개강일 지남
[AI 기초체력(파트1)] 식단추천 서비스 프로젝트로 배우는 데이터분석
코드잇 · 3회차 · 서울 강남구
Python데이터분석K-디지털기초
프로그램 요약
- 수업일정
- 2026.08.04 ~ 2026.09.01약 1개월
- 모집정원
- 43명 / 50명86% 찼어요
- 총 시간
- 미표기
- 학습장소
- 서울서울특별시 강남구 역삼로 552 (대치동 KM 빌딩)온라인
- 강의장
- 7층 703호 중 일부(대치동)
- 수강료
- 미공개 상담 시 확인
출처 · 고용24 등록값 · 기관 표기분은 별도 표시
어떤 분이 수강하면 좋을지
- ✓전공·학력 무관 — K-디지털 기초역량은 제도상 전공을 보지 않습니다
- ✓▶ AI 시대에 요구되는 ‘AI 기초 체력’을 갖추고자 하는 구직자 및 재직자를 주요 훈련대상으로 함. 본 과정은 인공지능을 제대로 활용하기 위해 선행되어야 하는 데이터 이해·분석 역량을 기초 체력으로 설정하고, 특히 다음과 같은 특성을 지닌 학습자를 훈련대상자로 설정함 1. AI·데이터 분야를 처음 접하며, AI 기초 체력을 체계적으로 쌓고자 하는 학습자 : 생성형 AI, 머신러닝, 딥러닝 등 AI 기술에 관심은 있으나, 그 이전 단계인 데이터 이해와 분석 역량의 중요성에 따라 파이썬과 데이터 분석을 통해 AI 활용을 위한 기초 체력을 처음부터 차근히 형성하고자 하는 학습자 2. 기획·마케팅·운영 등 비전공 분야에서 AI 시대에 요구되는 데이터 기반 사고 역량을 갖추고자 하는 학습자 : 기획, 마케팅, 리서치, 서비스 운영 등 다양한 업무 환경에서 데이터를 해석하고 근거 있는 판단을 내릴 수 있는 역량을 갖추어, AI 및 데이터 기반 업무 환경에 적응하고 경쟁력을 확보하고자 하는 학습자 3. AI를 단순 ‘도구 사용’이 아닌 문제 해결 관점에서 이해하고 싶은 학습자 : 단순히 분석 도구나 라이브러리를 사용하는 데 그치지 않고, 주어진 문제를 해결하기 위해 어떤 데이터가 필요하며 어떤 전처리와 분석이 선행되어야 하는지를 스스로 판단하는 사고 방식을 기르고자 하는 학습자 4. 머신러닝·딥러닝 학습을 위한 기초 체력을 안정적으로 준비하고자 하는 학습자 : 향후 머신러닝·딥러닝 모델 학습과 AI 서비스 구현으로 확장하고자 하나, 그 이전에 데이터 구조 이해와 전처리, 통계 등 필수 기초 역량을 체계적으로 준비하고자 하는 학습자 ※ 위 구직자 외에도, AI·데이터 기초 역량을 강화하여 현업에 적용하거나 경력 개발 및 전환을 희망하는 재직자와 중장년층도 훈련 대상에 포함될 수 있음 ※ 본 과정은 AI 기초 체력 형성을 목표로 하는 입문 단계 훈련 과정으로, 수강을 위해 특별한 선수학습, 관련 자격증, 전공 지식 또는 실무 경력이 요구되지 않으며, 데이터와 AI를 처음 접하는 학습자도 단계적으로 학습할 수 있도록 설계됨
출처 · 기관 랜딩페이지 · 제도 요건
커리큘럼
고용24 등록 교과목 27개 보기
- 교과목단원명
- 파이썬 첫걸음1-1. 데이터로 어떤 문제를 해결할 수 있을까? 1-2. 파이썬 프로그래밍 소개 1-3. 첫 번째 파이썬 코드 1-4. 파이썬 프로그래밍 도구들 1-5. 코멘트 1-6. 자료형 개요 1-7. 추상화 개요 1-8. 변수 1-9. 칼로리 계산기 1-10. 함수 1-11. 파라미터 1-12. 여러 개의 파라미터 1-13. 세 수의 곱 1-14. return문
- 자료형 더 알아보기2-1. 숫자형 2-2. 숫자형 심화 2-3. 문자열 2-4. 문자열 실습 2-5. 형 변환 2-6. 문자열 포매팅 2-7. 불 대수 2-8. 불린형 2-9. type 함수 2-10. 자료형 퀴즈
- 추상화 더 알아보기3-1. 변수 제대로 이해하기 3-2. 함수의 실행 순서 3-3. return문 제대로 이해하기 3-4. return문과 print의 차이 3-5. 옵셔널 파라미터 3-6. Syntactic Sugar 3-7. 변수의 scope 3-8. 짝수? 홀수?
