Big Data Analysis
빅데이터 분석기사 완벽 대비반
빅데이터 분석기사 완벽 대비반
필기 이론부터 실기 분석 프로젝트까지 한 번에 준비!
본 과정은 데이터 수집, 저장, 처리, 분석, 시각화에 이르는 전 과정을 실무 중심으로 학습하며, 기출 기반 이론 강의 + Python을 활용한 실기 분석 실습 + 시나리오 기반 프로젝트 수행까지 포함하여 자격 취득과 동시에 분석 직무 역량을 함께 갖출 수 있는 실전형 교육 과정입니다.
-
- 교육기간
- 2개월
-
- 강의시간(지점별 상이)
- 3시간
-
- 난이도
- 입문~고급
-
- 인원
- 20내외
-
- 전화상담(주말 · 공휴일 상담 및 접수가능)
- 02-6203-9409
이런 분들께 추천해요!
빅데이터 분석기사 자격증을 취득하고자 하는 취업 준비생 및 실무자
공공기관, 기업 데이터 직무로 이직/전직을 준비하는 분
데이터 분석 및 인공지능, 머신러닝 분야로 진출하고자 하는 예비 데이터 사이언티스트
Python 기반 데이터 처리, 통계분석, 시각화 등 실무 역량을 키우고 싶은 학습자
빅데이터 분석기사과정의 핵심 포인트
-
POINT.01
필기 이론 완전 정리 및 기출 분석 제공
데이터 이해, 수학·통계, 분석 기획 등 과목별 핵심 요약 -
POINT.02
Python을 활용한 실기 실습 중심
Pandas, Numpy, Matplotlib, Seaborn 등 라이브러리 실습 포함 -
POINT.03
EDA + 통계적 분석 + 시각화까지 실전 분석 흐름 학습
실제 데이터를 활용한 문제 정의 → 분석 → 리포트 작성 훈련 -
POINT.04
실기 평가 보고서 작성법 및 템플릿 제공
주어진 데이터 기반 시나리오 해석 및 구조화된 보고서 작성 -
POINT.05
모의고사 및 피드백 기반 실전 감각 향상
필기 CBT 대비 & 실기 보고서형 모의시험 진행
빅데이터 분석기사 자격시험 시행일정
| 등급 | 회차 | 차수 | 접수일자 | 시험일자 | 합격자발표 | 문의 |
|---|---|---|---|---|---|---|
| 기사 | 10회 | 필기 | 03.04(화) ~ 03.10(월) | 04.05(토) | 4.25(금) | 온라인상담 |
| 실기 | 05.19(월) ~ 05.23(금) | 06.21(토) | 7.11(금) | 온라인상담 | ||
| 11회 | 필기 | 08.04(월) ~ 08.08(금) | 09.06(토) | 9.26(금) | 온라인상담 | |
| 실기 | 10.27(월) ~ 10.31(금) | 11.29(토) | 12.19(금) | 온라인상담 |
응시자격 및 과목
| 종류 | 기술자격 소지자 | 관력학과 전공자 | 순수 경력자 |
|---|---|---|---|
| 응시자격 |
· 동일(유사)분야 다른 종목 기사 · 동일종목 외국자격취득자 · 산업기사 + 실무경력 1년 · 기능사 + 실무경력 3년 |
· 대졸(졸업예정자) · 기사수준의 훈련과정 이수자 · 3년제 전문대졸 + 실무경력 1년 · 2년제 전문대졸 + 2년 · 산업기사수준 훈련과정 이수 + 2년 |
* 실무경력 4년 (동일, 유사 분야) |
| 응시과목(필기) |
① 빅데이터 분석기획 - (빅데이터의 이해 / 데이터분석 계획 / 데이터 수집 및 저장 계획) ② 빅데이터 탐색 - (데이터 전처리 / 데이터 탐색 / 통계기법 이해) ③ 빅데이터 모델링 - (분석모형 설계 / 분석기법 적용) ④ 빅데이터 결과 해석 - (분석모형 평가 및 개선 / 분석결과 해석 및 활용) 객관식 과목당 20문항 (문제수 80) 시험시간 120분 과목당 100점을 만점으로 하여 전 과목 40점 이상, 전 과목 평균 60점 이상 |
||
| 응시과목(실기) |
① 빅데이터 분석실무 - (데이터 수집 작업 / 데이터 전처리 작업 / 데이터 모형 구축 작업 / 데이터 모형 평가 작업) 통합형 (필답형, 작업형) 시험시간 180분 100점을 만점으로 하여 60점 이상 |
||
| 특징 | 정기(필기/실기) 연 2회 | ||
빅데이터 분석기사 커리큘럼 안내
빅데이터 분석기사는 데이터 분석 관련 실무 직무 수행 능력을 공식적으로 검증하는 국가기술자격증입니다.
