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