및 시각화
5.2.4 지하철 탑승객 분석을 위한 군집화 모델링
5.3 서울시 대기질 분석
5.3.1 데이터 분석 개요
5.3.2 데이터 전처리
5.3.3 데이터 탐색 및 시각화
5.3.4 미세먼지 예측을 위한 모델링

Chapter 06. Kaggle 데이터를 활용한 이상탐지
6.1 의료보험 이상탐지
6.1.1 데이터 분석 개요
6.1.2 데이터 전처리
6.1.3 데이터 탐색
6.1.4 특이 케이스 식별
6.1.5 이상치 결과 평가
6.1.6 분석 결과 활용
6.2 신용카드 부정거래 탐지
6.2.1 데이터 분석 개요
6.2.2 부정 사용 탐지를 위한 파생변수 생성
6.2.3 데이터 탐색
6.2.4 종속변수와의 관계 분석
6.2.5 카드 부정 사용 예측 모델

김광용 [학력]
조지아주립대학 경영학박사 MIS 전공(1995)
[경력]
메타버스 감성혁신포럼 의장(2021~현재)
숭실대학교 경영학부 교수, SNS마케팅 연구소장(1996~현재)
한국 IT서비스학회 회장, 한국 글로벌경영학회 회장(2014~2016, 2020)
[수상]
옥조근정훈장(2021)
Marquis Who's Who in the World, Albert Nelson Lifetime Achiever(Data Analysis 분야)(2017)
Top 100 Educators in the World(세계 100대 교육자) 영국 국제인명센터 IBC 등재(2015)
[연구실적]
빅데이터분석분야 국내외 저널 약 150여 편 논문발간