1과목 - 데이터의 이해
제1장 데이터의 이해
1절 데이터와 정보
1. 데이터 정의와 특성
2. 데이터의 유형
3. 지식경영의 핵심이슈
4. 데이터와 정보의 관계
2절 데이터 베이스 정의와 특징
1. 용어의 연혁
2. 데이터베이스의 정의
3. 데이터베이스의 특징
3절 데이터베이스의 활용
1. 기업내부 데이터베이스
제2장 데이터의 가치와 미래
1절 빅데이터의 이해
1. 빅데이터의 이해
2. 출현 배경과 변화
3. 빅데이터의 기능
4. 빅데이터가 만들어 내는 본질적인 변화
2절 빅데이터의 가치와 영향
1. 빅데이터의 가치
2. 빅데이터의 영향
3절 비즈니스 모델
1. 빅데이터 활용 사례
2. 빅데이터 활용 기본 테크닉
4절 위기 요인과 통제 방안
1. 빅데이터 시대의 위기 요인
2. 위기 요인에 따른 통제 방안
5절 미래의 빅데이터
1. 빅데이터 활용의 3요소
제3장 가치창조를 위한 데이터 사이언스와 전략 인사이트
1절 빅데이터 분석과 전략 인사이트
1. 빅데이터 열풍과 회의론
2. 빅데이터 회의론과 원인 및 진단
3. 빅데이터 분석, 'Big'이 핵심 아니다.
4. 전략적 통찰이 없는 분석의 함정
5. 일차원적인 분석 vs 전략도출 위한 가치기반 분석
2절 전략 인사이트 도출을 위한 필요 역량
1. 데이터 사이언스의 의미와 역할
2. 데이터 사이언스의 구성요소
3. 데이터 사이언티스트의 요구 역량
4. 데이터 사이언스 : 과학과 인문의 교차로
5. 전략적 통찰력과 인문학의 부활
3절 빅데이터 그리고 데이터 사이언스의 미래
1. 빅데이터의 시대
2. 빅데이터 회의론을 넘어 가치 패러다임의 변화
3. 데이터 사이언스의 한계와 인문학
2과목 - 데이터 처리 기술의 이해
제1장 데이터 처리 프로세스
1절 ETL
1. ETL 개요
2. ODS 구성
3. 데이터 웨어하우스
2절 CDC
1. CDC의 개념 및 특징
2. CDC 구현 기법
3. CDC 구현 방식
3절 EAI
1. EAI의 개념 및 특징
2. 데이터 연계 방식
3. EAI 구성요소
4. EAI 구현 유형
5. EAI의 활용 효과
6. EAI와 ESB의 비교
4절 데이터 통합 및 연계 기법
1. 데이터 연계 및 통합 유형(동기화 기준)
5절 대용량의 비정형 데이터 처리방법
1. 대용량 로그 데이터 수집
2. 대규모 분산 병렬 처리
3. 데이터 연동
4. 대용량 질의 기술
제2장 데이터 처리 기술
1절 분산 데이터 저장 기술
1. 분산 파일 시스템
2. 데이터베이스 클러스터
3. NoSQL
2절 분산 컴퓨팅 기술
1. MapReduce
2. 병렬 쿼리 시스템
3. SQL on 하둡
3절 클라우드 인프라 기술
1. 클라우드 컴퓨팅
2. CPU 가상화
3. 메모리 가상화 : VMware기법
4. I/O 가상화
3과목 - 데이터 분석 기획
제1장 데이터 분석 기획의 이해
1절 분석기획 방향성 도출
1. 분석기획의 특징
2. 분석 대상과 방법
3. 목표 시점 별 분석 기획 방안
4. 분석 기획시 고려사항
2절 분석 방법론
1. 분석 방법론 개요
2. KDD 분석 방법론
3. CRISP-DM 분석 방법론
4. KDD와 CRISP-DM의 비교
5. 빅데이터 분석 방법론
3절 분석 과제 발굴
1. 분석과제 발굴 방법론
4절 분석 프로젝트 관리 방안
1. 분석과제 관리를 위한 5가지 주요 영역
2. 분석 프로젝트의 특성
3. 분석 프로젝트의 관리방안
제2장 분석 마스터 플랜
1절 마스터 플랜 수립 프레임 워크
1. 분석 마스트 플랜 수립 프레임 워크
2절 분석 거버넌스 체계 수립
1. 거버넌스 체계
2. 데이터 분석 수준진단
3. 분석지원 인프라 방안 수립
4. 데이터 거버넌스 체계 수립
5. 데이터 조직 및 인력방안 수립
6. 분석 과제 관리 프로세스 수립
7. 분석 교육 및 변화관리
