먼저 IT 분야에서 데이터를 어떻게 다루는지, 데이터를 둘러싼 IT 환경을 이해해야 합니다. 본 강의는 파이썬과 크롤링을 가장 먼저 익힙니다. 데이터는 웹에 가장 많고, 이를 자동으로 가져오는 기술이 크롤링입니다.

크롤링을 익히면서 현업에서 데이터 전분야에 사용하는 파이썬도 함께 익힙니다. 웹 환경, 데이터 처리 방식, 전처리까지 배우며 데이터와 IT 분야에 감을 빠르게 잡을 수 있습니다.

이후 고급 크롤링 기술을 익힙니다. 실제 웹환경은 다양하기 때문에, 현업에서 사용하는 고급 크롤링 기술을 익히며 현업 레벨의 데이터 수집 기술을 정리합니다.

이후에는 데이터베이스 기술을 익힙니다. IT 분야에서 데이터는 데이터베이스로 저장하고 관리됩니다. SQL 기반 데이터베이스와 빅데이터를 처리하는 NoSQL 데이터베이스가 있으며, 현업에서는 둘 다 활용합니다.

데이터베이스 학습 순서가 중요합니다. SQL을 먼저 현업 수준까지 익힌 후 NoSQL을 배우는 것이 효율적입니다. 기본 SQL → 중급 SQL(데이터 분석) → NoSQL 순서로 익히면 빠르게 습득할 수 있습니다.

SQL에서 다뤘던 기능이 NoSQL에서도 유사하게 적용되어, NoSQL 특화 문법만 익히면 됩니다. 전 세계적으로 가장 널리 사용되는 MongoDB를 기준으로 NoSQL 개념을 이해합니다.

이후 파이썬을 활용해 데이터를 분석하고 시각화하는 기술을 익힙니다. 본 패키지는 처음부터 난이도를 단계적으로 높여가며 자연스럽게 파이썬을 익힐 수 있도록 구성되어, 이 단계에서는 파이썬이 어색하지 않을 것입니다.

파이썬 시각화 라이브러리 및 외부 시각화 툴을 활용하는 기법도 익히며, 현업의 다양한 시각화 툴에도 적응할 수 있습니다.

SQL/NoSQL과 파이썬 데이터 분석 능력을 갖추면, 데이터 분석가로서 전문적인 커리어를 쌓을 수 있습니다.

이후에는 머신러닝과 인공지능(딥러닝)의 기본기를 쌓는 것이 좋습니다. 데이터 과학자라면 필수이고, 데이터 분석가 역시 현업에서 머신러닝과 딥러닝이 서비스에 자주 적용되므로 관련 기술 이해가 중요합니다.

효율적으로 익히려면 머신러닝을 먼저 학습한 후 딥러닝을 배우는 것이 좋습니다. 머신러닝으로 기본 모델, 학습, 핵심 개념을 이해하면 딥러닝을 더 쉽게 익힐 수 있습니다.

딥러닝이 최근 두각을 나타내므로, 딥러닝 중심으로 학습하는 것이 효과적입니다. 본 강의에서는 핵심 개념부터 챗GPT의 트랜스포머 모델까지 다루며, 파이썬 실무 능력도 함께 향상됩니다.