2027 빠르게 따는 빅데이터분석기사 실기 Python

★ "노베이스라서 막막하신가요?"
★ 온라인/모바일 CBT + 카페 + 단톡
★ 시험 대비 무료 LIVE 마무리 특강까지!
★ 여러분의 옆자리 퍼스트 클래스 과외 선생님이 되어드립니다!
노베이스라 용어부터 낯설다고요? 파이썬은 좀 다뤄 봤지만 실기 앞에서 막막한가요? 시험이 코앞이라 합격만을 위한 지름길이 필요하신가요? 《빠르게 따는 빅데이터분석기사 실기》는 오직 노베이스 수험생의 빠른 합격에 집중합니다.
책만으로는 부족하다고요? 그래서 온라인·모바일 채점 서비스를 제공합니다. 카페와 단톡방에서 정보를 나누고 궁금한 점을 바로 물어볼 수도 있죠. 여기에 시험이 임박하면 마무리 특강까지 열립니다.
이 책을 손에 드는 순간 합격까지 가는 퍼스트 클래스 티켓을 얻게 됩니다. 당연히 책만으로도 수월하게 공부하여 합격할 수 있도록 많은 공을 들였습니다. 단순히 이론을 나열하는 것이 아니라, 개념의 원리를 쉽고 친절하게 풀어내어 학습의 문턱을 낮췄습니다. 〈노베이스를 위한 1:1 코칭〉, 〈빠르게 따는 치트키〉, 〈LEVEL UP!〉, 〈유형별 패턴 분석〉, 〈기출변형 문제〉, 〈수준별 모의고사〉까지! 모두 제공해드립니다!

__노베이스를 위한 1:1 코칭 : 꼭 알아야 하는 기초 지식은 물론, 어려운 용어도 단번에 이해되는 맞춤형 설명
__빠르게 따는 치트키 : 시험에 나오는 핵심만 골라 담은 합격 비법
__LEVEL UP! : 안정적인 합격 점수를 위한 깊이 있는 학습
__유형별 패턴 분석: 자주 출제되는 출제 유형을 분석하여 실전 감각 극대화
__기출변형 문제 : 최신 경향 완벽 반영
__수준별 모의고사 : 난이도를 조절한 실전 문제

★ 시험 보러 이동하는 지하철에서도 한 번 더 모의 체험하기!
★ 모바일로도 웹에서도 채점서비스는 계속됩니다!
★ 기출변형 문제 4회와 수준별 모의고사 4회를 실제 시험과 유사한 환경에서 채점까지 받아보세요!

시험장으로 가는 지하철, 그 마지막 순간까지 아깝지 않으신가요? PC 앞에 앉아 있을 때만 공부가 되는 건 아닙니다. 지금 손에 들고 있는 스마트폰으로 바로 접속하세요.
중간 저장과 시간 일시 정지 기능이 있어 환승 중에 끊겼다가도 이어서 풀 수 있습니다. 합격까지 남은 1분 1초, 저희가 아껴 드리겠습니다.

★ 시험이 코앞인데, 공부한 내용을 모두 까먹었다고요?
★ 걱정 마세요!
★ 합격까지 안내하는 저자님의 특강이 준비되어 있습니다!
시험 직전에 저자님과 빠르게 복습을 해봅시다! 모두 모이세요! 도서를 구매한 분이라면 누구나! 선생님의 합격 노하우가 담긴 강의를 실시간으로 시청하실 수 있습니다. 공부한 내용을 떠올리며 한 번 더 정리한다면 시험장에서 당황하지 않고 바로 답을 찾으실 수 있을 겁니다. 라이브 특강에 꼭 참여하셔서 극강의 학습 효율을 맛보시고 빠르게 합격하세요!

합격으로 가는 가장 빠른 길, 이제 여러분은 '열정'만 준비하세요!

