데이터 사이언스 데이터 분석

[EduAtoZ] 빅데이터분석기사 실기 (with Python) 대시보드

(5) 5개의 수강평 ∙ 86명의 수강생

lectopia1 SoYoung Yoon

빅데이터

99,000원

월 19,800원

5개월 할부 시

지식공유자: lectopia1

총 232개 수업 (79시간 48분)

수강기한:

수료증: 발급

난이도: --

지식공유자 답변이 제공되는 강의입니다

폴더에 추가 38

초급자를 위해 준비한
[데이터 분석, 자격증 (데이터 사이언스)] 강의입니다.

빅데이터 분석기사 시험은 년 2회 실시되는 국가공인 자격증입니다. 실기를 준비하시는 분을 위해 기초부터 핵심 내용을 상세히 강의하였습니다. 회차를 거듭할수록 시험 난이도는 높아집니다. 이를 위해 기초부터 여러 중요 내용을 제공해 합격률을 높일 수 있도록 하였습니다.

✍️
이런 걸
배워요!

빅데이터분석기사 실기 필답형

빅데이터분석기사 실기 작업형

머신러닝

파이썬 데이터 분석(Pandas)

국가공인 빅데이터분석기사 실기,
올해는 꼭 합격하세요!

데이터 분석 전문가
국가기술자격에 도전하세요! 🏆

빅데이터 분석기사?

빅데이터 이해를 기반으로 빅데이터 분석 기획,
빅데이터 수집·저장·처리, 분석 및 시각화를 수행하는
실무자 검증을 위한 자격증입니다.

국가와 기업의 경쟁력 확보를 위해 빅데이터 분석 전문가의 수요는 증가하고 있습니다. 그러나 수요 대비 공급 부족으로 인력 확보에 어려움이 있어, 정부차원에서 빅데이터 분석 전문가 양성과 함께 체계적으로 역량을 검증할 수 있는 국가기술자격인 국가기술 빅데이터 분석기사 자격증이 출범하였습니다.

2022년에는 정기 4~5회차 시험이 실시되며, 회차를 거듭할수록 시험의 난이도가 높아지고 있어 깊이있는 학습이 필요합니다. 본 강의는 파이썬 및 판다스와 데이터 처리, 머신러닝 총 3과목의 기초부터 핵심 내용을 정리하였습니다.

시험 합격뿐만 아니라
실제 업무 활용까지 OK! 👌

본 강의는 프로그래밍 언어 파이썬에 대해 학습하고 판다스(Pandas), 싸이킷런(Scikit-Learn) 라이브러리를 학습하는 과정으로, 빅데이터 분석기사 실기의 작업형 1, 2에 대비할 수 있는 강의입니다. 단순 암기만으로 풀이할 수 없는 실기 시험이기 때문에 다양한 응용을 도울 수 있는 예제 중심의 설명이 이루어집니다.

Pandas(판다스)

4가지 파일을 사용해 불러오기부터 전처리를 거쳐 분석하는 과정을 따라하며 익힐 수 있습니다.
난이도에 따라 설명이 반복적으로 이루어져 자연스럽게 익힐 수 있도록 구성하였습니다.
머신러닝에 필요한 다양한 데이터 전처리 기법을 다룹니다.

Scikit-Learn(사이킷런)

간단한 학습용 데이터를 직접 사용하고, 간단한 모델링을 수행해보며 머신러닝의 개념을 이해합니다.
빅데이터분석기사 기출 문제 및 Kaggle(캐글)에서 가져온 데이터를 사용하여 모델링하는 예제를 다룹니다.

✅ 합격 후 바로 업무에 적용할 수 있는 능력을 키울 수 있도록 꼼꼼히 준비하였습니다.
✅ 시험 준비 목적뿐 아니라, 머신러닝에 관심있는 분들께도 추천드리는 강의입니다.

📖 빅데이터분석기사 시험 안내

통합형(필답형, 작업형) 180분 시험
빅데이터 분석 실무: 데이터 수집, 데이터 전처리, 데이터 모형 구축/평가
100점 만점 기준 60점 이상시 합격
2023년 시험 일정: 제6회(5.22~26/6.24(토), 제7회(10.30~11.03/12.2(토))
자세한 응시 자격 및 합격 기준은 한국데이터산업진흥원 홈페이지를 참고하세요.

