현재 위치
홈
상품상세정보
*도서소개
유튜브 누적 조회수 15만 회, 캐글 48만뷰로 검증된 빅데이터 전문가
퇴근후딴짓의 빅데이터분석기사 실기 합격 노하우를 공개합니다!
기출문제만 푼다고 합격이 가능할까? 아니다! 빅데이터분석기사 실기는 문제 은행처럼 기출문제가 반복되지 않는다. 그럼 어떻게 해야 시간을 낭비하지 않고 단기간 합격이 가능할까? 정답은, 연습을 통해 시험장에서 맞이할 수 있는 다양한 상황을 경험하는 것이다. 이 도서는 개념에 대한 확인문제, 연습문제, 기출문제를 다 담아 합격에 필요한 새로운 지식을 확장하고 반복 학습할 수 있도록 구성되었다. 입문자가 이해할 수 있는 정도의 수준으로 풀이된 개념을 학습하고 도서를 따라가며 직접 타이핑하며 학습한다면, 어느새 나도 모르게 합격에 가까워진 나를 발견하게 될 것이다. 지난 5년 동안 직접 수험생을 만나며 쌓아온 데이터를 시나공에 모두 담았다.
퇴근후딴짓의 빅데이터분석기사 실기 합격 노하우를 공개합니다!
기출문제만 푼다고 합격이 가능할까? 아니다! 빅데이터분석기사 실기는 문제 은행처럼 기출문제가 반복되지 않는다. 그럼 어떻게 해야 시간을 낭비하지 않고 단기간 합격이 가능할까? 정답은, 연습을 통해 시험장에서 맞이할 수 있는 다양한 상황을 경험하는 것이다. 이 도서는 개념에 대한 확인문제, 연습문제, 기출문제를 다 담아 합격에 필요한 새로운 지식을 확장하고 반복 학습할 수 있도록 구성되었다. 입문자가 이해할 수 있는 정도의 수준으로 풀이된 개념을 학습하고 도서를 따라가며 직접 타이핑하며 학습한다면, 어느새 나도 모르게 합격에 가까워진 나를 발견하게 될 것이다. 지난 5년 동안 직접 수험생을 만나며 쌓아온 데이터를 시나공에 모두 담았다.
*출판사도서소개
■ 〈퇴근후딴짓〉과 〈시나공〉에서 제시하는 합격 비법
첫째, 풍부한 문제를 제공하여 다양한 상황을 사전에 경험할 수 있게 돕습니다.
둘째, 핵심 내용만을 집중적으로 다뤄 합격에 필요한 능력을 빠르게 습득할 수 있습니다.
셋째, 선택적 심화학습을 통해 시험 난이도 변화에 유연하게 대응할 수 있습니다.
수험생의 마음으로 만든 책 - 시나공
■ 합격에 필요한 내용만 담았습니다.
자격증 취득을 목적으로 구성된 책인 만큼, 합격에 필요한 내용만 압축하여 최대한 쉽게 수록했습니다. 개념별 확인문제, 연습문제, 기출문제와 문제별 상세한 풀이는 입문자도 이해하기 쉽게 구성한 것으로, 교재의 내용만 이해하면 어떠한 변형 문제도 풀 수 있도록 구성했습니다.
■ 수험생의 시간을 아낄 수 있도록 구성했습니다.
기본, 심화 문제를 구분하여 수험생이 선택하여 학습할 수 있도록 구성했습니다. 선택적 심화학습을 통해 시험 난이도 변화에 유연하게 대응할 수 있으며, 수험생이 합격까지 도달할 수 있는 시간을 아껴드리기 위해 노력했습니다.
■ 학습 방향을 제시하기 위해 노력했습니다.
교재에 수록된 내용을 무작정 학습하는 것은 비효율적입니다. 학습 방향을 파악하지 못한 채 교재에 수록된 내용을 무작정 읽어 가는 것은 비효율적입니다. ‘잠깐만요’ ‘TIP’ 등의 코너를 두어 옆에서 선생님이 지도하는 것처럼 친절한 가이드라인을 제공했습니다.
