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 데이터웨어하우스스(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 암묵지와 형식지
핵심 03 DIKW 피라미드
핵심 04 데이터베이스의 정의와 특징
핵심 05 데이터베이스 관리 시스템(DBMS)
핵심 06 데이터웨어하우스스(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

3과목 데이터 분석(1)

핵심01 R 기초
핵심02 R 패키지
핵심03 R의 데이터 구조
핵심04 데이터 마트
핵심05 결측값 처리
핵심06 이상값 검색
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 회귀분석(regression analysis)
핵심22 회귀계수의 추정과 검정
핵심23 선형 회귀분석
핵심24 최적 회귀방정식의 선택
핵심25 다차원척도법
핵심26 주성분 분석(PCA; Principal Component Analysis)
핵심27 시계열 분석의 개요
핵심28 시계열 모형
핵심29 분해 시계열
핵심30 데이터 마이닝의 개요
정리문제

3과목 데이터 분석(2)

핵심31 지도 학습과 비지도 학습
핵심32 로지스틱 회귀분석(Logistic Regression)
핵심33 의사결정 나무(Decision Tree)
핵심34 앙상블 모형
핵심35 인공신경망(ANN; Artificial Neural Network) 모형
핵심36 딥러닝(DNN; Deep Neural Network)
핵심37 자기 조직화 지도
핵심38 K-최근접 이웃 알고리즘(KNN; K-Nearest Neighbor)
핵심39 기타 분류 분석 기법
핵심40 군집분석(Cluster Analysis)
핵심41 계층적 군집분석(Hierarchical Clustering)
핵심42 비계층적 군집분석(Non-hierarchical Clustering)
핵심43 연관분석(association rule)
핵심44 데이터 분할
핵심45 분석 모형 평가
핵심46 분석 모형 개선
핵심47 과대적합과 과소적합
정리문제

최신기출문제

제43회 기출문제
제42회 기출문제
제41회 기출문제
제40회 기출문제
제39회 기출문제
제38회 기출문제
제37회 기출문제
제36회 기출문제
제35회 기출문제
제34회 기출문제