4과목 - 데이터 분석
제1장 데이터 분석 개요
1절 데이터 분석 기법의 이해
1. 데이터 처리
2. 시각화(시각화 그래프)
3. 공간분석(GIS)
4. 탐색적 자료 분석(EDA)
5. 통계분석
6. 데이터마이닝
제2장 R 프로그래밍 기초
1절 R 소개
2절 R 기초
3절 입력과 출력
4절 데이터 구조와 데이터 프레임
5절 데이터 변형
제3장 데이터 마트
1절 데이터 변경 및 요약
1. R reshape를 이용한 데이터 마트 개발
2. sqldf를 이용한 데이터 분석
3. plyr을 이용한 데이터 분석
4. 데이터 테이블
2절 데이터 가공
1. Data Exploration
2. 변수 중요도
3. 변수의 구간화
3절 기초 분석 및 데이터 관리
1. 데이터 EDA(탐색적 자료 분석)
2. 결측값 인식
3. 결측값 처리 방법
4. R에서 결측값 처리
5. 이상값 인식과 처리
제4장 통계 분석
1절 통계분석의 이해
1. 통계
2. 통계자료의 획득 방법
3. 통계분석
4. 확률 및 확률분포
5. 추정과 가설검정
6. 비모수 검정
2절 기초 통계분석
1. 기술통계
2. 인과관계의 이해
3. 상관분석
3절 통계분석 방법론
1. t-검정
2. 분산분석(ANOVA)
3. 교차분석
4. 중심극한정리
4절 회귀분석
1. 회귀분석의 개요
2. 단순선형회귀분석
3. 다중선형회귀분석
4. 회귀분석의 종류
5. 회귀분석 사례
6. 최적회귀방정식
5절 고급회귀분석
1. 정규화 선형회귀
2. 일반화 선형회귀
3. 회귀분석의 영향력 진단
4. 더빈 왓슨 검정
5. 벌점화된 선택기준 : 변수 선택의 기준으로 사용되는 통계량
6. 변수변환
6절 시계열 분석
1. 시계열 자료
2. 정상성
3. 시계열자료 분석방법
4. 시계열모형
7절 다차원척도법
1. 다차원척도법
2. 다차원척도법 목적
3. 다차원척도법 방법
4. 다차원척도법 종류
8절 주성분 분석
1. 주성분 분석
2. 주성분분석의 목적
3. 주성분분석 vs 요인분석
4. 주성분의 선택법
5. 주성분분석 사례
제5장 정형 데이터 마이닝
1절 데이터 마이닝의 개요
1. 데이터마이닝
2. 데이터마이닝의 분석 방법
3. 분석 목적에 따른 작업 유형과 기법
4. 데이터마이닝 추진단계
5. 데이터마이닝을 위한 데이터 분할
6. 성과분석
7. Feature Selection(변수선택)
8. DeepLearning
2절 분류분석
1. 분류분석과 예측분석
2. 로지스틱 회귀분석
3. 의사결정나무
4. 불순도의 여러가지 측도
5. 의사결정나무 알고리즘
6. 의사결정나무 예시
7. 나이브 베이즈 분류
8. K-Nearest Neighbor Classification
9. SVM
3절 앙상블분석
1. 앙상블
4절 인공신경망 분석
1. 인공신경망 분석
5절 군집분석
1. 군집분석
2. 거리
3. 계층적 군집분석
4. 비계층적 군집분석
5. 혼합 분포 군집
6. SOM
7. 최신 군집분석 기법들
8. Resampling(재표본추출)
9. 군집화 기법 종류
10. 군집분석의 타당성 지표
11. BMU(Best-Matching Unit)
6절 연관분석
1. 연관규칙
2. 기존 연관성분석의 이슈
3. 최근 연관성분석 동향
4. 연관성분석 활용방안
5. 연관성분석 예제
제6장 비정형 데이터 마이닝
1절 텍스트 마이닝
1. 텍스트마이닝
2. 텍스트마이닝의 기능
3. 정보 검색의 적절성
4. Corpus
5. Term-Document Matrix
6. Dictionary
7. 감성분석
8. 한글 처리
9. 워드 클라우드
2절 사회연결망 분석
1. 사회연결망 분석
2. 사회연결망 분석에서 네트워크 구조를 파악하기 위한 기법
3. SNA 적용
4. SNA 단계
5. R에서의 SNA
6. 활용방안
제7장 서술형 문제
1절 통계분석
1. 서술형 문제란?
