1. 취업교육과정
  2. K디지털과정
  3. 일본취업과정
  4. 재직자교육과정
  5. 수강후기
  6. 취업지원실
  7. 커뮤니티
  8. 솔데스크 오시는길
이  름 :
휴대폰 : - -
개인정보수집동의 [자세히]

02-6901-7098

빅데이터취업반 - 빅데이터 R.파이썬을 활용한 애널리스트 과정

빅데이터취업반 - 빅데이터 R.파이썬을 활용한 애널리스트 과정
빅데이터 최적화된 (R/파이썬) 활용한 애널리스트 양성과정
평일반 : 2022년 06월 07일
전화 : 02-6901-7098
100%국비지원 | 월 40만원 훈련수당 지급
교육내용  



교육과정

파이썬 브라이틱스 기반 빅데이터 분석 개발자과정 기업채용예정과정


2021년 디지털 핵심 실무 인재 양성사업 [노동부주관 K-Digital Training 선정과정]

K-디지털트레이닝 선정과정 ( 기존 국비지원 참여자도 신청가능 )


[고용노동부 훈련기관 인증평가 우수훈련기관]


서류접수기간 ( 선착순 조기마감예정 )



빅데이터 분석 직종은 대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하기 위해 목적에 따라 분석기술을 기반으로 정형/비정형 대용량 데이터를 탐색, 분석하고 시각화를 수행하는 업무에 종사한다. 분석된 정보를 토대로 의사결정의 목적이 있는 대다수의 기업들은 전문가 인력과 신규인력의 공급을 필요로 하고 있다. 이에 따라 본 교육과정에서는 산업현장에서 요구하는 생산성 높은 최적화 된 분석도구(R, Python 등)를 기반으로 대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하는 것을 목적으로 삼는다. 분석기술과 방법론을 기반으로 데이터 분석을 위해 수집·저장된 데이터를 분석용 데이터로 정재, 변환, 적재, 검증하여 대용량 데이터를 구축·탐색·분석하고, 시각화를 수행할 수 있는 능력을 함양할 수 있도록 한다. 현장 업무에 대한 이해를 높이고, 이를 바탕으로 빅데이터에 숨겨진 패턴과 알려지지 않은 정보간의 관계를 찾아내기 위해 사용되는 통계기법, 머신러닝, 텍스트마이닝 등의 분석방법들을 효과적으로 적용하기 위한 능력을 함양할 수 있다. 최종적으로 다양한 산업(비즈니스)별 알고리즘 기법 학습을 토대로 포트폴리오를 완성하여 차세대 스마트 빅데이터 분석가로써 기술력을 갖춘 전문인력 양성을 목표로 한다.

진출분야 - 데이터분석가 / 데이터엔지니어 / 빅데이터분석가 / AI모델연구개발 / AI서비스개발자등


1회차~3회차 총75명의 훈련생을 선발 계획입니다. 과정 특성상 조기마감이 예상되며 빅데이터 분야에 관심이 있는 구직자분들의 많은 문의 부탁드립니다.



교육대상 및 전망



교육대상

- 대학 졸업예정자 및 수료 후 참여기업으로 취업이 가능한 자
- 빅데이터  관련 업체 취업 및 이직 희망자
- 관련 교육 사전이수 등 지원 프로그램에 대한 참여의지가 높은 자
- 빅데이터, 프로그래밍 관련 자격증을 취득하려고 하는자
- 교육 수료 후 참여기업으로 취업에 결격사항이 없는 자
- 부적합자 철저히 선별 ( 선착순 선발 )


선발방법

- 입학상담을 통한 서류접수(서류전형 합격자는 교육훈련 참여가능)
- 개강전 채용기업 인사담당자가 참여한 1차면접 진행(개별합격통보)
- 교육수료후 수행평가 점수에 의한 최종입사 결정