학습 내용 📚

Part 1. Python 알기

파이썬에 익숙하지 않은 초보자를 위해 시험 대비를 위한 수준으로 중요 내용만 학습하여 파이썬 언어 활용 능력 습득에 초점을 맞춘 과정입니다.

Part 2. Pandas와 데이터 처리

데이터를 다루기 위한 파이썬 라이브러리인 Pandas의 기본적인 내용을 익힙니다. 작업형 제 1유형은 다양한 관점에서 출제될 수 있는 데이터 가공 유형을 이해하고, 문제 풀이를 직접 따라하면서 데이터 처리 방법을 이해합니다.

Part 3. 머신러닝

작업형 제2유형 실기 시험 대비를 위해 sklearn을 활용하여 머신러닝의 전체적인 구조 및 기법에 대해 익힙니다. 머신러닝 회귀와 분류 모델을 만들고 평가하는 방법을 알아보고, 기출문제 및 출제 가능성이 높은 문제를 직접 풀어봅니다.

Q&A 💬

Q. 필기 합격 후 실기 시험은 몇 번까지 응시할 수 있나요?

필기 합격 후 2년 동안 실기 응시의 기회가 있습니다. 1년에 2번 시험이 있기 때문에 총 4번의 응시 기회가 있습니다. 참고로 국가기술 자격이며, 응시 자격이 있으므로 자격이 되는지 확인하셔야 합니다.

Q. 데이터분석준전문가(ADsP)와 시험 과목 및 문제가 많이 다른가요?

데이터분석준전문가 자격시험과 많은 부분의 내용이 겹칩니다. 다만 사용되는 용어나 문제의 패턴이 다르기 때문에 아직 양이 많지 않지만 기출 복원 문제를 풀이해 보시고 좀 더 기본을 탄탄하게 하는 학습이 필요로 합니다. 계산 문제나 깊은 이해가 필요한 내용도 출제되고 있습니다. 아직 고득점을 목표로 하시는 것 보다는 70~80점 사이를 목표로 학습하시는 것을 추천드리고 싶습니다.

Q. 학습 기간을 얼마나 잡아야 할까요?

학습 기간은 개인차가 클 것으로 생각됩니다. 그리고 프로그래밍에 대한 개념이 없는 상태에서 학습을 하신다면 보다 많은 시간이 걸릴 것 같습니다. 2~3달 정도 기간을 잡고 매일 반복해서 코드를 입력하고 해석하는 시간을 만들어 보시면 좋을 것 같습니다. 특히 Pandas, ML에 대한 학습은 활용할 수 있을 정도의 내용으로 준비했기 때문에 내용이 많다고 느끼실 수 있습니다. 질문을 주시면서 익혀가시면 좋으며, 시험 직전에는 실기 코드의 암기도 필요합니다.

지식공유자 소개 ✒️

윤소영 (에듀아토즈 대표)

윤소영 강사님은 24년간 SW 강의를 진행해온 IT 전문 강사입니다.

강의 이력

삼성, LG 신입사원 및 재직자 대상 SW 강의
중앙정보처리학원
인천여자상업고등학교 (산학겸임)
대한상공회의소
김천대학교, 성균관대학교(수원), 숭실대, 서울대 등
멀티캠퍼스 외 다수

소지 자격증

정보처리기사 1급
직업훈련교사 면허 (정보처리 2급)
데이터분석 준전문가, 데이터 분석 전문가
빅데이터 분석기사

주요 강의 과정

[자격증] 정보처리기사, 산업기사, 데이터분석 준전문가, 빅데이터 분석기사
[알고리즘] 자료구조 (초급, 중급), 알고리즘(삼성 재직자 및 신입사원, LG 재직자)
[프로그래밍] C언어, JAVA, HTML/CSS/Java Script, Android Application, Python (기초, 데이터 처리, 데이터 분석)
[AI] Machine Learning(지도, 비지도 학습), Deep Learning (tensorflow, CNN, RNN 기초)

[교재 구매 안내]

빅분기 실기 특강(대면&비대면) 강사파견 필요하신 기관이나 기업 연락주세요.
교재 구매를 희망하시는 분은 아래 교재 구매링크 틀릭하세요.
[교재구매 링크]

🎓
학습 대상은
누구일까요?