첫째, 풍부한 문제를 제공하여 다양한 상황을 사전에 경험할 수 있게 돕습니다.
둘째, 핵심 내용만을 집중적으로 다뤄 합격에 필요한 능력을 빠르게 습득할 수 있습니다.
셋째, 선택적 심화학습을 통해 시험 난이도 변화에 유연하게 대응할 수 있습니다.
수험생의 마음으로 만든 책 - 시나공
■ 합격에 필요한 내용만 담았습니다.
자격증 취득을 목적으로 구성된 책인 만큼, 합격에 필요한 내용만 압축하여 최대한 쉽게 수록했습니다. 개념별 확인문제, 연습문제, 기출문제와 문제별 상세한 풀이는 입문자도 이해하기 쉽게 구성한 것으로, 교재의 내용만 이해하면 어떠한 변형 문제도 풀 수 있도록 구성했습니다.
■ 수험생의 시간을 아낄 수 있도록 구성했습니다.
기본, 심화 문제를 구분하여 수험생이 선택하여 학습할 수 있도록 구성했습니다. 선택적 심화학습을 통해 시험 난이도 변화에 유연하게 대응할 수 있으며, 수험생이 합격까지 도달할 수 있는 시간을 아껴드리기 위해 노력했습니다.
■ 학습 방향을 제시하기 위해 노력했습니다.
교재에 수록된 내용을 무작정 학습하는 것은 비효율적입니다. 학습 방향을 파악하지 못한 채 교재에 수록된 내용을 무작정 읽어 가는 것은 비효율적입니다. ‘잠깐만요’ ‘TIP’ 등의 코너를 두어 옆에서 선생님이 지도하는 것처럼 친절한 가이드라인을 제공했습니다.
*목차
PART 1(작업형 1)
CHAPTER 01 파이썬
SECTION 01 출력
SECTION 02 주석
SECTION 03 산술 연산자
SECTION 04 자료형
SECTION 05 변수
SECTION 06 자료형 변환
SECTION 07 비교 연산자
SECTION 08 조건문
SECTION 09 리스트
SECTION 10 딕셔너리
SECTION 11 인덱싱과 슬라이싱
SECTION 12 내장 함수
SECTION 13 문자열
SECTION 14 반복문
SECTION 15 함수
확인문제
CHAPTER 02 판다스
SECTION 01 데이터프레임과 시리즈
SECTION 02 데이터 저장 및 불러오기
SECTION 03 탐색적 데이터 분석(EDA)
SECTION 04 자료형 변환
SECTION 05 새로운 컬럼 추가
SECTION 06 데이터 삭제
SECTION 07 인덱싱/슬라이싱(loc)
SECTION 08 인덱싱/슬라이싱(iloc)
SECTION 09 데이터 추가/변경
SECTION 10 정렬
SECTION 11 필터링
SECTION 12 결측치 처리
SECTION 13 값 변경
SECTION 14 문자열
SECTION 15 내장 함수
SECTION 16 그룹핑
SECTION 17 시계열 데이터(datetime)
SECTION 18 시계열 데이터(Timedelta)
SECTION 19 데이터프레임 합치기
확인문제
CHAPTER 03 작업형1 연습문제
SECTION 01 필터링, 최솟값, 중앙값
SECTION 02 카테고리, 인덱스, 문자열 슬라이싱
SECTION 03 파생변수, 정렬, 인덱싱
SECTION 04 값 변경, 정렬, 합계
SECTION 05 문자열 슬라이싱, 파생변수, 평균값
SECTION 06 필터링, 분산
SECTION 07 값 변경(연산), 필터링 절댓값
SECTION 08 시계열 데이터, 필터링, 데이터 개수
SECTION 09 필터링, 카테고리, 최빈값
SECTION 10 그룹핑, 최댓값, 정렬
SECTION 11 슬라이싱, 사분위수, 결측치 제거
SECTION 12 결측치 처리, 최빈값, 데이터 개수
SECTION 13 결측 데이터 찾기, 필터링, 평균값