- while 반복문과 조건문4-1. while 반복문 개념 4-2. while 반복문 문법 4-3. while 반복문 실습 4-4. if문 개념 4-5. if문 문법 4-6. elif문 4-7. 학점 계산기
- 리스트/사전과 for 반복문5-1. 리스트 5-2. 리스트 함수 5-3. 리스트 정렬 5-4. 리스트 인덱싱 연습 5-5. 리스트 함수 활용하기 5-6. 리스트 꿀팁 5-7. 리스트와 문자열 정리 5-8. for 반복문 5-9. range 함수 5-10. range 연습 5-11. for문으로 구구단 5-12. 사전 5-13. 사전 활용법 5-14. 투표 집계하기
- 반복 가능한 자료형6-1. 반복 가능한 자료형 6-2. enumerate()와 zip() 6-3. 시험 결과 확인하기 6-4. List Comprehension 6-5. List Comprehension 실습 6-6. 세일 상품 리스트
- AI 안전하게 다루기25-1. 토픽 소개 25-2. 수강 가이드 25-3. AI 윤리 핵심 개념 25-4. AI 윤리 문제 사례와 책임 25-5. AI 윤리와 책임 퀴즈 25-6. AI 프로젝트와 저작권 25-7. 라이선스 이해와 적용 25-8 안전한 데이터 관리. 25-9. AI 개발 과정별 위험 요소 25-10. 저작권·보안·리스크 관리 퀴즈
- Python 프로젝트: 주간 식단 분석 리포트7-1. 프로젝트 소개 7-2. 프로젝트 실습
- 파이썬으로 데이터 사이언스 시작하기8-1. 토픽 소개 8-2. 수강 가이드 8-3. Jupyter Notebook이 무엇인가요? 8-4. Jupyter Notebook 둘러보기 8-5. 셀의 작동 방식 8-6. 마크다운 사용하기
- NumPy로 데이터 다루기9-1. NumPy란? 9-2. NumPy와 array 9-3. 인덱싱과 슬라이싱: 1차원 array 9-4. 비트코인 가격 정보 탐색하기 I 9-5. 인덱싱과 슬라이싱: 2차원 array 9-6. 비트코인 가격 정보 탐색하기 II 9-7. 불린 인덱싱 9-8. NumPy 기본 연산 9-9. 짝수만 추출하기 9-10. 쇼핑몰 매출액 계산하기
- Matplotlib으로 데이터 시각화하기10-1. Matplotlib과 데이터 시각화 10-2. 다양한 그래프 그려보기 10-3. 쇼핑몰 매출액 데이터 시각화 10-4. 그래프 간단하게 꾸미기 10-5. 그래프 사이즈 조절하기 10-6. 연봉 데이터 시각화 10-7. 그래프에 한글로 된 텍스트 넣기
- pandas로 데이터 다루기11-1. pandas와 DataFrame 11-2. DataFrame을 만드는 다양한 방법 11-3. 데이터 불러오기 11-4. 프리미어 리그 데이터 탐색하기 11-5. DataFrame에서 일부만 선택하기 11-6. 손흥민 선수의 골 득점 수는? 11-7. DataFrame과 불린 인덱싱 11-8. 골을 넣은 선수는 누구? 11-9. 데이터 수정 및 추가하기 11-10. 선수 데이터 수정 및 추가하기 11-11. pandas에서 그래프 그리기
- 통계 기본 상식과 그래프12-1. 토픽 소개 12-2. 통계 기본 상식 12-3. 평균 vs 중간값 12-4. 사분위수 계산하기 12-5. 통계 기본 상식 퀴즈 12-6. 박스 플롯과 이상점 12-7. 스타벅스 음료의 칼로리는? 12-8. 히스토그램 12-9. 중고차 데이터 분석 I 12-10. 모집단과 표본 12-11. 확률 밀도 함수와 KDE plot 12-12. 중고차 데이터 분석 II 12-13. 데이터 분포의 모양 12-14. 분산과 표준편차 12-15. 데이터 분포 퀴즈 12-16. 누적값 계산하기 12-17. 코드잇, 성공할 수 있을까?
