본문 바로가기
반응형

자격증/ADsP10

데이터분석 준전문가(ADsP) 접수비 지원, 시험결과 확인 데이터분석 준전문가 일면 ADsP의 시험결과 확인방법입니다. 1. K data 데이터자격검정 홈페이지 접속ADsP 시험을 관할하는 K data 데이터자격검정 홈페이지에 접속해줍니다. 아래 링크따라서 들어가시면 됩니다. ADsP 결과 확인 바로가기 2. 일정 확인하기 ① 달력에 자격증별 접수 / 시험일 / 사전점수발표 / 결과발표 등 다양한 일정을 확인 가능 ② 접수 / 시험 /사전점수발표 / 결과발표 중 원하는 항목을 선택 ③ "사전점수발표" 선택하면 해당 일정을 확인 가능 3. 결과확인 해당일이 사전점수발표 혹은 결과발표 날인경우 시험결과 확인이 가능합니다. ① "결과확인"을 선 4. 로그인 ① 시험접수 했었던 본인 ID를 입력 ② 마찬가지로 비밀번호 입력 ③ 로그인 클릭 5. 결과 확인 ① 결과발표에.. 2024. 6. 1.
ADsP 데이터분석 기출문제 : 이상치(outlier), pylr함수, sqldf 함수, 이상치판정법 부정사용방지 시스템-. 이상값 검색을 활용한 응용시스템   -. 이상값 검색하여한 집단에서 매우 크거나 매우 작으면 의심되는 대상이므로 부정사용 방지 시스템 활용이 가능 이상치-. 군집분석을 활용해 다른 데이터들과 거리상 멀리 떨어진 데이터는 이상치로 판정-. 설명변수의 관측치에 비해 종속변수의 값이 상이한 값을 이상치라 함-. 통상 편균으로부터 표준편차의 3배가 되는 점을 이상치라고 함-. 이상치는 분석 결과를 왜곡할 수도 있지만 의미가 있을 수 있으므로 제거하면 안 된다. 이상값(Outlier)-. 부도예측시스템이나 부정사용방지 시스템에서는 이상값(outlier)이라도 의미가 있으므로 제거하면 안 된다-. 이상값 인식에 가장 많이 활용하는 방법은 ESD(Extreme Studentized Deviat.. 2024. 5. 7.
ADsP 3과목 기출문제 풀이 : EDA, 데이터 마이닝, 탐색적 데이터 분석, 데이터 처리구조, 탐색적자료분석(EDA) 9회 기출-. 탐색적자료분석(EDA)는 다양한 차원과 값을 조합해가며 특이점이나 의미있는 사실을 도출하여 분석의 최종목적을 달성해가는 과정.-. 해당 변수의 분포 등을 시각화 하여 분석하는 분석방식  데이터 마이닝 모델링-. 통계적 모델링이 아니므로 지나치게 통계적 가설이나 유의성에 집착하지 말아야 함-. 분석데이터를 학습 및 테스트 데이터로 6:4, 7:4, 8:2 비율로 상황에 맞게 실시하여야 함-. 성능에 집착하면 시간을 낭비할 수 있으므로 훈련 및 테스트 성능에 큰 편차가 없고 예상 성능을 만족하면 중단함-. 충분한 시간이 있으면 다양한 옵션을 줘서 시도함. (반드시 다양한 옵션을 줘서 모델링 수행 X)-. 일정 성과가 나오면 해석과 활용 단계로 진행할 수 있도록 의사결정 .. 2024. 5. 6.
ADsP 3과목 시험대비 : 앙상블, 인공신경망, 분류모델 평가지표 앙상블 ★여러 가지 예측 모형을 조합하여 전체적인 분산을 감소시키는 기법성능 향상을 위한 기법1) 보팅(Voting, 투표) : 다수결을 통해 모델을 선정2) 배깅(Bagging)  : 복원추출에 기반을 둔 붓스트랩을 형성하여 학습한 후에 보팅으로 결합 : 복원추출은 데이터가 있을 때 값을 넣었다 뺏다 하면서 데이터셋을 형성 : 이 넣다 뺏다 하는 작업을 무한히 반복해도 특정 데이터가 선택되지 않을 확률이 36.8% ★3) 부스팅(Boosting) : 잘못 분류된 데이터에 높은 가중치는 주는 방법 : 이상치에 민감함 : 종류 - AdaBoost, GBM, XGBoost, Light GBM4) 랜덤포레스트 : 배깅에 의사결정트리를 추가 - 성능이 좋아지고 이상치에 강한 모델이 됨  인공신경망인간의 뇌를 표.. 2024. 5. 6.
ADsP 3과목 : 시계열 모형, 분해시계열, 과대적합, 과소적합, 의사결정트리 시계열 모형상관함수를 사용해서 p+1 시점 이후부터 상관관계가 급격히 감소하면 그 이전값만 활용ex) 만약 2일 차까지는 상관성이 높고 3일 차부터는 낮은 경우1) 자기 회귀(AR) 모형 : 부분 자기 상관함수(PACF)를 활용하면 AR(p) 모델2) 이동평균(MA) 모형 : 자기 상관함수(ACF)를 활용하면 MA(q) 모델3) 자기 회귀 누적이동 평균(ARIMA) 모형 : 자기 회귀모델과 이동평균 모델의 결함  : ARIMA(p, d, q) : p는 AR에서 가져옴, q는 MA에서 가져, d는 차분을 몇 회 했는지 : ex) ARIMA( 3, 2, 5) 일 때 차분은 2  : d = 0이면 ARMA 모델이고 ARMA(3, 5)라고 표현   p = 0이면 IMA(d, p)라고 표현   q = 0이면 AR.. 2024. 5. 5.