SECTION 14 중복 데이터 제거, 값 변경, 데이터 개수
SECTION 15 컬럼 삭제, 행 단위 합계, 필터링
SECTION 16 이상치, IQR
SECTION 17 이상치, 소수점 있는 데이터 찾기, 표준편차
SECTION 18 데이터(행) 기준 평균값, 인덱싱
SECTION 19 결측치(뒤의 값으로 대체), 그룹합
SECTION 20 시계열 데이터, 월별 집계, 인덱스
SECTION 21 시간 간의 차이 계산(분), 필터링
SECTION 22 시간 간의 차이 계산(분), 그룹핑
SECTION 23 시간 간의 차이 계산(분), 비율
SECTION 24 그룹핑, 값 찾기, 필터링
SECTION 25 시간 간의 차이 계산(일)
SECTION 26 날짜와 시간 정보 변환, 비율
SECTION 27 시간 범위, 속도(km/h)
SECTION 28 날짜와 시간, 문자열
SECTION 29 함수, 월별 집계
SECTION 30 주말, 평일 구분
SECTION 31 문자열, 형 변환
SECTION 32 합계(열 방향), 상위 값 선택
SECTION 33 데이터프레임 재구조화
SECTION 34 데이터 합치기(concat)
SECTION 35 데이터 합치기(merge)
PART 2(작업형 2)
CHAPTER 01 머신러닝 기초
SECTION 01 지도학습, 비지도학습, 강화학습
SECTION 02 분류와 회귀
SECTION 03 정형 데이터
SECTION 04 머신러닝 프로세스
CHAPTER 02 머신러닝 실습(분류)
SECTION 01 문제 정의
SECTION 02 라이브러리 및 데이터 불러오기
SECTION 03 탐색적 데이터 분석(EDA)
SECTION 04 데이터 전처리
SECTION 05 검증 데이터 나누기
SECTION 06 머신러닝 학습 및 평가
SECTION 07 예측 및 결과 파일 생성
CHAPTER 03 머신러닝 평가지표
SECTION 01 이진 분류 평가지표
SECTION 02 다중 분류 평가지표
SECTION 03 회귀 평가지표
CHAPTER 04 머신러닝 실습(회귀)
SECTION 01 문제 정의
SECTION 02 라이브러리 및 데이터 불러오기
SECTION 03 탐색적 데이터 분석(EDA)
SECTION 04 데이터 전처리
SECTION 05 검증 데이터 나누기
SECTION 06 머신러닝 학습 및 평가
SECTION 07 예측 및 결과 파일 생성
CHAPTER 05 머신러닝 실습(다중 분류)
SECTION 01 문제 정의
SECTION 02 라이브러리 및 데이터 불러오기
SECTION 03 탐색적 데이터 분석(EDA)
SECTION 04 데이터 전처리
SECTION 05 검증 데이터 나누기
SECTION 06 머신러닝 학습 및 평가
SECTION 07 예측 및 결과 파일 생성
CHAPTER 06 이진 분류 연습문제
SECTION 01 환자의 당뇨병 여부 예측
SECTION 02 이직 여부 예측
SECTION 03 신용카드 신청자의 미래 신용 예측
CHAPTER 07 다중 분류 연습문제
SECTION 01 신용 등급 예측
SECTION 02 약물 종류 예측
SECTION 03 유리 종류 예측
CHAPTER 08 회귀 연습문제
SECTION 01 항공권 가격 예측
SECTION 02 노트북 가격 예측
SECTION 03 중고차 가격 예측
PART 3(작업형 3)
CHAPTER 01 가설검정
SECTION 01 가설검정의 이해
SECTION 02 단일 표본 검정
SECTION 03 대응 표본 검정
SECTION 04 독립 표본 검정
CHAPTER 02 분산 분석
