· 1급 - Python을 활용하여 통계 및 머신러닝 분석을 자유자재로 수행할 수 있는 수준
· 2급 - Python을 활용하여 간단한 데이터 분석을 수행할 수 있는 수준
| 등급 | 검정과목 (분야, 영역) |
세부 내용 |
|---|---|---|
| 1급 | 빅데이터 | 1. 빅데이터 이해: 빅데이터의 기본 개념에 대한 전반적인 이해도를 평가 2. 빅데이터 자료 수집: 빅데이터 자료 수집 기법에 대한 이해도를 평가 3. 빅데이터 활용: 빅데이터 분석 전략과 전략적 인사이트 도출을 위해 필요로 하는 사항들에 대한 이해도를 평가 4. 빅데이터 자료의 저장 및 처리: 빅데이터의 저장, 처리 및 정제 절차에 대한 이해도를 평가 |
| 데이터 수집 및 전처리 | 1. 데이터 수집 및 전처리의 이해: 데이터 수집 방법 및 전처리에 대한 전반적인 이해도를 평가 2. 데이터 수집 및 가공: 요구하는 자료를 수집하거나 주어진 자료를 요구하는 형태로 가공하는 능력을 평가 3. 데이터 품질 검정: 이상점 및 중복값 제거, 결측값 보정 등 자료를 정제할 수 있는 능력을 평가 4. 데이터 오류 파악: 주어진 자료의 오류를 파악하고 이를 수정할 수 있는 능력을 평가 5. 데이터 변환: 변수변환 기법에 대한 이해도 및 문제에서 요구하는 새로운 변수를 생성할 수 있는지를 평가 |
|
| 데이터의 탐색과 이해 |
1. 데이터의 탐색적 이해: EDA에 대한 전반적인 이해도를 평가 2. 데이터의 탐색: 주어진 결과를 분석의 목적에 맞게 해석할 수 있는지를 평가. 데이터의 수치 및 시각적 요약이 의미하는 바를 정확하게 이해하고 있는지를 평가 3. 데이터의 이해: 데이터의 기초적인 요약을 통해 범주형 및 연속형 등 다양한 자료의 대략적인 특징을 파악할 수 있는지를 평가 4. 다변량 데이터에 대한 탐색 및 이해: 여러 가지 변수에 대한 데이터 요약 방법에 대한 이해 및 주어진 결과로부터 자료의 특징을 파악할 수 있는지를 평가 |
|
| 데이터 분석 |
1. 데이터 분석 과정: 자료수집에서부터 결과 도출까지 자료 분석 과정 전반에 대한 이해도를 평가 2. 자료의 유형에 따른 분석 방법의 이해: 정형, 비정형 데이터를 포함한 자료의 특성 및 유형에 따른 분석 방법의 차별성에 대한 이해도를 평가 3. 자료의 요약: 주어진 상황에 적합한 값을 도출할 수 있는지를 평가 4. 통계분석: 기초 통계분석을 포함하여 다변량 분석, 데이터 마이닝, 머신러닝 기법에 대한 이해와 이를 이용하여 요구하는 결과를 도출할 수 있는지 등을 평가 5. 유의한 변수의 선택: 변수 선택 방법에 대한 이해와 이에 대한 구현 능력을 평가 1. 데이터 분석 과정: 자료수집에서부터 결과 도출까지 자료 분석 과정 전반에 대한 이해도를 평가 2. 자료의 유형에 따른 분석 방법의 이해: 정형, 비정형 데이터를 포함한 자료의 특성 및 유형에 따른 분석 방법의 차별성에 대한 이해도를 평가 3. 자료의 요약: 주어진 상황에 적합한 값을 도출할 수 있는지를 평가 4. 통계분석: 기초 통계분석을 포함하여 다변량 분석, 데이터 마이닝, 머신러닝 기법에 대한 이해와 이를 이용하여 요구하는 결과를 도출할 수 있는지 등을 평가 5. 유의한 변수의 선택: 변수 선택 방법에 대한 이해와 이에 대한 구현 능력을 평가 |
|
| 데이터 시각화 | 1. 데이터 시각화: 자료의 종류에 따른 시각화 방법 등에 대한 이해도를 평가 2. 시각화 구현: 주어진 자료를 요구사항에 맞게 적절한 그래프 등으로 나타낼 수 있는지를 평가 3. 연관성 분석: 데이터 시각화를 통해 데이터의 특성을 파악하고 변수들 간의 관계를 통찰할 수 있는지 등을 평가 |
|
| 2급 | 빅데이터 | 1. 빅데이터 이해: 빅데이터의 기본 개념에 대한 전반적인 이해도를 평가 2. 빅데이터 자료 수집: 빅데이터 자료 수집 기법에 대한 이해도를 평가 3. 빅데이터 활용: 빅데이터 분석 전략과 전략적 인사이트 도출을 위해 필요로 하는 사항들에 대한 이해도를 평가 4. 빅데이터 자료의 저장 및 처리: 빅데이터의 저장, 처리 및 정제 절차에 대한 이해도를 평가 |
| 데이터 수집 및 전처리 | 1. 데이터 수집 및 전처리의 이해: 데이터 수집 방법 및 전처리에 대한 전반적인 이해도를 평가 2. 데이터 수집 및 가공: 요구하는 자료를 수집하거나 주어진 자료를 요구하는 형태로 가공하는 능력을 평가 3. 데이터 품질 검정: 이상점 및 중복값 제거, 결측값 보정 등 자료를 정제할 수 있는 능력을 평가 4. 데이터 오류 파악: 주어진 자료의 오류를 파악하고 이를 수정할 수 있는 능력을 평가 |
|
| 데이터의 탐색과 이해 |
1. 데이터의 탐색적 이해: EDA에 대한 전반적인 이해도를 평가 2. 데이터의 탐색: 주어진 결과를 분석의 목적에 맞게 해석할 수 있는지를 평가 데이터의 수치 및 시각적 요약이 의미하는 바를 정확하게 이해하고 있는지를 평가 3. 데이터의 이해: 데이터의 기초적인 요약을 통해 범주형 및 연속형 등 다양한 자료의 대략적인 특징을 파악할 수 있는지를 평가 |
|
| 데이터 분석 | 1. 데이터 분석 과정: 자료수집에서부터 결과 도출까지 자료 분석 과정 전반에 대한 이해도를 평가 2. 자료의 요약: 주어진 상황에 적합한 값을 도출할 수 있는지를 평가 3. 기초 통계분석: 기초 통계량 및 t-검정을 포함한 기초적인 통계적 추론 방법과 회귀분석 등을 포함한 기본적인 분석법에 대한 이해와 이를 이용하여 요구하는 결과를 도출할 수 있는지 등을 평가 |
|
| 데이터 시각화 | 1. 데이터 시각화: 자료의 종류에 따른 시각화 방법 등에 대한 이해도를 평가 2. 시각화 구현: 주어진 자료를 요구사항에 맞게 적절한 그래프 등으로 나타낼 수 있는지를 평가 |