본문 바로가기
728x90
반응형

자격증 공부85

DAsP 정리 및 오답노트 - 전사 아키텍처 이해(1) 1. 아키텍처의 핵심 구성요소? 원칙(Rule), 모델(Model), 계획(Plan) 2. 전사에 대한 설명 - 일반적으로 하나의 기업이나 기관이 아닐 수 있다. - 하나의 기업이 여러 개의 전사로 구성될 수 있다. - 전사는 구분 가능한 다수의 사업 영역으로 구성될 수 있다. 3. 전사 아키텍처 프레임워크에 대한 내용 - 전사 아키텍처를 수립하기 위해서는 우선 전사 아키텍처를 어떻게 표현하고 운영할 것인가에 대한 전체적인 사고의 틀인 전사 아키텍처 프레임워크를 정립해야 한다. - 전사 아키텍처 프레임워크는 기업의 전사 아키텍처 도입 목적에 따라 조정될 수 있다. - 아키텍처 도메인이란 아키텍처 영역을 구분한 것이며, 아키텍처 매트릭스에서 뷰로 아키텍처를 구분한 것이라고 할 수 있다. 4. 전사 아키텍처.. 2023. 10. 9.
DAsP(데이터아키텍처 준전문가) - 전사 아키텍처 이해(개요/구축/관리 및 활용) 전사 아키텍처 정의 기업 전체의 정보화 시스템을 쉽게 파악할 수 있도록 하는 기업의 전체 정보화 설계도 - 전사 아키텍처는 기업의 목표와 요구를 효율적으로 지원하기 위해 IT 인프라의 각 부분들이 어떻게 구성되고 작동되어야 하는가를 체계적으로 기술한 것 - 복잡한 기업의 정보화 모습을 비즈니스(활동), 데이터, 애플리케이션(S/W), 기술(H/W) 등의 측면에서 분석하고 표현하여 이해하기 쉽도록 정보 체계를 구축하고 이를 활용하는 것 아키텍처의 구성 요소 구성요소 설명 모델 - 비즈니스 아키텍처와 시스템 아키텍처로 구분 - 비즈니스 아키텍처 : 전사 또는 기관의 목표를 달성하기 위한 비즈니스 모델을 바탕으로 함 - 시스템 아키텍처 : 데이터, 애플리케이션, 기술(하드웨어) 등으로 구분 규칙 - 의사결정 .. 2023. 9. 20.
DAsP(데이터아키텍처 준전문가) 접수후기 안녕하세요, 해모해모입니다. 접수는 저번 주에 했지만 몸상태도 안좋고 여러모로 바빠서 오랜만에 포스팅을 하러 왔습니다. 저는 이번에 DAsP(데이터아키텍처 준전문가) 시험을 접수하게 되었는데요...! 최근 ADsP 시험에 합격하게 되면서 제 시험결과 확인 페이지가 이렇게 완성되었습니다. 그러다 보니 데이터자격검정 홈페이지에 있는 자격증들 중 DAsP만 취득하면 일단 준전문가 자격의 자격증들을 완성할 수 있다는 생각을 하게 되었고, 에라 모르겠다 식으로 시험을 접수하고 말았답니다...! 물론 지금 있는 자격증들을 "전문가" 자격증으로 업그레이드 하기 위한 시험을 준비할 수도 있겠지만, 저는 딱히 이직 생각이 있지도 않을 뿐더러 "경험"에 초점을 맞추고 있기 때문에 거기까진 하고싶은 생각이 아직 없었습니다,.. 2023. 9. 20.
ADsP 38회 합격 후기 - 사전점수 발표 안녕하세요, 해모해모입니다. 오늘은 ADsP 38회 시험 사전점수를 가져왔습니다. 결과는? 두근두근...! 합격입니다~!! 이의제기 신청 기간이라고 해도 점수가 높아지는 경우가 많지 낮아지는 경우는 못 본 것 같아서 무난히 합격 점수에 들어간다고 생각해도 될 것 같습니다. 총점은 무난히 합격선에 들어가지만 많은 수험생들이 어려워했던 2과목에서 과락을 맞은 분들이 꽤 보이더라구요... 2과목은 문제도 10문제밖에 되질 않는데 내용이 어렵거나 헷갈리는 부분들이 많아서 저도 걱정을 했었는데요. 8점부터(4문제) 과락은 면할 수 있고, 14점이나 되니 기분좋은 점수를 얻었다고 생각합니다. 생각치 못하게 높은 점수로 합격을 한 것 같아서 ADsP 팁 아닌 팁을 한번 적어보도록 하겠습니다. ADsP(데이터분석 준전.. 2023. 9. 11.
ADsP 38회 시험후기 - 가답안 복원/복기 안녕하세요, 해모해모입니다. 따끈따끈한 ADsP 38회 시험후기와 가답안 복원/복기를 가져왔습니다. ADsP 시험 후기 빅데이터분석기사를 합격했으면 ADsP는 껌이다 라는 지인의 말을 듣고 시작했다가 후회했습니다. 일단 저는 빅데이터분석기사 필기를 2년 전에 합격한 터라 내용을 다 까먹었고, 생각보다 두꺼운 교재와 1, 2과목에서 맛볼 수 있는 과락의 위험까지... 시험 접수한걸 취소할까 말까 정말 많이 고민했었어요 ㅠㅠ.. 그래도 이왕 시작한거 경험이라도 해보자 하는 생각으로 냅두고 있었는데요. 8월 초 여름휴가와 몸이 좋지 않았던 둘째주,,, 저는 사실 벼락치기를 그리 좋아하진 않는데 이번엔 어쩔 수 없이 벼락치기와 시험 운에 맡겨야 했습니다 ㅠ_ㅠ... 시험시작은 오전 10시에 시작하고, 9시 30.. 2023. 8. 19.