SECTION 01 일원 분산 분석
SECTION 02 이원 분산 분석
CHAPTER 03 카이제곱 검정
SECTION 01 적합도 검정
SECTION 02 독립성 검정
SECTION 03 동질성 검정
CHAPTER 04 회귀 분석
SECTION 01 상관 계수
SECTION 02 단순 선형 회귀 분석
SECTION 03 다중 선형 회귀 분석
SECTION 04 범주형 변수
CHAPTER 05 로지스틱 회귀 분석
SECTION 01 로지스틱 회귀 분석
SECTION 02 오즈와 오즈비
CHAPTER 06 작업형3 연습문제
SECTION 01 단일 표본 검정
SECTION 02 독립 표본 검정
SECTION 03 대응 표본 검정
SECTION 04 일원 분산 분석
SECTION 05 이원 분산 분석
SECTION 06 적합도 검정
SECTION 07 독립성 검정
SECTION 08 다중 선형 회귀
SECTION 09 로지스틱 회귀
PART 4(최신 기출 문제)
예시문제
제2회 기출 문제
제3회 기출 문제
제4회 기출 문제
제5회 기출 문제
제6회 기출 문제
제7회 기출 문제
제8회 기출 문제
CHAPTER 01 파이썬
SECTION 01 출력
SECTION 02 주석
SECTION 03 산술 연산자
SECTION 04 자료형
SECTION 05 변수
SECTION 06 자료형 변환
SECTION 07 비교 연산자
SECTION 08 조건문
SECTION 09 리스트
SECTION 10 딕셔너리
SECTION 11 인덱싱과 슬라이싱
SECTION 12 내장 함수
SECTION 13 문자열
SECTION 14 반복문
SECTION 15 함수
확인문제
CHAPTER 02 판다스
SECTION 01 데이터프레임과 시리즈
SECTION 02 데이터 저장 및 불러오기
SECTION 03 탐색적 데이터 분석(EDA)
SECTION 04 자료형 변환
SECTION 05 새로운 컬럼 추가
SECTION 06 데이터 삭제
SECTION 07 인덱싱/슬라이싱(loc)
SECTION 08 인덱싱/슬라이싱(iloc)
SECTION 09 데이터 추가/변경
SECTION 10 정렬
SECTION 11 필터링
SECTION 12 결측치 처리
SECTION 13 값 변경
SECTION 14 문자열
SECTION 15 내장 함수
SECTION 16 그룹핑
SECTION 17 시계열 데이터(datetime)
SECTION 18 시계열 데이터(Timedelta)
SECTION 19 데이터프레임 합치기
확인문제
CHAPTER 03 작업형1 연습문제
SECTION 01 필터링, 최솟값, 중앙값
SECTION 02 카테고리, 인덱스, 문자열 슬라이싱
SECTION 03 파생변수, 정렬, 인덱싱
SECTION 04 값 변경, 정렬, 합계
SECTION 05 문자열 슬라이싱, 파생변수, 평균값
SECTION 06 필터링, 분산
SECTION 07 값 변경(연산), 필터링 절댓값
SECTION 08 시계열 데이터, 필터링, 데이터 개수
SECTION 09 필터링, 카테고리, 최빈값
SECTION 10 그룹핑, 최댓값, 정렬
SECTION 11 슬라이싱, 사분위수, 결측치 제거
SECTION 12 결측치 처리, 최빈값, 데이터 개수
SECTION 13 결측 데이터 찾기, 필터링, 평균값
SECTION 14 중복 데이터 제거, 값 변경, 데이터 개수
SECTION 15 컬럼 삭제, 행 단위 합계, 필터링
SECTION 16 이상치, IQR
SECTION 17 이상치, 소수점 있는 데이터 찾기, 표준편차