[PART 1] 실기 환경과 판다스 기초

1장 실기 시험의 이해
__ 01 실기 시험 구성
__ 02 작업형의 차이
__ 03 실기 환경
__ 04 데이터 파일 경로
__ 05 제출 파일 저장 방식

2장 파이썬 기초 문법
__ 01 출력과 주석
__ 02 변수와 자료형
__ 03 자료형 변환
__ 04 비교 연산자
__ 05 조건문
__ 06 반복문
__ 07 리스트
__ 08 딕셔너리
__ 09 문자열
__ 10 내장 함수

3장 판다스 기본
__ 01 판다스와 데이터프레임
__ 02 시리즈와 데이터프레임
__ 03 CSV 파일 불러오기
__ 04 데이터 저장하기
__ 05 데이터 크기 확인
__ 06 데이터 정보 확인
__ 07 컬럼 선택
__ 08 loc와 iloc
__ 09 조건 필터링
__ 10 정렬

4장 판다스 전처리
__ 01 결측치 확인
__ 02 결측치 제거와 대체
__ 03 이상치 확인
__ 04 이상치 처리
__ 05 자료형 변환
__ 06 파생변수 생성
__ 07 값 변경
__ 08 중복 데이터 처리
__ 09 문자열 처리
__ 10 날짜 데이터 처리

5장 판다스 집계와 계산
__ 01 판다스 집계와 계산
__ 02 기초 통계 함수
__ 03 value_counts
__ 04 groupby
__ 05 agg
__ 06 pivot_table
__ 07 apply와 map
__ 08 데이터프레임 병합
__ 09 상관계수
__ 10 분위수 계산
__ 11 반올림, 버림, 올림

[PART 2] 작업형 제1유형

1장 작업형 1 문제 구조
__ 01 작업형 1 출제 및 정답 제출 방식
__ 02 정수 답안 처리와 출력값 확인

2장 작업형 1 핵심 유형
__ 01 조건 필터링
__ 02 다중 조건 필터링
__ 03 정렬 후 값 추출
__ 04 인덱싱 기반 값 추출
__ 05 결측치 처리
__ 06 이상치 처리
__ 07 파생변수 생성 후 계산
__ 08 그룹별 집계
__ 09 날짜 데이터와 문자열 처리

[PART 3] 작업형 제2유형

1장 작업형 2 문제 구조
__ 01 작업형 2 출제 방식
__ 02 train 데이터와 test 데이터
__ 03 target 컬럼 확인
__ 04 분류와 회귀 구분
__ 05 이진분류와 다중분류 구분
__ 06 제출 파일 구조

2장 작업형 2 데이터 전처리
__ 01 라이브러리 불러오기
__ 02 데이터 불러오기
__ 03 EDA 확인
__ 04 target 분리
__ 05 결측치 처리
__ 06 범주형 변수 인코딩
__ 07 수치형 변수 처리
__ 08 train/test 컬럼 불일치 처리
__ 09 train_test_split
__ 10 검증 데이터 구성

3장 분류 모델링
__ 01 분류 모델링
__ 02 이진분류 문제 처리
__ 03 다중분류 문제 처리
__ 04 LogisticRegression
__ 05 DecisionTreeClassifier
__ 06 RandomForestClassifier
__ 07 predict와 predict_proba
__ 08 ROC-AUC
__ 09 Accuracy
__ 10 F1-score
__ 11 Macro F1

4장 회귀 모델링
__ 01 회귀 문제 처리
__ 02 LinearRegression
__ 03 DecisionTreeRegressor
__ 04 RandomForestRegressor
__ 05 예측값 생성
__ 06 MAE
__ 07 MSE
__ 08 RMSE
__ 09 결정계수(R²)
__ 10 회귀 결과 확인

5장 작업형 2 제출 파일 생성
__ 01 result.csv 생성
__ 02 제출 컬럼명 확인
__ 03 index=False 저장
__ 04 확률값 제출 여부 확인
__ 05 클래스값 제출 여부 확인
__ 06 회귀 예측값 제출 확인
__ 07 제출 파일 읽어서 검증하기
__ 08 제출 전 결과 확인