빅데이터분석기사 자격시험에 응시하고자 하는 분

파이썬 데이터 분석 라이브러리 Pandas를 학습하고자 하는 분

빅데이터 분석에 관심이 있으신 분

📚
선수 지식,
필요할까요?

빅데이터분석기사 필기 합격자

이 강의는 영상, 수업 노트, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.

섹션 0. Step1. 파이썬 알기 35 강 ∙ 6시간 24분

[환경설정] Python 3.9.7 설치(설치 문서 첨부) 06:31

[환경설정] Visual Studio Code 설치(교안 첨부) 11:10

[환경설정] DataManim site 문제풀이 방법 (실기 링크 첨부) 09:14

객체(object)&실기 미리보기 12:35 이름, 타입(type) 미리보기 20:17 서식 있는 문자열 미리보기 08:43

연산자-산술 연산, 비교 연산, 논리 연산 23:19

연산자 활용 09:06

조건 작성 연습 05:28

입력 함수, 형변환 06:22

함수(Function) 미리보기 12:12

Container의 개요 14:42

Sequence type의 index 사용 14:45

Sequence type의 *, + 연산, tuple, list의 특징 08:19

list의 메서드 11:51

str의 메서드 14:17

set, dict 객체 09:13

dict 연산, 메서드 10:30

comprehension 11:41

함수의 용어, 정의, 형태 12:02

argument의 종류 08:41

parameter의 종류 12:53

enumerate, zip 함수 13:03

map 함수, comprehension 연습 09:47

range, lambda 함수 11:53

statement - if, if ~ else 20:18

if 연습문제 09:10

연습문제 2 (학점 구하기) 08:07

for statement 1/2 08:08

for statement 2/2 09:00

for-연습문제 09:10

for 활용, break, continue 07:44

모듈 사용 방법(import) 08:57

로또 번호 생성기 만들기 (라이브러리 활용) 05:32

while statement, set 09:47

섹션 1. Step2. Pandas와 데이터 처리 36 강 ∙ 9시간 59분

Pandas 소개, Series, DataFrame 구조(교안 첨부) 05:18

데이터 구조 확인 미리보기 19:34

데이터 및 dtype 변경 1/2 13:07

데이터 및 dtype 변경 2/2 23:27

datatime category의 dtype 변경 14:44

데이터 정렬로 TOP3, TOP5 찾기 08:29

데이터 검색, boolean indexing 14:01

isin(), str Accessor의 사용 13:23

Series의 통계값 구하기 12:11

csv 파일 가져오기, 결측치 확인하기 미리보기 17:42

결측치 처리, df.fillna(값) 09:07

DataFrame의 통계값 구하기 12:20

컬럼, 행의 추가/삭제 17:40

다양한 데이터 프레임 구조 조작 23:54

맥주 소비량 분석 07:37

그룹별 통계값 구하기 16:23

여러 개의 파일 합치기 14:56

index 번호 정리하기 14:47

날짜타입으로 변경하기 16:41

그래프로 결측치 확인하기 21:08

결측치 제거하기 14:13

평균을 사용한 결측치 대체 27:00

그룹별 통계 심화 학습(groupby, pivot_table) 27:01

행/열이 많은 csv 읽고 구조 확인하기 17:06

문자열 분리(split)-주소 분리하기 17:09