SECTION 18 데이터(행) 기준 평균값, 인덱싱
SECTION 19 결측치(뒤의 값으로 대체), 그룹합
SECTION 20 시계열 데이터, 월별 집계, 인덱스
SECTION 21 시간 간의 차이 계산(분), 필터링
SECTION 22 시간 간의 차이 계산(분), 그룹핑
SECTION 23 시간 간의 차이 계산(분), 비율
SECTION 24 그룹핑, 값 찾기, 필터링
SECTION 25 시간 간의 차이 계산(일)
SECTION 26 날짜와 시간 정보 변환, 비율
SECTION 27 시간 범위, 속도(km/h)
SECTION 28 날짜와 시간, 문자열
SECTION 29 함수, 월별 집계
SECTION 30 주말, 평일 구분
SECTION 31 문자열, 형 변환
SECTION 32 합계(열 방향), 상위 값 선택
SECTION 33 데이터프레임 재구조화
SECTION 34 데이터 합치기(concat)
SECTION 35 데이터 합치기(merge)
PART 2(작업형 2)
CHAPTER 01 머신러닝 기초
SECTION 01 지도학습, 비지도학습, 강화학습
SECTION 02 분류와 회귀
SECTION 03 정형 데이터
SECTION 04 머신러닝 프로세스
CHAPTER 02 머신러닝 실습(분류)
SECTION 01 문제 정의
SECTION 02 라이브러리 및 데이터 불러오기
SECTION 03 탐색적 데이터 분석(EDA)
SECTION 04 데이터 전처리
SECTION 05 검증 데이터 나누기
SECTION 06 머신러닝 학습 및 평가
SECTION 07 예측 및 결과 파일 생성
CHAPTER 03 머신러닝 평가지표
SECTION 01 이진 분류 평가지표
SECTION 02 다중 분류 평가지표
SECTION 03 회귀 평가지표
CHAPTER 04 머신러닝 실습(회귀)
SECTION 01 문제 정의
SECTION 02 라이브러리 및 데이터 불러오기
SECTION 03 탐색적 데이터 분석(EDA)
SECTION 04 데이터 전처리
SECTION 05 검증 데이터 나누기
SECTION 06 머신러닝 학습 및 평가
SECTION 07 예측 및 결과 파일 생성
CHAPTER 05 머신러닝 실습(다중 분류)
SECTION 01 문제 정의
SECTION 02 라이브러리 및 데이터 불러오기
SECTION 03 탐색적 데이터 분석(EDA)
SECTION 04 데이터 전처리
SECTION 05 검증 데이터 나누기
SECTION 06 머신러닝 학습 및 평가
SECTION 07 예측 및 결과 파일 생성
CHAPTER 06 이진 분류 연습문제
SECTION 01 환자의 당뇨병 여부 예측
SECTION 02 이직 여부 예측
SECTION 03 신용카드 신청자의 미래 신용 예측
CHAPTER 07 다중 분류 연습문제
SECTION 01 신용 등급 예측
SECTION 02 약물 종류 예측
SECTION 03 유리 종류 예측
CHAPTER 08 회귀 연습문제
SECTION 01 항공권 가격 예측
SECTION 02 노트북 가격 예측
SECTION 03 중고차 가격 예측
PART 3(작업형 3)
CHAPTER 01 가설검정
SECTION 01 가설검정의 이해
SECTION 02 단일 표본 검정
SECTION 03 대응 표본 검정
SECTION 04 독립 표본 검정
CHAPTER 02 분산 분석
SECTION 01 일원 분산 분석
SECTION 02 이원 분산 분석
CHAPTER 03 카이제곱 검정
SECTION 01 적합도 검정
SECTION 02 독립성 검정
SECTION 03 동질성 검정