서류접수 / 1차면접(채용기업인사담당자참여) / 개별합격통보


K-Digital Training 지원자 숙지 및 요청사항


총 960시간 ‘반년’동안 진행되는 훈련과정으로 시간을 아낌없이 투자 하셔야 하며, 교육과정에 성실하게 참여 해주셔야 합니다.실제로 취업이 되셨다는 마음가짐으로 ‘출결도 근태관리처럼!’ 임해주세요.취업 성공 후 ‘솔데스크인의 밤’(솔데스크 수료생 모임)과 같은 교육센터와의 커뮤니케이션을 통해 후배들도 이끌어 주시고 신기술 교육 참여도 적극적으로 하고, 신입직원 채용, 조언, 기술공유 등을 할 수 있기를 바랍니다.


kdji.gif


KDigital Training 


고용노동부는 한국형 뉴딜(사람투자)의 핵심과제인 KDigital Training에 참여하는 총 43개 혁신교육훈련기관 등을 통해서 3,600여명의 청년에게 디지털 일자리로의 취업을 위한 교육기회를 제공하고 향후 5년간 18만명까지 이를 확대해 나갈 계획입니다.


고용노동부는 KDigital Training이 기존 교육훈련사업과 다른 이유를 청년들의 4가지 워너비로 설명하였습니다.


첫째, 청년들이 워너비(가고 싶어)하는 43개 혁신교육훈련기관·우수대학 등 참여


둘째, 네이버, 솔트룩스, 마이리얼트립 등 청년들의 워너비(취업하고 싶은) 디지털 선도기업이 직접 훈련과정의 설계를 지원하여 취업의 연계성이 높다


​셋째, 온라인 교육훈련 플랫폼을 기반으로 하는 개인 맞춤교육으로 코로나19 시대에 비전공자도 워너비(되고 싶은) 디지털 현장 실무인재로 성장할 수 있다


​마지막으로 청년들이 워너비(듣고 싶은)하는 인기 있고 우수한 교육훈련과정의 비용을 정부가 부담


고용노동부 이재갑 장관은 “최근 기업들은 디지털 분야 인력 부족을 호소하고 있는 반면 청년들은 충분한 교육·훈련기회 부족으로 디지털 분야 취업에 어려움을 겪고 있어 이러한 미스매치 문제를 해결하는 차원에서 KDigital Trainng을 추진하게 되었다”고 밝혔습니다.




훈련강점




파이썬 & 브라이틱스 기반 빅데이터 분석 개발자 과정 Architecture


* 사용자가 접하는 인터페이스는 React native 기반의 Android app 개발, HTML, jQuery, Ajax,JSON 기반의 Desktop 화면 개발이 구현됩니다. 웹 서비스층은 Python의 장고와 Spring Boot, Rest API 기반의 구성으로 개발이 되며, 데이터 분석층은 KoNLPY(코엔엘파이)를 이용한 자연어 처리와 파이썬 기반의 추론통계기반 데이터 분석을 진행합니다. 

 서버층의 OS는 우분투를 사용하며, DBMS는 Oracle을 사용합니다. 최종적으로 개발된 트랜드 분석 시스템은 Docker 이미지로 변환되어 AWS 클라우드 EC2 서비스에 배포 되도록 구현됩니다.





교육목적


- 빅데이터 품질목표를 달성할 수 있도록 빅데이터 품질관리시스템 설계 및 구성, 품질관리 모듈을 개발할 수 있다.

- 빅데이터에 숨겨진 패턴과 알려지지 않은 정보간의 관계를 찾아내기 위해 사용되는 통계기법, 머신러닝, 텍스트마이닝 등의 분석방법들을 효과적으로 적용하기 위 한 분석시스템을 개발할 수 있다.

- 저장된 데이터를 처리목적에 따라 크기, 종류, 저장 구조를 고려하여 처리 및 가공하기 위한 분산처리, 실시간처리, 이벤트처리 모듈을 개발할 수 있다.

