시나공 AI 능력시험 AICE ASSOCIATE(2027)

국가공인 AI 자격시험을 가장 확실하게 준비하는 공식수험서
AI는 더 이상 개발자만의 기술이 아닙니다. 데이터를 이해하고 AI를 활용하는 능력은 다양한 산업에서 필수 역량이 되고 있으며, 이를 객관적으로 증명하는 국가공인 AI 자격시험 AICE Associate에 대한 관심도 빠르게 높아지고 있습니다.

『2027 시나공 AI 능력시험 AICE Associate』는 KT 현업 전문가들이 직접 집필한 공식수험서로, 최신 출제기준을 반영하여 시험에서 요구하는 핵심 내용을 체계적으로 학습할 수 있도록 구성했습니다.

합격을 위한 핵심 이론부터 실전 문제까지 한 권으로 완성
시험에 꼭 필요한 이론을 쉽고 간결하게 정리했으며, 학습한 내용을 바로 확인할 수 있는 확인문제와 개념 정리, 실전 연습문제를 수록했습니다. 실제 시험 유형에 맞춘 문제를 반복 학습하면서 자연스럽게 실력을 완성할 수 있습니다.

직접 실습하며 배우는 AI
단순히 이론만 설명하지 않습니다. 데이터 획득, 전처리, 탐색적 데이터 분석(EDA), 머신러닝, 딥러닝, 성능 평가까지 실제 AI 프로젝트를 직접 실습하며 배울 수 있도록 구성했습니다. 무료로 제공되는 실습 코드를 따라 하며 AI 모델을 구현하는 과정에서 실무 감각까지 함께 익힐 수 있습니다.

AI를 처음 배우는 사람도 쉽게
복잡한 AI 개념은 도표와 그림으로 쉽게 설명하고, 학습 흐름에 맞춘 단계별 구성으로 처음 AI를 접하는 독자도 부담 없이 학습할 수 있도록 했습니다. AI 자격증 취득은 물론, 실제 업무에서 AI를 활용하고 싶은 직장인과 대학생에게도 좋은 길잡이가 되어 줄 것입니다.

저자의 말
이 책의 구성
AICE 자격검정 안내
AICE Associate 시험 안내
AICE 자격검정 Q&A

Part 01 기본 학습하기 - AI 핵심 이론 및 활용

Chapter 01 AI 작업 환경 만들기
Section 01 기본 환경 구성하기
1 아나콘다 활용하기
2 구글 코랩 사용하기
확인 문제 / 개념정리

Chapter 02 데이터 획득하기
Section 01 파이썬 데이터 분석 라이브러리 활용하기
1 넘파이 이용하기
2 판다스 이용하기
Section 02 데이터 불러오기
Section 03 데이터 저장하기
확인 문제 / 개념정리

Chapter 03 데이터 구조 확인하기
Section 01 데이터프레임 확인하기
1 데이터 살펴보기
2 데이터프레임의 기본 정보 확인하기
확인 문제 / 개념정리

Chapter 04 기초 데이터 다루기
Section 01 필요 데이터 선택하기
1 칼럼명으로 데이터 선택하기
2 행 범위를 지정하여 데이터 선택하기
3 특정 행, 열의 범위를 선택하여 데이터를 선택하기
4 조건으로 데이터 선택하기
Section 02 필요 데이터 변경하기
1 데이터 추가하기
2 데이터 삭제하기
3 칼럼명 변경하기
4 데이터프레임 정렬하기
Section 03 데이터 프레임 변형하기
1 그룹화하기
2 피벗테이블 생성하기
3 인덱스 및 칼럼 레벨 변경하기
Section 04 데이터프레임 병합하기
1 concat 활용하여 병합하기
2 merge/join 활용하여 병합하기
확인 문제 / 개념정리

Chapter 05 데이터 이해하기
Section 01 지표로 데이터 탐색하기
1 일변량 비시각화 탐색하기
2 다변량 비시각화 탐색하기
Section 02 시각화로 데이터 탐색하기
1 일변량 시각화 탐색하기
2 다변량 시각화 탐색하기
3 maplotlib 활용하기
4 seaborn 시각화 라이브러리 활용하기
확인 문제 / 개념정리

Chapter 06 데이터 전처리하기
Section 01 수치형 데이터 정제하기
1 결측치 파악하기
2 결측치 처리하기
3 이상치 파악하기
4 이상치 처리하기
5 구간화하기

