안녕하세요 오늘도 코프입니다!지난 QLD(SQL 개발자) 자격 리뷰 게시물에 이어 이번에는 ADsP(데이터 분석 준전문가) 자격증에 대해 설명하고자 합니다.시험에 대한 자세한 내용은 아래에서 확인하시고 요점정리문을 확인해주세요~
자격 정보 안내 사항
사실 저는 ADsP(데이터분석 준전문가)를 초기에 데이터 분석가로 진로를 정한 이후 가장 먼저 본 자격증입니다.취득한지 벌써 2년이 지났고, 옛 기억을 되새기며 글을 쓰느라 고생했습니다;; 하지만 여러분께 조금이나마 도움이 되었으면 하는 마음뿐입니다.
인기글
ADsP(데이터분석 준전문가) 시험일정 Kdata 데이터자격검정홈페이지
* 최근 시험은 38회 8월 19일(토)입니다. ADsP(데이터분석 준전문가) 시험과목 Kdata 데이터자격검정홈페이지
과목 이름 장절 데이터 이해 데이터와 정보 데이터베이스의 정의와 특징 데이터베이스 활용 데이터의 가치와 미래 빅 데이터의 이해 빅 데이터의 가치와 영향 비즈니스 모델 위험 요인이 통제 방안미래의 빅 데이터 가치 창조를 위한 데이터 사이언스와 전략 인사이트 빅 데이터 분석, 전략 인사이트 전략 인 사이트 유도에 필요한 역량 빅 데이터, 그리고 데이터 사이언스에 있어서 미래 데이터 분석 기획 방향성 도출 분석 방법론 분석 과제 발굴 분석 프로젝트 관리 방안 분석 마스터 플랜 마스터 플랜 수립 분석 구조 체계 수립 데이터 분석 R기초 자료 마트 R기초 데이터 마트 R기초 자료 마트 전망치 처리와 이상치 검색 통계학 개설 통계학 개설 통계학 개설 통계 분석 측정형 데이터 마이닝 데이터 마이닝 개요 분류 분석(Classification)군중 분석(Clustering)관련 분석(Association Analysis)
ADsP(데이터분석 준전문가) 시험가격 Kdata 데이터자격검정홈페이지
ADsP(데이터분석 준전문가) 시험합격률 Kdata 데이터자격검정홈페이지
데이터 분석 분야의 국가공인자격증인 ADsP(데이터분석 준전문가)는 응시율과 합격률이 모두 갈수록 상승하고 있습니다.실제로도 시험 난이도는 다른 데이터 분석 자격증에 비해 간단한 편이기도 합니다.2주 정도 무난하게 공부하면 비전공자이신 콜린 분들도 어렵지 않게 합격하실 수 있을 것 같습니다.
1-1 데이터 이해
1-1 데이터 이해1-2 데이터의 가치와 미래1-2 데이터의 가치와 미래1-3 가치 창조를 위한 데이터 사이언스와 전략 인사이트1-3 가치 창조를 위한 데이터 사이언스와 전략 인사이트일차원 분석 금융 서비스:신용 점수 산정, 사기 탐지, 가격 책정, 클레임 분석, 고객 수익성 분석 제조업, 유통 최적화 수요 예측, 재고 보충, 가격 및 제조 최적화 병원:가격 책정, 고객 로열티 수익 관리 에너지:트레이딩, 공급/수요 예측 정부:사기 탐지, 사례 관리, 범죄 방지, 수익 최적화 한 차원 분석 문제점 환경 변화 같은 큰 변화에 대응하거나 고객의 환경 변화를 파악하는 새로운 기회 포착이 어렵다.또 급변하는 환경에서는 분석을 점증적, 전술적으로 사용할 때의 성과가 미미한 것이 될 수 있다.->그러므로 초반의 일차원적인 분석을 통하여 분석 경험을 쌓고 작은 성공을 거두면 분석의 활용 범위를 보다 넓은 전략적으로 변화시키고 인사이트를 주는 가치 기반 분석 단계로 나아가야 한다.데이터 사이언스 데이터 공학, 수학, 통계학, 컴퓨터 공학, 시각화, 해커의 생각, 해당 분야의 전문 지식을 종합한 학문인 정형, 비정형을 막론하고 데이터를 분석뿐 아니라 이를 효과적으로 구현·전달하는 과정까지 포함한다.데이터 과학 영역 분석:수학, 확률 모델, 머신 러닝, 분석학, 패턴 인식과 학습, 불확실성 모델링 IT:프로그래밍, 데이터 엔지니어링 데이터 하우스, 고성능 컴퓨팅 비즈니스 컨설팅:커뮤니케이션·프레젠테이션·스토리텔링, 시각화 데이터 과학자 요구 능력 하드 기술:빅 데이터에 관한 이론적 지식(관련 기법의 이해와 방법론의 습득)와 분석 기술에 대한 숙련(최적인 분석 설계와 노하우의 축적)소프트 스킬:통찰력 있는 분석(창조적 사고·호기심·논리적 비판)설득력 있는 전달(스토리텔링·비쥬알라이제ー션)트리 테린구, 커뮤니케이션, 창의력, 비판적 시각 등 인문학적 요소도 필요하다.