- 활용목적에 적합한 데이터를 수집하기 위하여 빅데이터 수집시스템 구성, 내·외부 데이터 수집모듈 개발, 데이터 변환모듈 개발 및 수집 데이터 검증모듈을 개발할 수 있다.

- 빅데이터 수집, 저장, 처리, 분석 및 품질관리를 할 수 있도록 빅데이터 플랫폼 구축에 필요한 하드웨어와 소프트웨어의 구조를 설계할 수 있다.


빅데이터 브라이틱스 로드맵 





학습목표

참여기업 요구 및 수요조사 반영 결과

주요이수

* 참여기업이 공통적으로 요구하는 사항은 신입 개발자의 빅데이터 분석 기술을 다룰 수 있는 능력필요
 빅데이터 분석 및 코드리스 기반의 머신러닝이 가능한 브라이틱스를 이용한 모델 제작 분석


필요역량

* 파이썬을 이용한 알고리즘 실습, 머신러닝 기초 수학 파이썬 실습경험을 가진 인재가 필요* 다양한 데이터를 이용해 분석 실습이 원활히 되도록 하였으며 머신러닝을 통해 자동화된 분석 기법을 함양 할 수 있도록함




K-디지털트레이닝 채용협약기업


cla.gif


 



빅데이터취업반 프로젝트 구성

- 데이터베이스 모델링, ERD 제작 ,웹 주문 시스템 제작, 웹을 통한 판매 데이터 수집
- 판매 데이터 전처리, 협업 필터링 추천 시스템 제작, 특성 변수 파악, One-hot Representation변환 
- Tensorflow 추천 model 제작, Tensorflow, DBMS 실시간 학습 연동, 하이브리드 추천 시스템 제작 
- 분석용 도구 R과 파이썬을 활용하여 다양한 모델 구현을 위한 기본 분석 기법부터 고급 응용 기법까지 단계별 학습 
- 빅데이터 저장시스템 개발에서는 Hadoop을 이용한 저장 및 입출력 시스템을 개발
- R프로그래밍과 파이썬을 이용한 분석시스템을 개발하며, 빅데이터 품질관리 시스템 개발에선 빅데이터품질관리 시스템 설계 및 구성, 품질관리모듈을 개발

빅데이터 취업반 프로젝트 운영방안 
교육일정구성 ( 총 960시간중 290시간 프로젝트 구성 )

aws3.gif

 


1. 종강일 기준 2주 전 팀원들과 프로젝트 준비 및 시연.
2. 참여 기업에서는 비 대면(온라인)으로 손 쉽게 본 행사에 참여하여, 학생들의 프로젝트를 참관.
3. 미리 공유된 이력서 및 PPT를 통해 인재를 파악, 추 후 자유롭게 면접을 제의.
4. K-Digital Training에서 다져진 프로세스를 통해 빅데이터 교육을 진행.


빅데이터 취업반 프로젝트 운영방안

교육일정구성 ( 총 960시간중 290시간 프로젝트구성 )



K디지털트레이닝 1.2기수 프로젝트 발표회영상





솔데스크강의장

edu01_02_d.png

교육대상
본 교육은 5개월 교육과정으로 6수준을 목표로 하는 교육과정으로 데이터베이스(SQL) 및 프로그래밍 또는 통계학 지식을 갖추고 있는 훈련 대상자를 기준으로 한다.


[선수학습 지식 수준]

- DBMS와 SQL 등 데이터에 대한 이해
- SPSS, R, SAS 등의 통계 분석 도구의 이해
- C, Java, Python 등의 프로그래밍에 대한 이해
- 확률과 통계에 대한 이해

[우대사항]

- 통계학과 전공자 또는 이와 동등한 지식을 소유한 자
- 관련 분야 유 경험자 또는 이와 동등한 지식을 소유한 자
- 정보처리기사, ADsP, SQLD 등 자격증을 보유한 자
교육기간 · 6개월
수강생혜택