- seaborn으로 데이터 시각화하기13-1. seaborn으로 그래프 그리기 13-2. set_theme() 함수로 그래프 커스터마이징하기 13-3. 공유 자전거 데이터 더 살펴보기 I 13-4. 데이터 분포 시각화 I 13-5. 공유 자전거 데이터 더 살펴보기 II 13-6. 데이터 분포 시각화 II 13-7. 이코노미와 비즈니스 13-8. 흡연 여부와 보험금 13-9. 상관관계 시각화 13-10. 피어슨 상관계수와 공분산 13-11. 비싼 와인이 더 맛있을까? 13-12. 보험료 데이터 분석하기
- DataFrame 기본기14-1. 토픽 소개 14-2. DataFrame 살펴보기 14-3. describe()? describe! 14-4. DataFrame 살펴보기 퀴즈 14-5. 엑셀 파일 불러오기 14-6. 인덱스, 컬럼명, 데이터 타입 설정하기 14-7. Series 살펴보기 14-8. Series 살펴보기 실습 14-9. 여러 개의 조건으로 불린 인덱싱하기 14-10. 여러 개의 조건으로 불린 인덱싱하기 실습 14-11. query() 함수로 불린 인덱싱하기 14-12. 데이터 삭제하기 14-13. drop() 함수와 axis 14-14. 데이터 삭제하기 실습 14-15. 데이터 내보내기
- 결측값, 중복값, 이상점 처리하기15-1. 결측값 찾기 15-2. 결측값 처리하기 15-3. 결측값 처리하기 실습 15-4. 중복값 찾기 15-5. 중복값 처리하기 15-6. 중복값 처리하기 실습 15-7. 이상점 찾기 15-8. 이상점 처리하기 15-9. 이상점 처리하기 실습
- 문자 데이터 가공하기16-1. 대소문자 처리하기 16-2. 문자열 분리하기 16-3. 불필요한 문자 제거하기 16-4. 문자 데이터 처리하기 실습
- 숫자 데이터 가공하기17-1. 새로운 값 계산하기 17-2. 새로운 값 계산하기 실습 17-3. 정규화 17-4. 정규화 실습 17-5. 표준화 17-6. 표준화 실습 17-7. cut() 함수로 데이터 구간화하기 17-8. 데이터 구간화 실습 17-9. apply() 함수 알아보기
- 날짜와 시간 데이터 다루기18-1. 날짜와 시간을 위한 데이터 타입 설정하기 18-2. 다양한 형식의 날짜와 시간 데이터 다루기 18-3. 날짜와 시간 데이터 인덱싱하기 18-4. 날짜와 시간 데이터 인덱싱하기 실습 18-5. 날짜와 시간을 더하고 빼기 18-6. 날짜와 시간을 더하고 빼기 실습
- 데이터 합치기19-1. 같은 형식의 데이터 합치기: concat() 19-2. concat() 실습 19-3. 조인 연산 19-4. 컬럼 기준 데이터 합치기: merge() 19-5. merge() 실습 19-6. 인덱스 기준 데이터 합치기: join() 19-7. join() 실습 19-8. merge()와 join() 더 알아보기 19-9. 조인한 데이터로 새로운 인사이트 얻기
