개발자D
주제 : 빅데이터분석기사(국가기술 빅데이터 분석가) 관련 정보
소개 : 빅데이터 이해를 기반으로 빅데이터 분석기획, 빅데이터 수집/저장/처리, 빅데이터 분석 및 시각화 수행하는 실무자인 빅데이터분석가. 전 세계적으로 빅데이터를 활용하여 국가 또는 기업이 주요 전략분야로 급부상하고 있으나, 그 수요대비 공급부족으로 인력확보가 어려운 실정에 정부차원에서 빅데이터 분석 전문가 양성과 함께 체계적인 역량검증을 할수 있는 "빅데이터 분석기사"를 신설함.제 1회 빅데이터분석기사(필기)가 20.12.19(토) 진행될 예정임
# 빅데이터분석기사
- 접수 : 데이터자격검정시스템(www.dataq.or.kr) 인터넷접수
- 시행지역: 서울, 부산, 인천, 대전, 대구, 광주, 춘천, 제주
- 수수료 : 필기 17,800원 / 실기 40,800원
구분 |
등급 |
시험명 |
접수시간 |
수혐표발급 |
시험일 |
결과발표 |
빅데이터 분석기사 |
기사 |
제1회 빅데이터 분석기사(필기) |
2020.11.23 ~ 11.27 |
12.10 |
12.19(토) |
2021.01.18 |
제1회 빅데이터 분석기사(실기) |
2021.01.25 ~ 01.29 |
2021.02.11 |
2021.02.20(토) |
2021.03.19 |
※ 결과발표는 시험일로부터 한달 가량 소요되며 발표일도 사정에 따라 변경될 수 있음
※ 데이터분석(필기) 시험 시작시간은 10:00
※ 데이터분석(실기) 시험 시작시간은 13:00
## 빅데이터분석기사 필기범위
필기과목명 |
주요항목 |
세부항목 |
세세항목 |
빅데이터 분석 기획
|
빅데이터의 이해
|
빅데이터 개요 및 활용 |
▶빅데이터의 특징 ▶빅데이터의 가치 ▶데이터 산업의 이해 ▶빅데이터 조직 및 인력 |
빅테이터 기술 및 제도 |
▶빅데이터 플랫폼 ▶빅데이터와 인공지능 ▶개인정보 법·제도 ▶개인정보 활용 |
데이터분석 계획
|
분석방안수립 |
▶분석 로드맵 설정 ▶분석 문제 정의 ▶데이터 분석 방안 |
분석 작업 계획 |
▶데이터 확보 계획 ▶분석 절차 및 작업 계획 |
데이터 수집 및 저장 계획
|
데이터 수집 및 전환 |
▶데이터 수집 ▶데이터 유형 및 속성 파악 ▶데이터 변환 ▶데이터 비식별화 ▶데이터 품질 검증 |
데이터 적재 및 저장 |
▶데이터 적재 ▶데이터 저장 |
빅데이터 탐색
|
데이터 전처리
|
데이터 정제 |
▶데이터 정제 ▶데이터 결측값 처리 ▶데이터 이상값 처리 |
분석 변수 처리 |
▶변수 선택 ▶차원축소 ▶파생변수 생성 ▶변수 변환 ▶불균형 데이터 처리 |
데이터 탐색
|
데이터 탐색 기초 |
▶데이터 탐색 개요 ▶상관관계 분석 ▶기초통계량 추출 및 이해 ▶시각적 데이터 탐색 |
고급 데이터 탐색 |
▶시공간 데이터 탐색 ▶다변량 데이터 탐색 ▶비정형 데이터 탐색 |
통계기법 이해
|
기술통계 |
▶데이터요약 ▶표본추출 ▶확률분포 ▶표본분표 |
추론통계 |
▶점추정 ▶구간추정 ▶가설검정 |
빅데이터 모델링
|
분석모형 설계
|
분석 절차 수립 |
▶분석모형 선정 ▶분석모형 정의 ▶분석모형 구축 절차 |
분석 환경 구축 |
▶분석 도구 선정 ▶데이터 분할 |
분석기법 적용
|
분석기법 |
▶회귀분석 ▶로지스틱 회귀분석 ▶의사결정나무 ▶인공신경망 ▶서포트벡터머신 ▶연관성분석 ▶군집분석 |
고급 분석기법 |
▶범주형 자료 분석 ▶다변량 분석 ▶시계열 분석 ▶베이지안 기법 ▶딥러닝 분석 ▶비정형 데이터 분석 ▶앙상블 분석 ▶비모수 통계 |
빅데이터 결과해석
|
분석모형 평가 및 개선
|
분석모형 평가 |
▶평가 지표 ▶분석모형 진단 ▶교차 검증 ▶모수 유의성 검정 ▶적합도 검정 |
분석모형 개선 |
▶과대적합 방지 ▶매개변수 최적화 ▶분석모형 융합 ▶최종모형 선정 |
분석결과 해석 및 활용
|
분석결과 해석 |
▶분석모형 해석 ▶비즈니스 기여도 평가 |
분석결과 시각화 |
▶시공간 시각화 ▶관계 시각화 ▶비교 시각화 ▶인포그래픽 |
분석결과 활용 |
▶분석모형 전개 ▶분석결과 활용 시나리오 개발 ▶분석모형 모니터링 ▶분석모형 리모델링 |
## 빅데이터분석기사 실기범위
실기과목명 |
주요항목 |
세부항목 |
세세항목 |
빅데이터 분석 실무
|
데이터 수집 작업 |
데이터 수집하기 |
▶정형, 반정형, 비정형 등 다양한 형태의 데이터를 읽을 수 있다. ▶필요시 공개 데이터를 수집할 수 있다. |
데이터 전처리 작업
|
데이터 정제하기 |
▶정제가 필요한 결측값, 이상값 등이 무엇인지 파악할 수 있다. ▶결측값와 이상값에 대한 처리 기준을 정하고 제거 또는 임의의 값으로 대체할 수 있다. |
데이터 변환하기 |
▶데이터의 유형을 원하는 형태로 변환할 수 있다. ▶데이터의 범위를 표준화 또는 정규화를 통해 일치시킬 수 있다. ▶기존 변수를 이용하여 의미 있는 새로운 변수를 생성하거나 변수를 선택할 수 있다. |
데이터 모형 구축 작업
|
분석모형 선택하기 |
▶다양한 분석모형을 이해할 수 있다. ▶주어진 데이터와 분석 목적에 맞는 분석모형을 선택할 수 있다. ▶선정모형에 필요한 가정 등을 이해할 수 있다. |
분석모형 구축하기 |
▶모형 구축에 부합하는 변수를 지정할 수 있다. ▶모형 구축에 적합한 형태로 데이터를 조작할 수 있다. ▶모형 구축에 적절한 매개변수를 지정할 수 있다. |
데이터 모형 평가 작업
|
구축된 모형 평가하기 |
▶최종 모형을 선정하기 위해 필요한 모형 평가 지표들을 잘 사용할 수 있다. ▶선택한 평가지표를 이용하여 구축된 여러 모형을 비교하고 선택할 수 있다. ▶성능 향상을 위해 구축된 여러 모형을 적절하게 결합할 수 있다. |
분석결과 활용하기 |
▶최종모형 또는 분석결과를 해석할 수 있다. ▶최종모형 또는 분석결과를 저장할 수 있다. |
### Reference