ADsP 3과목 데이터 분석 : 가설검정, 회귀분석, ANOVA 가설검정★-. 집단의 특성에 대한 주장을 가설로 세우고 표본조사를 통해 가설의 채택여부를 판정함 1) 귀무가설(H0) : 알려진 사실을 기준으로 일반적으로 생각하는 가설.(~차이가 없다, ~같다 등)2) 대립가설(H1) : 귀무가설에 반대하고 새롭게 주장하고자 하는 가설.(차이가 있다, 효과가 크다) 예시) 고기가 1인분 200g 아닌 것 같다 : 내 주장,   200g 맞다 : 식당주장3) 유의수준(a) : 귀무가설이 참인데 이를 잘못 기각하여(대립가설을 채택) 1종 오류를 범할 확률의 허용 한계 (약 0.05, 5%)                          내가 틀릴 확률이 5% 까지는 내 말이 맞음, 틀릴 확률이 5% 넘어가면 내 말이 틀림4) 유의확률(p-value) : 귀무가설을 지지하는 .. 2024. 5. 2.
ADsP 3과목 데이터 분석 : 표본 추출 방법, 자료의 척도, 기초 통계량, 첨도와 왜도 전수조사와 표본조사 어떤 결과를 알고 싶을 때 일부만 조사할지 전체를 다 조사할지1) 전수조사 : 표본 전체를 조사, 시간과 비용이 많이 소모됨2) 표본조사 : 표본 中 일부만 조사하여  모집단을 분석함 (ex. 출구조사)   표본 추출 방법1) 랜덤 추출법 : 표본 중 무작위로 추출함2) 계통 추출법 : 표본마다 번호를 부여하여 일정한 간격으로 추출함                          1 → 3 → 5 → 7 혹은 2 → 4 → 6 → 8 순서로 추출3) 집락 추출법 : 표본들을 군집으로 나눠서 군집 중에 랜덤으로 추출함                          아파트 동마다 묶어서 그중에 한 동만 추출하는 식                          군집 간 동질적 특징 가짐, 군집.. 2024. 5. 1.
ADsP 3과목 데이터 분석 : R기초, 데이터 마트 , 결측값, 이상값 R 기초 데이터 전처리 : 정형화되어 있는 데이터를 분석하기 위해 데이터를 가공하고 수집하는 작업1) 요약 변수 : 데이터 재활용성 높음,  수집된 정보를 분석에 맞게 종합한 변수2) 파생 변수 : 논리적 타당성이 필요하며 특정 함수에 맞게 의미를 부여하는 변수 데이터 전처리 패키지 1) reshape : 대표적으로 melt, cast가 있으며 데이터를 재구조화함 (*melt : 녹이다, case : 주조하다) 2) sqldf : SQL을 활용하여 데이터프레임을 다룰 수 있도록 해줌 3) plyt : apply 함수 기반으로 데이터 처리함 4) data.table(데이터테이블) : 빠른 처리가 가능한 데이터 구조(칼럼별 인덱스 有)  데이터 마트데이터 마트(DM) -. 데이터 웨어 하우스의 한 분야, 소.. 2024. 4. 30.
ADsP(데이터 분석 준 전문가) : 시험 일정(2024年) 1. ADsP 시험 일정 : 2024年ADsP는 1년에 총4회 시험일정이 있습니다.시험일은 주말만 가능합니다.구분회차접수기간수험표발급시험일사전점수공개 및 재검토 접수결과발표증빙서류 제출기간ADsP데이터분석 준전문가제40회필기1.22~262.82.24(토)3.15~193.22자격요건 無제41회필기4.8~124.265.11(토)5.31~6.46.7제42회필기7.1~57.268.10(토)8.30~9.39.6제43회필기9.30~10.410.1811.3(일)11.22~2611.29  2. ADsP 시험 주의사항원서접수 시간 : 접수 시작일 10:00 ~ 접수 마감일 18:00 접수기간 동안에는 새벽이나 밤에도 접수 가능합니다.수험표 발행 : 시험 2주전 금요일 16시 발행시험 시작시간 : 10:00입실시간 : 8.. 2024. 4. 14.
ADsP(데이터 분석 준 전문가) 자격소개, 응시자격, 시험과목, 응시료, 합격기준 1. 데이터분석 준전문가의 정의데이터에 대한 이해를 기본지식으로 데이터 분식 및 데이터 분석 기획등의 직무를 수행하는 준 전문가를 의미ADsP : Advanced Data Analytics Semi-Professional데이터분석에 대한 준전문가를 의미하며 전문가 단계인 ADP가 있습니다 2. 데이터분석 준전문가 직무직무세부내용데이터 기획Business 목표 달성을 위해 업무 Process를 기반으로 다양한 데이터 분석기회를 발굴하고데이터분석의 목표를 정의하며, 데이터 분석대상 도출 및 데이터 분석 결과를 활용하여 시나리오를 정의.분석과제를 체계화 및 구체화하는 빅데이터(BIG Data0 분석과제 정의, 분석로드맵(Road Map) 수립, 성과 관리등을 수행 함.데이터 분석데이터 분석에 대한 요건을 구체.. 2024. 4. 14.
반응형