Section 02 범주형 데이터 정제하기
1 레이블 인코딩하기
2 원핫 인코딩하기
Section 03 스케일링하기
1 정규화하기
2 표준화하기
Section 04 변수 선택하기
1 신규 변수 생성하기
2 변수 선택하기
확인 문제 / 개념정리

Chapter 07 AI 모델링 필수 개념 이해하기
Section 01 A I 란 무엇인가?
1 머신러닝 이해하기
2 딥러닝 이해하기
Section 02 A I 학습 방법 이해하기
1 지도학습 이해하기
2 비지도학습 이해하기
Section 03 A I 모델링 프로세스 이해하기
1 AI 모델링 프로세스
Section 04 학습 데이터의 분할 방법 이해하기
1 학습 데이터 분할하기
2 k-fold 교차 검증하기
3 학습 과정을 시각화하여 과적합 확인하기
Section 05 A I 모델 평가 이해하기
1 분류 모델 평가하기
2 회귀 모델 평가하기
확인 문제 / 개념정리

Chapter 08 지도학습으로 AI 모델링하기
Section 01 머신러닝으로 AI 모델링하기
1 사이킷런 라이브러리
2 선형회귀(Linear Regression)
3 로지스틱 회귀(Logistic Regression)
확인 문제
4 의사결정나무(Decision tree)
확인 문제
5 앙상블(Ensemble)
6 랜덤 포레스트(Random Forest)
확인 문제
7 그래디언트 부스팅(Gradient Boosting)
확인 문제
Section 02 딥러닝으로 A I 모델링하기
1 인공신경망
2 심층신경망
3 딥러닝 프레임워크
4 심층신경망으로 항공사 고객 만족 분류 모델 구현 실습하기
확인 문제 / 개념정리

Chapter 09 비지도학습으로 AI 모델링하기
Section 01 차원 축소
1 주성분 분석
2 t-분산 확률적 이웃 임베딩(
Section 02 군집화
1 K-평균 군집화(
2 DBSCAN
3 고객 세분화 모델 구현 실습하기
확인 문제 / 개념정리

Chapter 10 모델 성능 향상하기
Section 01 모델 하이퍼파라미터 튜닝 이해하기
1 그리드 서치(Grid Search)
2 랜덤 서치
Section 02 머신러닝 모델링 및 하이퍼파라미터 튜닝 실습하기
1 [회귀] 항공권 가격 예측 모델링하기
2 [분류] 항공사 고객만족 여부 예측 모델링
확인 문제 / 개념정리

Part 02 심화 학습하기 - AI 사례 실습

Chapter 01 [실습] 비데/정수기 렌탈 고객 해지 여부 예측하기
Section 01 A I 작업 환경 만들기
1 패키지 설치하기
2 패키지 불러오기
3 옵션 설정하기
확인 문제 / 개념정리
Section 02 기초 데이터 다루기와 전처리하기
1 데이터 획득하기
2 데이터 구조 확인하기
3 데이터프레임 합치기
4 결측치 처리하기
5 데이터 유형 변경하기
6 파생 변수 추가하기
7 불필요한 칼럼 삭제하기
확인 문제 / 개념정리
Section 03 데이터 이해하기(EDA와 시각화)
1 출력값(Label) 분석하기
2 수치형 데이터 분석하기
3 수치형 데이터의 이상치 제거하기
4 이상치 제거 후 수치형 데이터 분석하기
5 범주형 데이터 분석하기
확인 문제 / 개념정리
Section 04 I 모델링을 위한 전처리하기
1 표준화와 정규화하기
2 레이블 인코딩하기
3 원핫 인코딩하기
4 다중공선성 제거하기
확인 문제 / 개념정리
Section 05 모델링과 평가하기
1 데이터 분할하기
2 모델별 성능 그래프 그리기
3 모델 생성하기
개념정리
4 AI 모델 평가하기
확인 문제 / 개념정리
마무리


Part 03 시험 대비하기 - 실전 연습문제

1회 실전 연습문제 [회귀]
2회 실전 연습문제 [분류]

서길원 KT에서 10년 이상 IT 부서의 근무 경험으로 KT의 영업 전산 개선 등 프로젝트를 수행했다.
현재 DevOps 엔지니어로 활동하고 있으며, IT 및 데이터 전문가로서 관련 분야의 강의와 교육을 진행하고 있다.