시간이 부족한 수험생들이 가장 빠르게 합격할 수 있도록 합격에 필요한 기출문제만을 엄선하여 기출문제를 재구성했습니다.

 

데이터분석의 기본이 되는 ADsP! 하지만 방대한 이론으로 학습을 시작하기도 전에 지치지 않으셨나요?

그렇다면 기출문제만 풀어도 될까요? 아니요! 그럼 어떻게 해야 시간을 낭비하지 않고 단기간 합격이 가능할까요? 정답은, 시험에 반복 출제되는 필수 핵심 이론으로 출제 패턴을 파악하고, 각 과목별 최적의 학습법을 적용하여 효율적으로 공략해야 합니다.

 

입문자가 이해할 수 있는 정도의 수준으로 풀이된 77개의 핵심 개념을 따라가며 도서를 학습한다면, 어느새 나도 모르게 합격에 가까워진 나를 발견하게 될 것입니다. 현장에서 직접 수험생을 만나며 쌓아온 데이터를 시나공에 모두 담았습니다.

 

■ 〈시나공〉에서 제시하는 합격 비법

첫째, 키워드 중심의 1과목, 2과목 암기 학습!

둘째, 이해 중심으로 분석한 3과목 패턴 학습!

셋째, 과목별 차별화 학습 전략으로 단기 합격 완성!

[목 차]
  

이 책의 구성과 활용 방법

데이터분석 준전문가(ADsP) 개요

시험 응시 전략

R의 설치

R Studio의 설치

자주하는 질문(FAQ)

 

1과목 데이터의 유형

핵심 01 데이터의 유형

핵심 02 암묵지와 형식지

핵심 03 DIKW 피라미드

핵심 04 데이터베이스의 정의와 특징

핵심 05 데이터베이스 관리 시스템(DBMS)

핵심 06 데이터웨어하우스(Datawarehouse)

핵심 07 데이터베이스 활용

핵심 08 빅데이터의 이해

핵심 09 빅데이터의 활용

핵심 10 위기 요인과 통제 방안

핵심 11 빅데이터 활용에 필요한 3요소

핵심 12 빅데이터 분석과 전략 인사이트

핵심 13 데이터 사이언스

핵심 14 전략적 통찰력과 인문학의 부활

핵심 15 가치 패러다임의 변화

정리문제

 

2과목 데이터 분석 기획

핵심 01 분석 주제 유형

핵심 02 분석 기획의 목표 시점과 고려사항

핵심 03 소프트웨어 개발 방법론

핵심 04 KDD 분석 방법론

핵심 05 CRISP-DM 분석 방법론

핵심 06 빅데이터 분석 방법론

핵심 07 하향식 접근법

핵심 08 상향식 접근법

핵심 09 분석 프로젝트 관리 방안

핵심 10 분석 마스터 플랜 수립

핵심 11 수행 과제 도출 및 우선순위 평가

핵심 12 분석 거버넌스 체계 수립

핵심 13 분석 성숙도 모델 및 수준 진단

핵심 14 데이터 거버넌스

핵심 15 데이터 분석을 위한 조직구조

정리문제

 

3과목 데이터 분석(1)

핵심01 R 기초

핵심02 R 패키지

핵심03 R의 데이터 구조

핵심04 데이터 마트

핵심05 결측값 처리

핵심06 이상값 처리

핵심07 통계 분석 개요

핵심08 확률 표본추출 방법

핵심09 자료의 측정 방법

핵심10 확률

핵심11 확률 변수와 확률 분포

핵심12 확률 변수의 기댓값과 분산

핵심13 기술 통계와 추론 통계

핵심14 통계량을 이용한 자료 정리

핵심15 그래프를 이용한 자료 정리

핵심16 추정

핵심17 가설검정

핵심18 모수 검정과 비모수 검정

핵심19 평균 검정

핵심20 상관분석

핵심21 선형 회귀분석(linear regression analysis)

핵심22 회귀계수의 추정과 검정

핵심23 선형 회귀분석의 해석

핵심24 최적 회귀방정식의 선택

핵심25 다차원척도법

핵심26 주성분 분석(PCA; Principal Component Analysis)

핵심27 시계열 분석의 개요

핵심28 시계열 모형

핵심29 분해 시계열

정리문제

 

3과목 데이터 분석(2)

핵심 30 데이터 마이닝

핵심 31 지도 학습과 비지도 학습

핵심 32 로지스틱 회귀분석(Logistic Regression)

핵심 33 의사결정 나무(Decision Tree)

핵심 34 앙상블 모형

핵심 35 인공신경망(ANN; Artificial Neural Network) 모형

핵심 36 딥러닝(DNN; Deep Neural Network)

핵심 37 자기 조직화 지도(SOM;Self-Organizing Map)

핵심 38 K-최근접 이웃 알고리즘(KNN; K-Nearest Neighbor)

핵심 39 기타 분류 분석 기법

핵심 40 군집분석(Cluster Analysis)

핵심 41 계층적 군집분석(Hierarchical Clustering)

핵심 42 비계층적 군집분석(Non-hierarchical Clustering)

핵심 43 연관분석(association rule)

핵심 44 데이터 분할

핵심 45 분석 모형 평가

핵심 46 편향(Bias)과 분산(Variance)

핵심 47 과대적합(Overfitting)과 과소적합(Underfitting)

정리문제

 

최신기출문제

제47회 기출문제

제46회 기출문제

제45회 기출문제

제44회 기출문제

제43회 기출문제

제42회 기출문제

제41회 기출문제

제40회 기출문제

제39회 기출문제

제38회 기출문제