※ 국비지원 자격 ※   아래조건중 1가지이상 충족시 신청가능  30명선착순접수


 

ㆍ 구직자 ( 미취업자 및 실업자 )

ㆍ 직업안정기관(워크넷등)에 구직등록한 15세 이상 구직자

ㆍ 다음해 2월말까지 졸업예정인 고등학교 3학년 재학생으로서 상급학교 비진학 예정인 학생

ㆍ 다음해 2월말까지 졸업예정인 대학(전문대학 포함) 최종학년 재학생으로서 상급학교 비진학 예정인 학생

ㆍ 야간대학교, 사이버대, 방통대 재학생 및 휴학생 ( 재학중에도 수강신청가능 )

ㆍ 고용노동부- 국민내일배움카드. 국민취업지원제도 발급자

ㆍ 비전공자 초보자도 지원 가능 30명 선착순접수  지원문의 02) 6901-7098

ㆍ K디지털트레이닝 선정과정 ( 기존 국비지원 참여자도 신청가능 )



※ 언택트 수업( 대면.비대면 선택가능 ) 현장강의 실시간 동시 진행 ※



수강료 전액 무료 + 매월 훈련수당 지급 (최대 800,000원 )

ㆍ언택트수업 진행 비대면. 대면 선택가능

ㆍ온라인 인터넷 동영상 강의 무료지원

ㆍ교육비 전액무료 ( 빅데이터관련 교재지원 )

ㆍ6개월 간 식대 및 교통비 지원 (최대 30만원) -단위기간 출석률 80% 충족 시

ㆍNCS 기반의 체계적 교육 · 훈련으로 경력개발 유리

ㆍ수료생은 취업보도실의 체계적인 관리시스템을 통해 취업지원

ㆍ취업지원실을 별도로 운영하여 응용 SW 분야의 직무를 결정할 수 있도록 1:1밀착상담

ㆍ훈련생과 상담자 간에 라포(친밀감 및 공감대) 형성, 이력서 특강 및 취업동향 세미나를 진행합니다.

ㆍ수료 이후에는 트렌드에 맞는 이력서 첨삭, 일회성이 아닌 지속적 지원, 모의면접 진행 

ㆍ취업지원은 본 교육기관으로 구인의뢰 내용과 취업포털사이트를 서칭 후 채용 알선을 진행하고 있습니다.

교육커리큘럼
1

과목명

모듈

세부과정

SQL / DataBase 

 

DBMS 이해

 

 

DBMS 구조 이해

Database 유형과 구성요소

DBMS Transaction 관리

 

SQL 을 이용한 Data 처리

 

SELECT절 활용

조건(WHERE)처리와 정렬(ORDER BY)

그룹 데이터 처리(GROUP BY)와 그룹조건 처리(HAVING)

테이블간 JOIN 처리

SUBQUERY 활용

Transaction 처리

 

데이터 입력수정삭제

Transaction 처리

Object 생성 관리

 

테이블 생성과 관리

인덱스 생성과 관리

SQL 기본 및 활용

 

 

정보 요구 사항 

DDL , DML , DCL, TCL 

WHERE 절 , GROUP BY, HAVING 절 , ORDER BY 절 

표준조인 

집합연산자 

계층형 질의 

서브쿼리 

그룹 함수윈도우 함수

 

RDBMS (MySQL)

 

 

MySQL설치접속계정 만들기와 권한 부여하기

테이블 작성과 수정삭제

SELECT 쿼리 (조건정렬조인서브쿼리함수)

DML (데이터 조작 쿼리)

 

 

기본 & R을 활용한 데이터 분석 

 

개요 및 설치 패키지 이해 

 

설치 및 패키지 설치

작동환경 이해

 

 

 

데이터 구조 이해 및 실습

 

주요 데이터구조 이해

-백터데이터프레임리스트데이터 처리,병합,

 가공데이터마트 생성

 

 

데이터 구조의 처리

 