ADsP 오답노트(7) - 정형 데이터 마이닝 1. 데이터 마이닝 단계 중 모델링 목적에 따라 목적변수를 정리하고 필요한 데이터를 데이터 마이닝 소프트웨어에 적용할 수 있도록 준비하는 단계는? 데이터 가공 단계 2. 과대적합(Overfitting)은 통계나 기계학습의 모델에서 변수가 너무 많아 모델이 복잡하고 과대하게 학습될 때 주로 발생한다. 다음 중 과대 적합에 대한 설명으로 가장 부적절한 것은? - 생성된 모델이 훈련 데이터에서 너무 최적화되어 학습하여 테스트 데이터의 작은 변화에 민감하게 반응하는 경우는 발생하지 않는다. → 테스트 데이터의 작은 변화에 민감하게 반응 - 학습 데이터가 모집단의 특성을 충분히 설명하지 못할 때 자주 발생한다. - 변수가 너무 많아 모형이 복잡할 때 생긴다. - 과대적합이 발생할 것으로 예상되면 학습을 종료하고 .. 2023. 8. 16.
ADsP 오답노트(6) - 통계분석 1. 자료의 정보를 이용해 집단에 관한 추측, 결론을 이끌어내는 과정인 통계적 추론에 대한 설명으로 가장 부적절한 것은? - 전수조사가 불가능하면 모집단에서 표본을 추출하고 표본을 근거로 확률론을 활용하여 모집단의 모수들에 대해 추론하는 것을 추정이라고 한다. - 점 추정은 표본의 정보로부터 모집단의 모수를 하나의 값으로 추정하는 것이다. - 통계적 추론은 제한된 표본을 바탕으로 모집단에 대한 일반적인 결론을 유도하려는 시도이므로 본질적인 불확실성을 동반한다. - 구간추정은 모수의 참값이 포함되어 있다고 추정되는 구간을 결정하는 것이며, 실제 모집단의 모수는 신뢰구간에 포함되어야 한다. → 실제 모집단의 모수가 신뢰구간에 꼭 포함되어 있는 것은 아니다. 2. 모집단 내에서 모집단의 특성을 잘 나타낼 수 .. 2023. 8. 15.
ADsP 오답노트(5) - 데이터 마트 1. 많은 기업에서 평균거래주기를 3~4배 이상 초과하거나 다음 달에 거래가 없을 것으로 예상되는 고객을 무엇이라고 하는가? 휴면고객 2. 데이터명이 DS인 데이터에서 ID 컬럼과 Variable 컬럼에 대해 Time의 Value를 확인하고자 할 때 cast 함수를 활용한 R 프로그래밍은? cast(ds, id+variable~time) 3. 데이터프레임명이 DF인 데이터에서 기초통계량과 각 feed별 weight의 평균을 계산하기 위한 R 프로그래밍은? ddply(df, ~feed, summarize, groupmean=mean(weight)) 4. 다음 중 결측치에 대한 설명으로 가장 부적절한 것은? - 해당 칸이 비어있는 경우 결측치 여부는 알기 쉽다. - 관측치가 있지만 실상은 Default 값이.. 2023. 8. 13.
ADsP 오답노트(4) - R 프로그래밍 기초 1. 연속형 변수의 경우 4분위수, 최소값, 최대값, 중앙값, 평균 등을 출력하고 범주형 변수의 경우 각 범주에 대한 빈도수를 출력하여 데이터의 분포를 파악할 수 있게 하는 함수는? summary 함수 2. 다음 중 아래의 R코드를 수행한 결과에 대한 설명으로 옳은 것은? > c(2,4,6,8) + c(1,3,5,7,9) 경고메시지와 함께 결과가 출력된다. → '두 객체의 길이가 서로 배수관계에 있지 않다'라는 경고메시지와 함께 결과도 출력됨 3. R의 데이터 구조와 저장형식에 관한 설명으로 가장 부적절한 것은? - as.numeric 함수에 논리형 벡터를 입력하면 TRUE에 대응하는 원소는 1, FALSE에 대응하는 원소는 0인 숫자형 벡터로 변형된다. - 숫자형 행렬에서 원소 중 하나를 문자형으로 변.. 2023. 8. 13.
ADsP 오답노트(3) - 데이터 분석 개요 1. 데이터가 가지고 있는 특성을 파악하기 위해 해당 변수의 분포 등을 시각화하여 분석하는 분석방식은 무엇인가? 탐색적 자료 분석(EDA) 2. 데이터마이닝의 모델링에 대한 설명이다. 설명이 가장 잘못된 것은? - 데이터마이닝 모델링은 통계적 모델링이 아니므로 지나치게 통계적 가설이나 유의성에 집착하지 말아야 한다. - 모델링 방법은 여러가지가 있으므로 모델링 시 반드시 다양한 옵션을 줘서 모델링을 수행하여 최고의 성과를 도출해야 한다. → 반드시는 아니고, 충분한 시간이 있으면 시도해보고 일정 성과가 나오면 해석과 활용 단계로 진행 - 분석데이터를 학습 및 테스트 데이터로 6:4, 7:3, 8:2 비율로 상황에 맞게 실시한다. - 성능에 집착하면 분석 모델링의 주목적인 실무 적용에 반하여 시간을 낭비할.. 2023. 8. 13.
728x90
반응형

티스토리툴바