-
Chapter.01
-
빅데이터의 이해
-
- 빅데이터의 특징과 가치
- 데이터 산업의 이해
- 빅데이터와 인공지능
- 개인정보 법, 제도, 활용
-
-
Chapter.02
-
데이터 분석 계획, 데이터 수집 및 저장 계획
-
- 데이터 분석 방안, 데이터 확보 계획
- 데이터 수집 후 데이터 유형 및 속성 파악
- 데이터 변환, 데이터 저장
-
-
Chapter.03
-
데이터 전처리
-
- 데이터 정제, 결측값, 이상값 처리
- 차원축소, 파생변수 생성
- 불균형 데이터 처리
-
-
Chapter.04
-
데이터 탐색, 통계기법 이해
-
- 상관관계 분석
- 데이터 탐색(시각적, 시공간, 다변량, 비정형)
- 확률, 표본 분포
- 점추정, 구간추정, 가설검정
-
-
Chapter.05
-
분석 모형 설계
-
- 분석모형 정의, 선정
- 분석모형 구축 절차
- 데이터 분할
-
-
Chapter.06
-
분석기법 적용
-
- 회귀분석, 로지스틱 회귀분석, 의사결정나무
- 인공신경망, SVM, 군집분석, 시계열 분석
- 베이지안, 딥러닝, 앙상블, 등등
-
-
Chapter.07
-
분석 모형 평가 및 개선
-
- 평가 지표, 문석모형 진단
- 교차 검증, 모수 유의성 검정
- 적합도 검정, 과대적합 방지
- 매개변수 최적화, 분석모형 융합
- 최종모형 선정
-
-
Chapter.08
-
분석결과 해석 및 활용
-
- 분석모형 해석, 비즈니스 기여도 평가
- 시공간, 관계, 비교 시각화
- 분석 모형 전대
- 분석결과 활용 시나리오 개발
- 분석모형 모니러팅, 리모델링
-
-
Chapter.01
-
프로그래밍 언어 - 파이썬 프로그래밍
-
- 변수, 자료형, 연산자, 컬렉션
- 조건문, 반복문, 함수, 모듈
-
-
Chapter.02
-
제1유형 - 데이터 전처리
-
- 판다스 데이터 구조, 데이터 선택, 수정
- 판다스의 산술 연산, 데이터 입출력 및 누락값 처리
- 중복값 처리, 데이터프레임 연결/병합
- 그룹 연산, 탐색적 데이터분석
-
-
Chapter.03
-
제2유형 - 데이터 분석
-
- 머신러닝 프로젝트 구조, scikit-learn
- 모델링 및 모델 평가, 이진 분류
- 다중 분류, 회귀, 분석 모형 선택
- 기출 문제 유형 분석
-
-
Chapter.04
-
제3유형 - 분석 결과 해석
-
- 분석 모형 평가, 의사결정 나무
- KNN, SVM, 앙상블
-
-
Chapter.05
-
제3유형 - 통계적 가설 검정
- - 가설 검정, T 검정, F 검정, 카이제곱 검정
-
-
Chapter.06
기출 문제 풀이