[PART 4] 작업형 제3유형

1장 작업형 3 통계 기본
__ 01 작업형 3 출제 방식
__ 02 모집단과 표본
__ 03 통계량과 모수
__ 04 귀무가설과 대립가설
__ 05 유의수준
__ 06 p-value
__ 07 검정통계량
__ 08 신뢰구간
__ 09 단측검정과 양측검정
__ 10 작업형 3 결과 해석 방식

2장 가설검정
__ 01 가설검정
__ 02 단일표본 t-검정
__ 03 독립표본 t-검정
__ 04 대응표본 t-검정
__ 05 정규성 검정
__ 06 등분산성 검정
__ 07 비율 검정
__ 08 두 집단 비율 차이 검정
__ 09 검정 결과 해석
__ 10 SciPy를 활용한 가설검정
__ 11 결괏값 반올림 처리

3장 분산분석과 카이제곱 검정
__ 01 분산분석의 이해
__ 02 일원분산분석
__ 03 사후검정
__ 04 카이제곱 적합도 검정
__ 05 카이제곱 독립성 검정
__ 06 교차표 생성
__ 07 관측도수와 기대도수
__ 08 검정통계량 해석
__ 09 p-value 해석
__ 10 가설 기각 여부 판단

4장 상관분석과 회귀분석
__ 01 상관계수
__ 02 피어슨 상관분석
__ 03 스피어만 상관분석
__ 04 단순선형 회귀분석
__ 05 다중선형 회귀분석
__ 06 회귀계수 해석
__ 07 결정계수 해석
__ 08 p-value 해석
__ 09 신뢰구간 해석
__ 10 회귀 결과표 해석

5장 로지스틱 회귀분석
__ 01 로지스틱 회귀분석
__ 02 로지스틱 회귀의 이해
__ 03 오즈
__ 04 오즈비
__ 05 로지스틱 회귀모형 생성
__ 06 회귀계수 해석
__ 07 오즈비 해석
__ 08 p-value 해석
__ 09 예측 결과 해석
__ 10 오분류율

[PART 5] 유형별 핵심 패턴 정리

1장 작업형 1 핵심 패턴
__ 01 조건 필터링 패턴
__ 02 정렬 후 추출 패턴
__ 03 결측치 처리 패턴
__ 04 이상치 처리 패턴
__ 05 파생변수 생성 패턴
__ 06 그룹별 집계 패턴
__ 07 날짜 처리 패턴
__ 08 문자열 처리 패턴

2장 작업형 2 핵심 패턴
__01 작업형 2 핵심 패턴
__02 이진분류 제출 패턴
__03 다중분류 제출 패턴
__ 04 회귀 제출 패턴
__ 05 target 분리 패턴
__ 06 인코딩 패턴
__ 07 컬럼 불일치 처리 패턴
__ 08 predict_proba 사용 패턴
__ 09 result.csv 생성 패턴

3장 작업형 3 핵심 패턴
__ 01 작업형 3 핵심 패턴
__ 02 가설 설정 패턴
__ 03 p-value 해석 패턴
__ 04 검정통계량 계산 패턴
__ 05 t-검정 패턴
__ 06 비율 검정 패턴
__ 07 분산분석(ANOVA) 패턴
__ 08 카이제곱 검정 패턴
__ 09 회귀분석 해석 패턴
__ 10 로지스틱 회귀 해석 패턴

[기출변형 문제 & Level 모의고사]

● 제9회 기출변형 문제
● 제10회 기출변형 문제
● 제11회 기출변형 문제
● 제12회 기출변형 문제
● 제1회 Level 모의고사
● 제2회 Level 모의고사
● 제3회 Level 모의고사
● 제4회 Level 모의고사

조영훈 대학에서 컴퓨터공학을 전공하고 정보보안 현장에서 데이터의 가치를 발견했다. 보안과 클라우드 인프라 기반의 데이터 인사이트를 연구하며 데이터 분석 전문가 자격을 취득했다. 10년간 대기업 및 공공기관에서 머신러닝과 AI 과정을 강의해온 실무형 강사다. 글로벌 IT 기업에서 클라우드 및 인공지능 분야의 데이터 사이언스와 AI 기술 융합을 연구하며 콘텐츠 개발과 강의를 병행하고 있다.