- 그룹별로 분석하기20-1. Groupby 20-2. Groupby 실습 20-3. category 데이터 타입 다루기 20-4. Groupby와 멀티 인덱스 20-5. Groupby와 멀티 인덱스 실습 20-6. 다양한 통계값 계산하기 20-7. 다양한 통계값 계산하기 실습 20-8. 피벗 테이블 20-9. 피벗 테이블 실습 20-10. 원하는 시간 간격으로 묶기
- 추론 통계 기본기21-1. 추론 통계 토픽 소개 21-2. 추론 통계란 21-3. 모집단과 표본 21-4. 평균과 표준편차 21-5. 모수와 통계량 21-6. 추론 통계 기본기 퀴즈 I 21-7. 확률과 확률분포 21-8. 정규분포와 중심극한정리 21-9. 표준오차와 신뢰구간 21-10. 모평균 추정 방법 정리 21-11. 추론 통계 기본기 퀴즈 II
- 통계적 가설 검정22-1. 통계적 가설 검정이란 22-2. 통계적 가설 검정 절차 22-3. 제1종 오류와 제2종 오류 22-4. 통계적 유의미성이란 22-5. 통계적 가설 검정 퀴즈 I 22-6. 가설 검정 방법 선택하기 22-7. 그룹 간 차이를 밝히는 Z검정 22-8. t검정과 Z검정 22-9. 분산분석과 카이제곱검정 22-10. 세 그룹 이상을 비교하는 방법 22-11. 통계적 검정 방법론 한판 정리 22-12. 통계적 가설 검정 퀴즈 II
- 회귀 분석23-1. 회귀분석이란 23-2. 회귀분석의 가설 검정 23-3. 다중회귀분석 23-4. 설명변수의 선택: 다중공선성 문제 23-5. 로지스틱 회귀분석 23-6. 회귀분석을 활용한 다그룹 비교 I 23-7. 회귀분석을 활용한 다그룹 비교 II 23-8. 상관관계와 인과관계 23-9. 회귀분석 퀴즈
- 데이터 분석 프로젝트: 건강 데이터 기반 식단 추천 인사이트 찾기24-1. 프로젝트 소개 24-2. 수강 가이드 24-3. 프로젝트 실습
- 총 훈련시간62 시간
출처 · 고용24
지원 혜택
기관이 공개한 혜택 정보가 없습니다. 상담에서 확인하세요.
출처 · 기관 랜딩페이지 · 훈련장려금은 제도
지원 절차
기관이 공개한 절차 정보가 없습니다. 지원하면 상담에서 안내받습니다.
출처 · 기관 랜딩페이지 · 기관마다 다릅니다
자주 묻는 질문
비전공자도 지원할 수 있나요?
K-디지털 기초역량은 제도상 전공·학력을 보지 않습니다. 다만 기관이 밝힌 훈련 대상이 있어 위 「어떤 분이 수강하면 좋을지」를 함께 확인하세요.
내일배움카드가 꼭 있어야 하나요?
지원 시점에 없어도 됩니다. 상담 단계에서 발급을 진행합니다. 다만 수강신청은 카드가 있어야 마칠 수 있습니다.
선발 절차가 있나요?
기관이 공개한 절차에서 별도 시험·전형은 확인되지 않았습니다. 상담 후 수강신청으로 이어집니다.
예전에 국비 교육을 들었는데 또 되나요?
중복수강 제한이 있을 수 있습니다. 최근 수료 이력이 있으면 상담 단계에서 먼저 확인해야 합니다.
출처 · 제도 요건 · 과정 데이터로 답이 채워지는 질문만
기관 랜딩페이지가 확인되지 않았습니다. 아래 정보는 고용24 등록값입니다.
고용24 2026-08-14 기준 · 매일 갱신
