(9월23일~12월3일) R 초보자, R 기초, R 데이터 분석 및 R 머신러닝 알고리즘 활용 논문작성법: 50시간 특강

[INSOO]

R 프로그램 설치부터
R로 하는 기본적인 데이터 분석 및 머신러닝 알고리즘 기본 개념을 소개하고 실습합니다. (녹화링크 9월23일 ~ 12월3일 까지 제공)


주요강의내용:


R 기초, 시각화, 데이터 변환, 기초통계, 가설검정, EDA, ANOVA, Regression, Logistic regression, 머신러닝 알고리즘 기초 및 기본개념
​
​
R로 메타분석을 하고자 하는 분들에게도 필요한 강의 입니다.
R에 대한 기초부터
실제 어떤 코드를
어떻게 실행하고 해석하는지 다룹니다.


또한 여러가지 R로 실습하는 연구방법에 대해
각 연구방법별 패키지를
적용하면서 궁금한 점을 질문하면
논문 작성 및 심사과정에서 적절한 대응방안을
알려드리는 강의 입니다.
​
​
​
​
최근에
데이터 사이언스나
머신러닝 알고리즘을 활용한 논문들이 많이 작성되고 있습니다.
​
​
이 특강에서는
R을 활용한 실습을 통해
​
​
기본적인 데이터 사이언스의 시각화나 EDA,
머신러닝 알고리즘 중
결정트리
랜덤포레스트
회귀분석 및 로지스틱 회귀분석
SVM
K-NN 알고리즘 활용 논문 작성법을 차례로 다룰 예정입니다.
​
머신러닝과 딥러닝의 차이,
딥러닝 기본개념
딥러닝 적용예도 소개하고 실습할 예정입니다.
​
​
머신러닝 알고리즘을 활용한 논문을 이해하고 싶거나
작성하고 싶은 대학원생, 유학생, 유학준비생
연구자, 교수님들을 위한 특강 입니다.

참가신청 및 등록방법

● 다음을 클릭하시거나 인터넷 주소창에 다음 주소를 복사해 신청해주시기 바랍니다.

https://naver.me/583MuT6H

R 초보자, R 기초, R 데이터 분석 및 R 머신러닝, 딥러닝 알고리즘 활용 논문작성법:

50시간 녹화 동영상 강의 및 실시간 온라인 질의응답 특강 개최

● 강 사 : 신인수 교수

(현 동국대학교 근무, Florida State University Ph. D, measurement and statistics)

메타분석 전공, 연세대학교 교육학과졸, Florida Department of Education Psychometrician. 행정고시 39회(교육행정직)

워크숍 프로그램

▶ 특강 강의 녹화 동영상 링크 제공 강의 및 실시간 보충강의 병행

강의명	강의개요
R 초보자	R 프로그램 설치, 데이터 시각화, 데이터 변환 EDA (Exploratory Data Analysis) Data import Tidy data, Vectors, 데이터 분석 기초
R 기초	R, R STUDIO 설치 Computing basic statistics, Creating sequencing Comparing Vectors, Reading/Writing CSV files Data Structure, General Statistics, Graphics, Regression, ANOVA
R 데이터 분석I (기초,분산,회귀분석)	Descriptive statistics and graphics t-test, regression, correlation Analysis of variance, Tabular data, Power Advanced data handling, Multiple regression, Logistic regression
R 데이터 분석II (경로분석, 요인분석, 구조방정식)	Basic data handling in R, Exploratory factor analysis Confirm‎atory factor analysis, Path analysis SEM, Multiple groups Growth curve modeling
R 데이터 분석III (회귀분석, 로지스틱회귀분석, 다층모형)	Simple Linear Regression, Multiple Regression Multilevel Data Structure, Two-Level Models in R, Three and More Levels, MGLM Longitudinal Data Analysis using Multilevel Models
R 데이터 분석IV (메타분석, 네트워크 메타분석)	Introduction to R, Meta-analysis with Binary Data Meta-analysis for Continuous Data, Heterogeneity Meta-regression, IPD, Meta-Analysis for Rare Events Network meta-analysis
R 머신러닝 알고리즘I (회귀분석, 로지스틱회귀분석, 의사결정 결정트리, 딥러닝 기초)	Introduction to Machine Learning Decision Trees Linear Regression Logistic Regression Introduction to Deep Learning
R 머신러닝 알고리즘II (랜덤포레스트, 딥러닝2: 심층신뢰망 )	Linear Algebra, Numerical Optimization in Machine Learning Machine Learning, Train and Test Data Decision Trees, Random Forests Single and Multilayer Perceptron Models
R 머신러닝 알고리즘III (SUPPORT VECTOR MACHINE, 딥러닝3: CNNs)	Data Preparation and Exploration Machine Learning Theory and Practice Decision Trees, Ensemble Trees, SVM Artificial Neural Networks, Convolutional Neural Networks
R 머신러닝 알고리즘IV (KNN, 딥러닝4: RNNs)	Machine Learning, k-Nearest Neighbors Introduction to Neural Networks, Deep Neural Network CNN, Recurrent Neural Networks 적용예 및 논문작성법

R 강의 (9월23일~12월3일: 70일간 제공, 70일간 반복시청 가능)

▶운영: 실시간 온라인 강의 녹화 링크 제공 (9월23일~12월3일: 70일간 제공, 70일간 반복시청 가능)

▶질의 응답 방법

1) 실시간 질의 응답 연구모임 시간 운영: 9월13일(금), 9월27일(금), 10월11일(금), 10월25일(금), 11월8일(금), 11월 22일(금) 저녁9시

2) 오리엔테이션 및 녹화 링크 제공: 9월 1일(일)

3) 실시간 온라인 일요일 질의/응답 강의 일정: 오전11시~12시 (1시간 질의 응답 강의)

- 9월 1일(일), 9월 8일(일), 9월 15일(일), 9월 22일(일), 9월 29일(일), 10월 6일(일), 10월13일(일), 10월 20일(일), 10월 27일(일), 11월 3일(일), 11월 10일(일), 11월 17일(일), 11월 24일(일), 12월1일(일), 12월 8일(일)

참가신청 및 등록방법

● 다음을 클릭하시거나 인터넷 주소창에 다음 주소를 복사해 신청해주시기 바랍니다.

https://naver.me/583MuT6H

● 참가비(교재비 포함):

- 실시간 온라인 강의 10회 녹화강의 각3시간 + 각2시간 = 각5시간: 1일:11만원, 2일:20만원, 4일: 36만원, 6일: 48만원, 8일: 56만원 10일: 60만원, (녹화링크 9월23일~12월3일: 70일간 제공 )

▪ 계좌번호: 국민은행 501001-04-391822 ▪ 예금주: 교육통계연구소

● 연구비 처리 및 계산서 발급 가능

- 워크샵 스텝 연락처: 메일 주소 (001447@naver.com)

환불기준

수강취소 시기	환불액
특강 4일 전	100% 환불
특강 3일 이내	80% 환불
특강 당일	환불 불가

접수 세부사항, 기타 자료 및 질문 카페 참조

SCI SSCI 논문 작성법 카페: http://cafe.daum.net/researcharticle

R을 이용한 데이터분석 카페: http://cafe.daum.net/rcran

페이스북: https://www.facebook.com/researchsynthesis

네이버 블로그: https://blog.naver.com/9065031

교육통계연구소