데이터 전처리를 위한 str Accessor 추가 설명, 예제 15:59

결측치 확인/채우기, rename으로 컬럼명 변경 14:35

Series 연산 결과로 변수 생성, DataFrame.apply() 27:47

복잡한 조건의 데이터 추출, 평균비교표 작성 23:31

폐업비율표 작성 16:59

pandas 통계함수의 특징, 샘플링하기 23:48

이상치(outlier) 확인 및 해결방법 19:29

데이터 분포 변환 12:58

데이터 스케일링 07:33

데이터 Encoding (범주형 - 수치형) 14:29

데이터 Binning (연속형 - 범주형) 23:14

섹션 2. Step3. 머신러닝(1) 24 강 ∙ 6시간 13분

Machine Learning 사전 학습 1/2 (교안 첨부) 20:13

Machine Learning 사전 학습 2/2 미리보기 06:44 Mini Project-아들키 예측 미리보기 19:08

Mini Project-회귀식, 모델 저장 06:47

머신러닝 기본 용어 24:24

sklearn 사용법 1/4 19:32

sklearn 사용법 2/4-데이터 분할(train_test_split) 14:21

sklearn 사용법 3/4-모델 학습 평가, 예측 12:20

sklearn 사용법 4/4-GridSearchCV 16:58

분류모델-샘플생성 (참고) 20:06

※분류모델-학습 함수 생성※ 09:19

분류모델-데이터의 중요성 13:41

분류모델-모델링 1/2 19:47

분류모델-모델링 2/2 10:43

분류모델-평가, 결과 파일 저장 09:37

고객의 성별 예측 예시문제 풀이 1/6-문제 이해, 데이터 가져오기 10:41

고객의 성별 예측 예시문제 풀이 2/6-데이터 전처리 1 19:22

고객의 성별 예측 예시문제 풀이 3/6-데이터 전처리 2 16:01

고객의 성별 예측 예시문제 풀이 4/6-모델링 18:09

고객의 성별 예측 예시문제 풀이 5/6-제출 데이터 작성 10:14

고객의 성별 예측 예시문제 풀이 6/6-시험 환경 사용 10:13

화물 정시도착, 빅분기 2회 기출문제 풀이 1/3 15:15

화물 정시도착, 빅분기 2회 기출문제 풀이 2/3 35:58

화물 정시도착, 빅분기 2회 기출문제 풀이 3/3 13:46

섹션 3. Step3. 머신러닝(2) 16 강 ∙ 3시간 50분

이항 분류 모델의 성능평가 미리보기 17:42 다항 분류-데이터 셋 생성 미리보기 16:47

다항 분류-모델링/평가, 결과 분석 함수 14:26

다항 분류-학습 데이터 생성, 분류 모델 생성, 오분류표 확인 19:05

다항 분류-모델링/여러 가지 모델 사용 21:25

다향 분류-성능평가 07:26

회귀 분석의 종류, 분류/회귀의 차이점 08:51

분석에 사용할 데이터 생성, 키와 몸무게로 BMI 예측 14:48

이상치를 포함한 데이터 생성 15:29

회귀 모델링 (Multiple Linear Regression) 11:45

이상치 확인과 제거 12:25

n차항을 포함한 Polynomial Regression 12:42

Ridge, Lasso Regression 모델링 수행 15:40

Polynomial Features와 스케일링의 순서 미리보기 09:41

DecisionTree, 앙상블 회귀 모델 21:38

회귀 모델-성능평가 10:32

섹션 4. Step3. 머신러닝(3) 12 강 ∙ 3시간 8분

회귀 모델 모델링 함수 생성 18:11

웹사이트 방문자 예측-데이터 이해, 생성 18:32

웹사이트 방문자 예측-데이터 전처리 1 19:02

웹사이트 방문자 예측-데이터 전처리 2 14:55

웹사이트 방문자 예측-모델링, 성능 평가 함수 만들기 22:17