2. 탐색적 분석
3. 회귀분석
4. 주성분 분석
5. 시계열 분석
2절 정형 데이터 마이닝
1. 로지스틱 회귀분석
2. 의사결정나무
3. 앙상블 분석
4. 나이브 베이지안
5. 인공신경망
6. 군집분석
7. 연관성 분석
5과목 - 데이터 시각화
제1장 시각화 인사이트 프로세스
1절 시각화 인사이트 프로세스의 의미
1. 인사이트란 무엇인가
2. 시각화와 인사이트
2절 탐색(1단계)
1. 사용 가능한 데이터 확인
2. 연결 고리의 확인
3. 관계의 탐색
3절 분석(2단계)
1. 분석 대상의 구체화
2. 분석과 시각화 도구
3. 지표 설정과 분석
4절 활용(3단계)
1. 내부에서 적용
2. 외부에 대한 설명 및 설득과 시각화 도구
3. 인사이트의 발전과 확장
제2장 시각화 디자인
1절 시각화의 정의
1. 데이터 시각화의 중요성
2. 시각 이해와 시각화
3. 시각화 분류와 구분
4. 빅데이터 시각화 영역
2절 시각화 프로세스
1. 정보 디자인 프로세스
2. 빅데이터 시각화 프로세스
3절 시각화 방법
1. 시각화 방법의 개념
2. 정보 구조화
3. 정보 시각화
4. 정보 시각 표현
4절 빅데이터와 시각화 디자인
1. 빅데이터와 시각화 이슈
2. 빅데이터와 시각화 디자인 사례
3. 빅데이터와 시각화 디자인의 방향
제3장 시각화 구현
1절 시각화 구현개요
1. 빅데이터 시각화 구현
2. 대표적인 시각화 방법
2절 분석 도구를 이용한 시각화 구현 : R
1. R 개요
2. 그래프 작성
3. 공간분석
4. 샤이니 사용
3절 라이브러리 기반의 시각화 구현 : D3.js
1. D3.js 개요
2. 시각화 구현을 위한 기본 개념
3. 막대 차트로 시간 시각화 구현
4. 파이 차트로 분포 시각화 구현
5. 스캐터 플롯으로 관계 시각화 구현
7. 히트맵으로 비교 시각화 구현
8. 지도로 공간 시각화 구현
2022년 8월 28일 예정되어있는 ADP 필기시험을 앞두고 공부를 시작하기에 앞서, 소단원의 하위 목차까지 훑어보면서 적어보았다. 오늘 데싸라면님의 ADP시험 리뷰 라이브를 듣고 열정과 걱정이 앞선다. 데이터분석에 대해 공부하는 것을 즐기는 지금의 마음가짐을 잃지 말자.
지쳤다는 건 노력했다는 증거.
실패했다는 건 도전했다는 증거.
좌절했다는 건 간절했다는 증거.
긴장된다는 건 진심이라는 증거.
도전하기 두렵단 건 용기를 냈었다는 증거.
슬럼프가 왔다는 건 열정을 쏟아냈다는 증거.
그럼에도 무너지지 않는 건 결국 해낼 사람이란 증거.