CHAPTER 04 회귀 분석
SECTION 01 상관 계수
SECTION 02 단순 선형 회귀 분석
SECTION 03 다중 선형 회귀 분석
SECTION 04 범주형 변수
CHAPTER 05 로지스틱 회귀 분석
SECTION 01 로지스틱 회귀 분석
SECTION 02 오즈와 오즈비
CHAPTER 06 작업형3 연습문제
SECTION 01 단일 표본 검정
SECTION 02 독립 표본 검정
SECTION 03 대응 표본 검정
SECTION 04 일원 분산 분석
SECTION 05 이원 분산 분석
SECTION 06 적합도 검정
SECTION 07 독립성 검정
SECTION 08 다중 선형 회귀
SECTION 09 로지스틱 회귀
PART 4(최신 기출 문제)
예시문제
제2회 기출 문제
제3회 기출 문제
제4회 기출 문제
제5회 기출 문제
제6회 기출 문제
제7회 기출 문제
제8회 기출 문제
상품필수 정보
| 도서명 | 2025 시나공 빅데이터분석기사 실기 | ||
|---|---|---|---|
| 저자/출판사 | 김태헌 / 길벗 | ||
| 크기/전자책용량 | 188x252x19 | ||
| 쪽수 | 544 | ||
| 제품 구성 | 낱권 | ||
| 발행일 | 2024-09-02 | ||
| 목차 또는 책소개 | 상세설명 참조 | ||
배송안내
- 배송비 : 기본배송료는 2,500원 입니다. (도서,산간,오지 일부지역은 배송비가 추가될 수 있습니다)
- 본 상품의 평균 배송일은 3일입니다.(입금 확인 후) 설치 상품의 경우 다소 늦어질수 있습니다.[배송예정일은 주문시점(주문순서)에 따른 유동성이 발생하므로 평균 배송일과는 차이가 발생할 수 있습니다.]
- 본 상품의 배송 가능일은 3일 입니다. 배송 가능일이란 본 상품을 주문 하신 고객님들께 상품 배송이 가능한 기간을 의미합니다. (단, 연휴 및 공휴일은 기간 계산시 제외하며 현금 주문일 경우 입금일 기준 입니다.)
교환 및 반품안내
- 상품 택(tag)제거 또는 개봉으로 상품 가치 훼손 시에는 상품수령후 7일 이내라도 교환 및 반품이 불가능합니다.
- 저단가 상품, 일부 특가 상품은 고객 변심에 의한 교환, 반품은 고객께서 배송비를 부담하셔야 합니다(제품의 하자,배송오류는 제외)
- 일부 상품은 신모델 출시, 부품가격 변동 등 제조사 사정으로 가격이 변동될 수 있습니다.
- 신발의 경우, 실외에서 착화하였거나 사용흔적이 있는 경우에는 교환/반품 기간내라도 교환 및 반품이 불가능 합니다.
- 수제화 중 개별 주문제작상품(굽높이,발볼,사이즈 변경)의 경우에는 제작완료, 인수 후에는 교환/반품기간내라도 교환 및 반품이 불가능 합니다.
- 수입,명품 제품의 경우, 제품 및 본 상품의 박스 훼손, 분실 등으로 인한 상품 가치 훼손 시 교환 및 반품이 불가능 하오니, 양해 바랍니다.
- 일부 특가 상품의 경우, 인수 후에는 제품 하자나 오배송의 경우를 제외한 고객님의 단순변심에 의한 교환, 반품이 불가능할 수 있사오니, 각 상품의 상품상세정보를 꼭 참조하십시오.
환불안내
- 상품 청약철회 가능기간은 상품 수령일로 부터 7일 이내 입니다.
AS안내
- 소비자분쟁해결 기준(공정거래위원회 고시)에 따라 피해를 보상받을 수 있습니다.
- A/S는 판매자에게 문의하시기 바랍니다.
이미지 확대보기
2025 시나공 빅데이터분석기사 실기
비밀번호 인증
글 작성시 설정한 비밀번호를 입력해 주세요.
확인장바구니 담기
상품이 장바구니에 담겼습니다.
바로 확인하시겠습니까?
찜 리스트 담기
상품이 찜 리스트에 담겼습니다.
바로 확인하시겠습니까?