웹사이트 방문자 예측-데이터 분리, 모델 적용 1 18:27

웹사이트 방문자 예측-모델 적용 2 15:02

웹사이트 방문자 예측-모델 선택 결과 제출 09:14

웹사이트 방문자 예측-시험보러 가서는 이렇게 하세요! 08:08

보험 예측-전처리, 함수 작성 19:25

보험 예측-모델 적용/선택/제출 09:44

보험 예측-시험보러 가서는 이렇게 하세요! 15:48

섹션 5. Step4. 통계적 검정 50 강 ∙ 12시간 40분

확률분포소개 (교안 첨부) 12:32

이산형확률분포 이론 미리보기 12:32

이산형확률분포 기하분포 실습 19:27

이산형확률분포 초기하분포 이론 12:30

이산형확률분포 초기하분포 실습 22:02

이산형확률분포 포아송분포 15:10

정규분포 13:47

정규분포 그래프그리기 12:01

정규분포 활용예시 13:15

연속형 확률분포 t 분포 이론 09:01

연속형 확률분포 t분포 확률밀도 그래프 09:06

연속형 확률분포 t분포 확률문제 29:47

연속형 확률분포 지수분포 13:48

연속형 확률분포 지수분포 확률문제 09:38

연속형 확률분포 감마분포 13:26

연속형 확률분포 감마분포 확률문제 06:10

가설 검정-검정통계량(1) 24:54

가설 검정-검정통계량(2) 09:40

모수 검정 07:16

정규성 검정 이론 07:37

정규성 검정 실습 13:41

등분산성 검정이론&실습 11:26

등분산성 검정 실습 18:18

모수 추론: T-test 13:49

모수 추론: T-test 실습 16:42

Two-sample t-test 16:30

Paired t-test 14:41

분류 모델 T-test 활용 20:47

시험유형 T-test 09:19

작업3유형 예시문제 09:00

모수 추론: ANOVA 이론 21:52

모수 추론: ANOVA 실습 19:23

ANOVA 사후검정 07:58

Two way ANOVA 실습 (up23.11.20) 19:43

statsmodels-선형회귀모형(OLS) (up23.11.20) 11:41

선형회귀모형(OLS.from_formula) (up23.11.20) 10:49

로지스틱회귀모형(Logit) (up23.11.20) 15:35

회귀, 분류 성능평가 (up23.11.20) 11:29

비모수 검정 06:15

카이 제곱 검정 종류 08:43

카이 제곱 적합도 검정 16:05

카이 제곱 동질성/독립성 검정 14:37

피셔 검정&독립성 검정 예 08:27

카이 제곱 검정: 분류모델 활용 17:28

Wilcoxon signed rank Test 18:47

rank sums&mann whitney U test 15:36

Kruskal-Wallis H-Test 07:42

분류모델 Kruskal Wallis 활용 11:15

[23.06.10 특강] help dir 46:35

[23.06.10 특강] 가설검정 이해 52:19

섹션 6. Step5. 기출 복원&예시 문제풀이 14 강 ∙ 3시간 20분

2회 [작업1 유형] 문제풀이 (1/2) (복원문제 첨부) 20:22

2회 [작업1 유형] 문제풀이 (2/2) 07:06

3회 [작업1 유형] 문제풀이 15:44

4회 [작업1 유형] 문제풀이 14:44

5회 [작업1 유형] 문제풀이 16:07

6회 [작업1 유형] 문제풀이(up 23.11.08) 22:26

[작업1 유형] 예시 문제풀이 13:36

[작업3 유형] 예시 문제풀이 (up 23.11.08) 18:36

[작업3 유형] 예시문제 모수 (up23.11.20) 22:49

[작업3 유형] 예시문제 비모수 (up23.11.20) 25:48

빅분기 실기용 자료 등록 링크 정보&단답형 문제 (22년 11월)