다양한 패키지를 활용한 데이터 전처리

변수 생성 및 계산

 

 

파일 및 DB 입출력

 

 

파일 입출력

DB 연결 및 쿼리 실행

 

데이터 병합 및 문자열 처리 

열단위 병합

Merge 기능

문자열 처리를 통한 데이터 가공

분석 도구를 활용한 수리적 배경 *

 

통계 주요개념의 이해

확률 주요개념의 이해

선형대수 주요개념의 이해

개념 리뷰 실데이터 대상 확률통계 적용

 

데이터 분석 개요

          데이터 분석의 목적

           추론과 예측 관점의 기법 정리

R _ 선형회귀 분석의 이해 및 활용

 

선형회귀분석 개요 및 주요 개념

계수의 해석 및 잔차의 이해

결과의 해석

단순회귀분석의 이해 및 적용

다중회귀분석의 이해 및 적용

 

R _ 선형모형의 활용 (포아송로지스틱)

포아송회귀분석의 개요 및 적용 방안

로지스틱회귀분석의 개요 및 적용 방안

주요 개념 정리 및 실제 데이터 적용 실습 

          주요 내용 리뷰

          실제 데이터 기반 적용

2

과목명

모듈

세부내용

Python & Python을 활용한 데이터 분석

 

Python

          설치 및 패키지 설치

          작동환경 이해

데이터 구조 이해 및 실습

주요 데이터구조 이해

-리스트/세트/테이터프레임

데이터처리/병합/가공/데이터 마트 생성

데이터 구조의 처리

다양한 패키지를 활용한 데이터 전처리

변수 생성 및 계산

파일 및 DB 입출력

파일입출력

DB연결 및 쿼리 실행

데이터 병합 및 문자열 처리

         행/열단위 병합

           Merge 기능

         문자열 처리를 통한 데이터 가공

▲ 파이썬을 활용한 데이터 분석 _ SW/패키지

           Python, Pandas, Numpy, Scipy 

3

과목명

모듈

세부과정

응용 데이터 및 웹 데이터 활용 및 분석 

 

선형회귀 분석의 이해 및 활용 1

선형회귀분석 개요 및 주요 개념

계수의 해석 및 잔차의 이해 결과의 해석

선형회귀 분석의 이해 및 활용 2

단순회귀분석의 이해 및 적용

다중회귀분석의 이해 및 적용

선형모형의 활용

포아송/로지스틱

포아송회귀분석의 개요 및 적용 방안

로지스틱회귀분석의 개요 및 적용 방안

주요 개념 정리 및 

실제 데이터 적용 실습

주요 내용 리뷰

실제 데이터 기반 적용

웹 크롤링 이해 및 

관련 함수/패키지

         웹크롤링 방식 이해

         관련 패키지함수 확인 및 실습

예제 사이트 웹크롤링 실습

         예제 사이트 웹크롤링 적용

         수집된 데이터 표현 및 정리

병렬처리를 활용한 웹크롤링

멀티코어 기반 웹수집 방식

웹 수집 데이터 전처리

JSON 형식 전처리

XML 형식 데이터 전처리

데이터 시각화 기법

 

데이터 시각화의 이해

시각화의 주요 개념

시각화 사례

시각화 관련 함수 및 패키지의 이해

시각화 관련 주요 패키지 및 함수 이해

패키지함수 사용법 실습

시각화 차트 별 특징 이해 및 활용

다양한 차트의 이해 및 활용

단변수 차트이변수 차트 등

Python 주요 모듈 기반 웹 시각화

시각화

시각화 사례 및 실습

우수 시각화 사례 실습

실제 데이터의 웹 시각화 연습

4

과목명

모듈

세부과정

텍스트마이닝과 토픽모델링

 

