추가 적립 안내

최근 기출문제 경향을 분석하여 문제의 유형을 파악하고 표와 그림으로 쉽게 설명
배점이 높은 서술형 문제 핵심 이론과 기출 문제 수록

한국데이터베이스진흥원에서 실시하고 있는『데이터 분석 전문가(ADP)』자격증을 준비하는 수험생들을 위한 책이다. 기존 도서들이 너무나 방대하고 어려운 내용을 담아 지레 포기하게 만들었다면 이 책은『데이터 분석 전문가(ADP)』필기 시험에 추가되는 부분을 중심으로 구성하여 ADP를 준비하는 수험생의 시험 준비에 큰 도움이 될 것이다. 수험생들이 이해할 수 있도록 간결하고 쉬운 해설은 물론 이론부문에 ‘Note’ 박스와 표, 그림으로 쉽게 설명했다. 2019년 최신 기출문제 160개와 해설, 서술형 문제와 해설을 수록하였다. 이 책은 『데이터 분석 전문가(ADP)』 자격증을 공부하는 모든 준전문가들이 쉽고 빠르게 자격증을 취득할 수 있도록 도움을 줄 것이다. ADP 시험에 추가되는 2과목 ‘데이터 처리 기술의 이해’, 5과목 ‘데이터 시각화’을 중심으로 구성하고, ADsP에서 다루지 않았던 ‘비정형 데이터 분석’과 데이터 분석 서술형을 추가로 담았다.

지난 10년간 데이터의 생성이 폭발적으로 증가하면서 우리는 빅데이터 시대를 맞이하였습니다. 업무상 공공데이터 포털에 접속해보면, 가속도가 붙어 새롭게 추가되는 데이터의 양은 예측하기조차 어렵습니다. 다양한 비정형 데이터는 오늘도 수많은 장치, 기계, 차량 등을 통해 축적되고 있습니다. 이 시대의 모든 산업 분야에서 ‘데이터 분석’을 외치고, 기업들은 ‘데이터 분석 전문가’ 또는 ‘데이터 사이언티스트’를 채용하기 위해 혈안이 되어 있습니다.
이러한 사회적 요구에도 불구하고 데이터를 실무에 적용하고 활용할 수 있도록 도와주는 교육시설과 관련 자격증은 매우 제한적이다. 데이터 분석 전문가 자격증(ADP)은 데이터 분석 분야에서 유일한 국가공인 자격증으로 취업 시 가산 혜택을 받을 수 있는 매력적인 자격증이다.

이 책은 데이터 분석 준전문가에서 추가되는 2과목 ‘데이터 처리 기술의 이해’, 4과목 ‘데이터 분석’의 일부분인 ‘비정형 데이터 마이닝’, 5과목 ‘데이터 시각화’, 마지막으로 ‘서술형 문제 핵심 이론’으로 구성되어 있다.
또한 ADP 시험의 최근 기출문제와 해설, 이론 부분에서 《데이터분석 준전문가 한 권으로 끝내기》에 소개되지 않았던 데이터 분석방법과 데이터 분석 서술형을 추가하여 구성하였다.

머리말
데이터 분석 전문가(ADP) 자격시험 안내

PART 01 데이터 처리 기술 이해

1장 데이터베이스 처리 프로세스
01 ETL(Extraction, Transformation and Load)
02 CDC(Change Data Capture)
03 EAI(Enterprise Application Integration)
04 데이터 연계 및 통합 기법
05 대용량 비정형 데이터 처리
2장 데이터 처리 기술
01 분산 데이터 저장 기술
02 분산 컴퓨팅 기술
03 클라우드 인프라 기술

PART 02 데이터 분석

1장 비정형 데이터 마이닝
01 텍스트 마이닝
02 사회연결망 분석(SNA, Social Network Analysis)

PART 03 데이터 시각화

1장 시각화 인사이트 프로세스
01 시각화 인사이트 프로세스의 의미
02 탐색 (1단계)
03 분석 (2단계)
04 활용 (3단계)
2장 시각화 디자인
01 시각화의 정의
02 시각화 프로세스
03 시각화 방법
04 빅데이터와 시각화 디자인
3장 시각화 구현
01 시각화 구현 개요
02 분석 도구를 이용한 시각화 구현: R
03 라이브러리 기반의 시각화 구현: D3.js

PART 04 서술형 문제 핵심 이론

01 정규화 모델[릿지(Ridge), 라쏘(Lasso), 엘라스틱넷(ElasticNet)]
02 주성분분석(PCA, Principal Component Analysis)
03 시계열분석(Time Series Analysis)
04 로지스틱 회귀모델(Logistic Regression)
05 인공신경망(Artificial Neural Nets)
06 의사결정나무(Decision Tree)
07 랜덤 포레스트(Random Forest)
08 군집분석(Clustering Analysis)
09 계층적 군집분석(Hierarchical Clustering Analysis)
10 K-평균군집(K-means Clustering)
11 Partitioning Around K-medoids(PAM 군집)
12 혼합분포군집(Mixture Distribution Clustering)
13 밀도기반군집(Density-based Clustering)
14 퍼지군집(Fuzzy Clustering)
15 K-NN(K-Nearest Neighbors)
16 서포트 벡터 머신(Support Vector Machine)
17 연관성 분석(Association Analysis)
18 순차 패턴 분석(Sequence Pattern Analysis)

PART 05 최신 기출문제

기출문제
정답과 해설