K-DIGITAL TRAINING · 금융
금융권 데이터 분석·서비스 기획 KDT 과정
금융권 데이터 분석가와 서비스 기획자를 양성하는 KDT 과정. Python 기초에서 출발해 머신러닝·시계열·자연어 처리·데이터 파이프라인을 거쳐, 은행 실데이터 기반 서비스 기획·구현 프로젝트로 마무리합니다.
6개월
총 970시간
시수 구성
정규교과 650h프로젝트 280h현장실습·금융 도메인 40h
| 교과목 | 주요 내용 · 실습 데이터 | 이론 | 실습 |
|---|---|---|---|
| 정규교과 | |||
| 데이터 기반 금융 서비스 기획 개념 | 데이터 분석 트렌드와 AI 서비스, 분석 환경 구성 | 4 | 4 |
| 파이썬 기초 · 응용 | 기초 문법, 의사결정 프로그램, RPA 업무 자동화 | 12 | 12 |
| 데이터 구조와 분석 프로세스 | 정형·비정형 데이터 분석 절차, 서비스 사례 | 4 | 4 |
| 파이썬 정형 데이터 분석 | 핸들링·병합·시각화·가설 검정·회귀실습: 소매점 CRM 우수 고객 · 유통사 전처리 자동화 · 렌탈 계약 해지 분석 | 40 | 44 |
| 머신러닝 지도학습 | 특성 공학, 파이프라인, 회귀·트리·앙상블·SVM·KNN, 대시보드실습: 대출 연체 판별 · 기업 신용평가 여신 승인 판별 | 40 | 64 |
| 비지도 · 준지도학습 | 군집·연관 분석, 추천 시스템, 차원 축소실습: 여신·수신 상품 추천 · 이상 거래 탐지 | 40 | 40 |
| 금융 지표 시계열 분석 | 정상성·분해, 전통·ML·딥러닝·혼합 시계열실습: 주가 예측 · 유통 수요 예측 · 이커머스 매출 예측 | 20 | 30 |
| 금융 자연어 처리 | 전통 NLP부터 Transformer·BERT·GPT, LLM 챗봇실습: 은행 지점 VOC 분류 · 기술신용평가 텍스트 기반 여신 판별 | 20 | 38 |
| 빅데이터 처리 · 데이터 파이프라인 | DW·Lakehouse, SQL, 데이터 마트, Parquet·DuckDB, ETL 자동화, 품질 검증 | 30 | 40 |
| PM/PO 실무 · UX/UI 설계 | 서비스 기획 절차, Figma, 플로우차트, 페르소나·고객 여정 | 40 | 40 |
| 앱 개발 이해 · AI 도구 서비스 구현 | MVP·백엔드·DB 설계, AI 코딩 도구 기반 프로토타입 구현과 배포 | 28 | 56 |
| 프로젝트 | |||
| 여신 데이터 기반 맞춤형 서비스 기획 | 추진 배경·KPI 설정·인사이트·개선안·보고서 | 10 | 30 |
| 영업점 수신 데이터 기반 금융 서비스 기획 | 데이터 맵·특성요인도·변수 정의서, 마이닝 모형 기반 서비스 설계실습: 실제 영업점 손님 수신 데이터 | 10 | 70 |
| 금융 데이터 기반 온라인 서비스 기획·구현 | ERD, 플로우차트, 기대효과 계산, 서비스 구현 | 20 | 140 |
| 현장실습 · 금융 도메인 | |||
| 현업 실습 · 금융 도메인 | 서비스기획 현업 방문, 수신·여신·리스크, 금융 IT 시스템 구조, 입학식·수료식 | 40 | 0 |
| 합계 | 358 | 612 | |