텍스트 데이터의 이해

텍스트 데이터 표현 및 처리방법

관련 함수 및 패키지 이해

Konlpy 기반 형태소 분석 기법

품사 태깅 및 nltk 적용

Gensim 모듈 활용 및 이해

코퍼스 생성 및 전처리 이해 및 실습

파일 및 디렉토리 내 텍스트 기반 코퍼스 생성

텍스트 전처리 과정(Stemming,Stopwords제거)

DTM 생성, TF-IDF 적용

텍스트마이닝 및 시각화

DTM 기반 머신러닝(지도/비지도학습)의 적용

워드클라우드

토픽모델링의 이해 및 적용

           LDA 활용 코퍼스 내 토픽 발견

         토픽의 활용 및 머신러닝 적용

5

과목명

모듈

세부과정

오픈소스기반 머신러닝 학습 및 적용

 

지도학습의 이해

분류모형, Tree 기반 분류 이해

Decision Tree, Random Forest 기법의 이해 및 적용

분류 모형 성능평가

최신 분류모형의 이해

SVM의 이해 및 파라미터 튜닝 , KNN 이해 및 적용/ NB 이해 및 적용

분류기법 비교 평가

 

인공신경망 기반 분류모형의 이해 및 활용

인공신경망의 구성요소 이해

활성화함수의 이해 및 가중치 최적화 기법 이해

인공신경망을 통한 분류 기법

텍스트 데이터 적용을 위한 인공신경망 분류

비지도학습의 이해 군집,패턴

Kmeans클러스터링과 계층적 클러스터링의 이해

패턴 발견을 위한 Association Rule 이해

Sequential AR의 이해

비지도학습의 이해 그래프

         그래프마이닝을 통한 연결 분석 

         소셜네트워크 분석의 이해 및 적용

         링크 예측을 위한 그래프 분석

분류기법을 활용한 주가예측

         주가예측과 관련한 머신러닝 적용 사례

         정형 및 비정형 데이터 큐레이션

         데이터 전처리 및 탐색적 데이터 분석

분류기법 기반 스팸 필터링

스팸필터링 데이터 큐레이션 및 전처리

스팸필터링 분류 적용을 위한 기법 비교평가

성능개선을 위한 분류기법 선택

군집분석을 통한 고객군 발견 및 활용

고객 데이터에 대한 탐색적 데이터 분석

클러스터링 기법을 적용한 고객군 발견

최적의 클러스터링 기법 및 파라미터 선택

매출데이터 패턴 발견

패턴 발견을 위한 매출데이터의 전처리

AR적용 및 파라미터 튜닝 통한 결과 발견 패턴 시각화

추천 기법의 이해 및 활용

추천 기법의 이해 : IBCF, UBCF

콘텐츠 사용 데이터 기반 IBCF의 적용

UBCF의 적용 추천 결과 검증 및 성능 개선

6

과목명

모듈

세부과정

딥러닝 알고리즘 학습 (TensorFlow2, Keras) 

 

AI 알고리즘의 이해

심층신경망의 이해

AI 알고리즘의 이해

인공신경망과 심층신경망

심층신경망의 특징

딥러닝 개요 및 기본 

심층신경망 학습을 위한 딥러닝

활성화 함수 및 최적화 기법의 이해

딥러닝을 위한 함수패키지의 이해

다양한 오픈소스 프레임워크의 이해

주요 함수 및 패키지 설치 및 활용

DNN, RNN, CNN의 이해

DNN의 이해 및 활용

RNN의 이해 및 활용

CNN의 이해 및 활용

워드임베딩의 이해

         오토인코딩과 임베딩

         워드임베딩의 이해

           Word2Vec 이해 및 활용

오픈소스를 활용한 딥러닝 응용

 

