과정 소개
<p> 본 과정은 인공지능과 더불어 소프트웨어 중심의 미래사회에서 지식 정보화에 핵심적인 역할을 하는 데이터에 대하여 정보화하는 방법을 학습하는 강좌이다. 데이터는 지식정보를 분석하고 문제해결 역량을 길러줄 수 있는 중요한 열쇠이며, 최근에는 데이터를 다룰 수 있는 역량과 이 데이터 통하여 미래를 예측하고 싶은 욕구가 증가하고 있다. </p><p> 데이터베이스는 지식 정보화의 핵심영역으로 현실세계에서 발생하는 많은 정보중에서 정보화에 필요한 데이터를 정의하여, 지식 정보 축적하는 저장소이다. 데이터아키텍처는 데이터에 대한 표준 규칙을 수립한 후, 데이터 간의 연결 관계와 구조를 정의하여 시각화하고, 저장된 데이터에 대한 품질을 확보하여 향후 데이터를 기반으로 지능정보 사회의 핵심 자원으로 활용하는데 필수적인 요소이다. </p>
커리큘럼 총 34차시
- 1데이터 활용
- 2데이터 표준화 개념
- 3데이터 표준화 원칙
- 4표준 단어
- 5표준 도메인
- 6표준 코드
- 7표준 용어
- 8데이터 모델링_이해
- 9개념모델링_주제영역정의
- 10개념모델링_엔터티 정의
- 11개념모델링_사례분석
- 12개념모델링_관계정의
- 13개념모델링_관계 정의 실습
- 14논리모델링_속성/식별자 정의
- 15논리모델링_사례분석
- 16논리모델링_정규화/이력관리
- 17논리모델링_정규화 실습
- 18물리모델링_논리 물리모델 변환
- 19물리모델링_논리 물리모델 변환 실습
- 20물리모델링_반정규화
- 21물리모델링_인덱스 설계
- 22물리모델링_무경설 설계
- 23데이터 품질 개요
- 24데이터 품질 진단 – 계획/정의단계
- 25데이터 품질 진단 – 정의단계 1(중요도)
- 26데이터 품질 진단 - 정의단계 2(프로파일링 개념)
- 27데이터 품질 진단 - 정의단계 3(프로파일링 실습)
- 28데이터 품질 진단 - 정의/측정/분석단계
- 29데이터 품질진단 - 개선 단계 및 프로파일링
- 30데이터 프로파일링 - 도메인(번호/금액/명칭)
- 31데이터 프로파일링 - 수량/분류/날짜/율
- 32데이터 프로파일링 - 도메인(내용/코드/키/공통)
- 33데이터 프로파일링 - 업무규칙
- 34인공지능 학습데이터 품질
훈련 진행 유의사항
- 본인인증 — 휴대폰 본인인증을 입과 시 (최초 1회), 진도학습 시 (1일 1회), 시험·과제·진행평가 시 수행합니다.
- 수료기준 — 진도율 80% 이상 · 총점 60점 이상 충족 시 수료 처리됩니다.
- 1일 진도제한 — 1일 최대 8시간까지 학습할 수 있습니다.
- 진도율 산정 — 학습한 차시가 아닌 학습시간 기준으로 산정되며, 차시별 인정시간의 50% 이상 학습 시 인정됩니다.
- 평가 — 진행단계평가·시험·과제가 있으며, 최종평가는 진도율 충족 + 진행평가 완료 후 응시할 수 있습니다.
- 부정행위 — 베낀 답안(모사답안)은 처리기준에 따라 불이익이 있을 수 있습니다.
- 자동 로그아웃 — 장시간 활동이 없으면 최대 120분 후 자동 로그아웃됩니다.