인문학 붐의 원인 1. 컨버전스->데 버전:단순화 전략에서 복잡한 세계화의 변화(다양성 접속성, 창조성)2. 생산->서비스:비즈니스 중심이 제품 생산에서 서비스에 변화 3. 생산->시장 창조:기술 경쟁에서 무형 자산 경쟁으로 변화(시장 창조 사회 문화에 관한 지식)빅 데이터의 패러다임 변화 과거:아날로그 세계를 효과적으로 디지털화하나.현재:디지털화된 정보와 대상을 연결하는 미래: 복잡한 접속을 얼마나 효과적이고 믿을 수 있게 관리하는가<기타>DBMS:데이터베이스를 관리하는 응용 프로그램이 이용할 수 있는 데이터베이스를 제공하고 있는 굵은 글씨로 표현하는 객체 지향 DBMS, 레코드 사이의 관계가 표현되는 그래프에 근거한 네트워크 DBMS, 트리 구조에 기초한 계층형 DBMS로 나뉜다.SQL:데이터베이스에 접속할 수 있는 데이터베이스 하부 언어에서 완전한 데이터의 정의와 조작 기능을 갖추고 있다.테이블 단위로 연산을 행하는 영어 문장과 비슷한 구문다는 점이 특징이다.함수는 지정 줄 평균치 반환 AVG, 특정 조건이 맞는 개수 반환 COUNT지정 열 합 반환 SUM지정 열 분산 반환 STDDEV, 지정 줄 가장 작은 값 반환 MIN지정 줄 가장 큰 값 반환 MAX함수가 있다.AVG, SUM, STDDEV는 각 줄이 수신 데이터만 포함할 수 있다, COUNT는 어느 데이터 타입도 가능개인 정보에 식별 기술-데이터 마스킹:형식은 그대로 둔 채 새로운 읽기 쉬운 데이터 익명으로 생성->통계적 유용성을 확보하고 가명 처리:개인 정보 주체의 이름을 딴 이름으로 변경( 다른 값 대체 규칙이 노출해서는 안 된다)-총 처리:데이터 종합치를 표시함으로써 개별 데이터 값이 보이지 않도록 하는 데이터 값 삭제:개인 식별로 중요한 값을 범주의 값으로 감춥니다,수정시에 다양한 제한을 두고 데이터 정확성을 보증하는 데이터 정합성과 수많은 정보 속에 의미 있는 내용을 찾기 위해서 데이터를 방식에 관계 없이 보존하는 데이터 레이크가 있다.빅 데이터 분석 기술 1.Hadoop:복수의 컴퓨터를 한목에 대용량 데이터를 처리하는 기술로 대용량 파일을 저장, 이용자의 질의 실시간으로 처리할 수 있다.2. Apache Spark: 실시간 분산 컴퓨팅 플랫폼에서 스칼라, 자바, R, 파이썬을 지원하며 Hadoop에 비해서 처리 속도가 빠르다.3. Smart Factory:공장 내의 물건의 인터넷이 설치되어 공장 데이터가 실시간으로 수집된 데이터 기반의 의사 결정이 이뤄져생산성을 극대화할 수 있다.4. Machine Learning&Deep Learning:머신-러닝은 인공 지능 분야의 하나로 인간의 학습 능력과 같은 기능을 컴퓨터에 실현되려 하고 있다.딥-러닝은 사람처럼 스스로 학습할 수 있도록 인공 신경망 기술을 기반으로 구축한 기계 학습 기술의 하나이다.블록 체인 거래 내용을 하나의 덩어리로 보고 이를 차례로 연결한 거래 장부에서 서버에 보관하고 두지만 말고 거래 때마다 거래 내역을 대조하고 데이터 위조를 막는다.데이터는 연산이 가능 데이터 수집 난이도가 낮은 처리가 용이한 정형 데이터(csv)와 수집 난이도가 중간 따로 데이터 처리 기술이 필요한 반 정형 데이터(로그 형태), 그리고 연산이 불가능한 데이터 처리가 어려운 비정형 데이터(음성, 영상 이미지)으로 나뉜다.끝까지 읽어주셨나요?그렇다면 정말 잘했어요!박명수씨 명언 다시한번 떠올리면서 끝까지 힘내서 꼭 합격할 수 있도록…!제가 응원할테니 앞으로의 포스팅도 꼭 지켜봐주세요!^^ Give and Take? 아시죠? ㅎㅎ위 포스팅은 직접 제작한 컨텐츠로 블펌은 강력하게 금지합니다