빅데이터분석 기사 실기 안내 (2023년) 미리보기 10:05

빅데이터분석 기사 실기 실습 06:49

시험 주의사항 06:18

섹션 7. Step6. Live 강의 & 특강 45 강 ∙ 34시간 11분

[K-DATA] 빅데이터분석기사 실기시험 응시가이드

[23.11.26-특강]작업2유형-6회기출의 Y Encoding 주의사항 10:26

[23.11.26-특강]작업3유형-6회기출의 statsmodels 예측값, 신뢰구간 19:42

[23.11.26-특강]Paired t-test 정규성검정 04:35

[23.11.20-특강]LabelEncoder 사용(범주형 종속변수) 44:43

[23.11.20-특강]msle 주의사항 28:16

[23.11.20-특강]작업3유형 대비(1/6) 32:36

[23.11.20-특강]작업3유형 대비(2/6) 43:21

[23.11.20-특강]작업3유형 대비(3/6) 01:05:27

[23.11.20-특강]작업3유형 대비(4/6) 48:15

[23.11.20-특강]작업3유형 대비(5/6) 01:09:56

[23.11.20-특강]작업3유형 대비(6/6) 57:41

[23.11.12-특강]작업 2유형 대비(1/7) 54:56

[23.11.12-특강]작업 2유형 대비(2/7) 01:14:28

[23.11.12-특강]작업 2유형 대비(3/7) 41:40

[23.11.12-특강]작업 2유형 대비(4/7) 01:13:36

[23.11.12-특강]작업 2유형 대비(5/7) 32:28

[23.11.12-특강]작업 2유형 대비(6/7) 01:06:28

[23.11.12-특강]작업 2유형 대비(7/7) 39:41

[23.11.08-특강] Timedelta, Datetime 강의(1) 17:26

[23.11.08-특강] Timedelta, Datetime 강의(2) 08:34

[23.10.09-Live] 7회 실기 대비 48:20

[23.06.10-Live] 모수&비모수검정 학습시 유의사항 50:45

[23.05.28-Live] 머신러닝 주의사항 01:12:42

[23.05.28-Live] 머신러닝 2유형 접근방법 01:17:41

[23.05.28-Live] 머신러닝 회기분석 문제풀이 01:13:38

[23.05.14-Live] pandas 학습 01:01:59

[23.05.14-Live] pandas Basic(1) 22:26

[23.05.14-Live] pandas Basic(2) 28:32

[22.11.27-Live] 빅분기 실기 예시문제 작업1유형 미리보기 29:41 [22.11.27-Live] 빅분기 실기 예시문제 작업2유형 1/2 미리보기 34:59 [22.11.27-Live] 빅분기 실기 예시문제 작업2유형 2/2 미리보기 01:19:24 [22.11.27-Live] 빅분기 실기 회귀 예시 문제 작업2유형 사용파일 미리보기 57:25

[22.11.27-Live] 작업1, 2유형 어떤 것을 다루고 있을까? 08:18

[22.11.27-Live] 빅분기 실기 기출 3회 작업 2유형 01:36:35

[22.11.13-Live] 단답형, 작업1형 살펴보기 47:38

[22.11.13-Live] 작업2형 살펴보기 01:11:32

[22.11.13-Live] 날짜 타임 분리, classification_report 23:59

[22.11.13-Live] 문자열 분리(주소, 전화번호분리) 13:05

[22.10.16-Live] 시험 안내와 전략 57:35

[22.10.16-Live] 파이썬의 객체, 객체를 사용한 명령 익히기 56:11

[22.10.16-Live] 함수, 함수의 argument, parameter 01:10:23

[22.10.16-Live] pandas_indexing(1) 53:30

[22.10.16-Live] pandas_indexing(2) 01:12:14

[22.10.16-Live] axis=0, axis=1 의 이해 08:42

강의 게시일 : 2022년 05월 13일 (마지막 업데이트일 : 2023년 11월 28일)

수강생분들이 직접 작성하신 수강평입니다.

5개의 수강평

5점

4점

3점

2점

1점

VIEW 추천 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순

"이시대 최고의 강의"

2022-06-17

지식공유자 SoYoung Yoon

안녕하세요! 좋은 평가 감사드립니다. 아래의 구글 클래스룸에서 2, 3회 기출문제도 풀이해 보시기 바랍니다. https://classroom.google.com/c/NDk5NzIzNzI1ODMx?cjc=7a3l2el ^^ 감사합니다! 윤소영 드림

2022-06-17 0

이해하기 쉬워요

2024-02-16

좋아요. 유익합니다.

2023-11-29

강의 수강하고 7회에서 합격하였습니다. 6회보다도 7회가 난이도가 높았다고 느꼈는데, 합격했지만 7회 복원 문제 기다리겠습니다~

2024-01-19

많은 도움이 되었습니다. 수고하셨습니다.

2023-12-27