딥러닝 기반 주가예측

주가예측과 관련한 딥러닝 적용 사례

정형 및 비정형 데이터 큐레이션

데이터 전처리 및 탐색적 데이터 분석

최적 딥러닝 기법의 발견

딥러닝 기반 고객 리뷰 감성 분석

온라인 리뷰 관련 딥러닝 적용 사례

텍스트마이닝

탐색적 데이터 분석

딥러닝 기반 감성분석

CNN 활용 이미지 인식

이미지 인식과 분류기법

CNN을 통한 이미지 분류

파라미터 튜닝 및 최적화

고객 리뷰 대상 word2vec의 활용

온라인 리뷰 워드임베딩 적용

Word2vec의 이해 및 활용

RNN 리뷰 및 LSTM의 이해

RNN의 특징 이해 및 LSTM소개

LSTM 파라미터 및 구조 이해

오픈소스 기반 LSTM 구현

Tensorflow 기반 LSTM 구현

LSTM 학습 및 파라미터 최적화

LSTM을 위한 텍스트데이터 처리

가상 대화 데이터 전처리

텍스트마이닝

7

과목명

모듈

세부과정

비즈니스에 따른 빅데이터 프로젝트

 

과제 정의 및 분석기획

 

데이터 분석 과제 수행 방법론

데이터 분석 기획 및 과제 구체화

데이터 소싱 및 전처리

데이터 획득/전처리/활용방안 수립

데이터 분석 프로토타이핑

분석 목적에 따른 기법 선택

다양한 기법 비교 평가

데이터 분석 및 시각화

실데이터 분석 및 성능 평가

시각화

프로젝트

분석결과 기반 프로젝트 보고서

강사프로필


[최규리]
[교육경력사항]

(주) 한빛이엔아이 전임강사
JSP project cloud web 페이지 구축
사내 네트워크 방화벽 보안 운영
IDS/IPS 보안 장비 운영및 보안정책 수립

前 중부대학교 네트워크 학부, 소프트웨어(프로그래밍) 학부 강사
前 대영직업능력개발원 소프트웨어(프로그래밍) 학부
前 4세대 아카데미 직업학교 보안/소프트웨어
前 대우 직업능력개발원 소프트웨어(프로그래밍) 힉부
現 광운대학교 네트워크, 빅데이터 자바 계절학기 강사
現 솔데스크 소프트웨어(프로그래밍) 학부


[보유자격증]


컴퓨터 공학 학사

직업훈련교사정보처리 기사

리눅스 1급

네트워크 관리사 2급

정보기기운영

CCNA



[엄기흥]
[교육경력사항]

숭실 대학교 정보과학 대학원 공학 석사

(A Study on Message Transmission Performance Comparison between AR application and Middleware)

아이티윌정보처리학원 수석 강사

한신대학교 정보통신 학부 청년취업 아카데미 강의

성신여자 대학교 전산정보팀 CBD & FLEX 강의

울산 과학대학교 정보통신학부 자바 전문가 과정 강의삼성전자 정보통신연구소 신입사원(2005년)

Mobile Platform 강의

서울지하철공사 전산직원 C, C++, Oracle Database Modeling(Erwin 4.1) 강의

 



[보유자격증]

직업 능력 개발 훈련 교사 2급 (정보기술전략·계획 / 정보기술개발)
직업 능력 개발 훈련 교사 3급 (문화콘텐츠 / 영상 제작)
직업 능력 개발 훈련 교사 3급 (디자인)
직업 능력 개발 훈련 교사 3급 (정보기술운영·관리)
모바일앱 개발 전문가 공인 강사(MAP-CPI)
정보처리기사/사무자동화산업기사
네트워크 관리사 2급/리눅스 마스터 2급
전자시스템 제어사 2급/유비쿼터스 기술 관리사 2급
전자상거래 운용사/해킹 보안 전문가(HSE) 3급
RFID-GL/SCJP2(Sun)/SCJP5(Sun)

솔데스크소개  |  솔데스크교육시스템  |  솔데스크학원연혁  |  솔데스크시설  |  솔데스크제휴기관  |  솔데스크오시는길  |  기업교육  |  개인정보보호정책
교육내용
교육커리큘럼
강사프로필
수강후기
온라인문의
수강료조회