🗒️ 자격증 (89)

1. 2024.06.05 [빅데이터분석기사 실기] 기출 복원 문제 - 제3유형

   빅데이터분석기사 실기 기출 복원 문제 - 제3유형들어가며빅데이터분석기사 실기 기출 제3유형 복원 문제를 정리해본다.제3유형에서는 2023년 6회 시험부터 검정(Test) 관련 문제가 출제된다.문제 해결 방법을 쭉 읽어 보는 용도로 정리해보았다. 문제2023년 6회문제 1감기약을 복용할 때 부작용에 대한 분류와 비율 데이터위약 효과가 있는지 253건의 데이터를 추출하여 검증감기 부작용에 대한 비율이 위약 효과 부작용 비율과 같은지를 카이제곱 검정하기 데이터부작용 유형코드비율두통10.05졸림20.1속쓰림30.05부작용 없음40.8합계 - 문제(1) 위약 샘플 데이터가 부작용 없음인 데이터를 0~1 사이의 확률로 출력 (반올림하여 소수점 셋째 자리로 출력)(2) 카이제곱 검정으로 검정 통계량 출력 (반올림하여..
2. 2024.06.05 [빅데이터분석기사 실기] 기출 복원 문제 - 제2유형

   빅데이터분석기사 실기 기출 복원 문제 - 제2유형들어가며빅데이터분석기사 실기 기출 제2유형 복원 문제를 정리해본다.2회 ~ 6회까지 분량이다.문제 해결 방법을 쭉 읽어 보는 용도로 정리해보았다. 문제2021년 2회기업에서 생성된 주문 데이터 (train.csv)정시 도착 가능 여부 예측 모델을 만들고, test.csv 파일에 대하여 정시 도착 여부를 예측한 확률을 기록한 CSV 생성하기import pandas as pdfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import confusion_matrixfrom sklearn.me..
3. 2024.06.05 [빅데이터분석기사 실기] 기출 복원 문제 - 제1유형

   빅데이터분석기사 실기 기출 복원 문제 - 제1유형들어가며빅데이터분석기사 실기 기출 제1유형 복원 문제를 정리해본다.2회 ~ 6회까지 분량이며, 2회부터 5회까지의 제1유형은 단답형 문제였으나 6회 시험부터 작업형 문제로 바뀌었고, 이에 맞게 문제의 내용이 수정되었다.문제 해결 방법을 쭉 읽어 보는 용도로 정리해보았다. 문제2021년 2회문제 1BostonHousing 데이터@crim@ 항목의 상위에서 10번째 값(즉, 상위 10개의 값 중에서 가장 적은 값)으로 상위 10개의 값을 변환하고, @age@가 @80@ 이상인 값에 대하여 `@crim@의 평균 구하기소수점 3째 자리에서 반올림해서 소수점 2째 자리로 출력하기import numpy as npimport pandas as pddf = pd.read..
4. 2024.05.13 [정보처리기사 실기] 2024년 1회 기출문제

   정보처리기사 실기 2024년 1회 기출문제2024년 4월에 진행되었던 정보처리기사 실기 1회 기출 복원 문제를 올려본다.문항문제답1다음은 Java 코드이다. 올바른 출력 결과를 쓰시오.​public class Connection {    private static Connection _inst = null;     private int count = 0;     private Connection() {}     public static Connection getInstance() {         if (_inst == null) {             _inst = new Connection();         }         return _inst;     }     public void coun..
5. 2023.10.20 [정보처리기사 실기] 2023년 3회 기출문제

   정보처리기사 실기 2023년 3회 기출문제 2023년 10월에 진행되었던 정보처리기사 실기 3회 기출 복원 문제를 올려본다. 문항 문제 답 1 다음은 Java 코드이다. 올바른 출력 결과를 쓰시오. ​ public class Test { public static void main(String[] args) { A b = new B(); b.paint(); b.draw(); } } class A { public void paint() { System.out.print("A"); draw(); } public void draw() { System.out.print("B"); draw(); } } class B extends A { public void paint() { super.draw(); System...
6. 2023.05.14 [정보처리기사 실기] 2023년 1회 기출문제

   정보처리기사 실기 2023년 1회 기출 문제 2023년 4월에 진행되었던 정보처리기사 실기 1회 기출 복원 문제를 올려본다. 문항 문제 답 1 스태틱 변수 b , 변수 a 정수 class Static { public int a = 20; static int b = 0; } public class Main { public static void main(String[] args) { int a; a = 10; Static.b = a; Static st = new Static(); System.out.println(Static.b++); System.out.println(st.b); System.out.println(a); Syste m.out.print(st.a); } } 10 11 10 20 2 C언어 A..
7. 2023.03.19 [SQLD] SQL개발자 48회 시험 후기 및 시험 준비 팁 (2023년 3월 19일)

   [SQLD] SQL개발자 48회 시험 후기 및 시험 준비 팁 (2023년 3월 19일) 들어가며 오늘 SQLD 48회 시험을 보고 왔다. 간단하게 시험 후기를 적어본다. 시험 후기 난이도가 그렇게 어렵지는 않았다. SQL 자격검정 실전문제(노랭이) 보다 난이도가 쉬웠지만, SQL에서 사용되는 함수의 특징을 잘 알고 있어야 풀 수 있는 문제들이 다수 출제되었다. 기본 함수의 사용법들을 모르고, 노랭이 문제집의 문제와 답만 달달 외웠더라면 절대로 풀 수 없는 문제가 많았다. 노랭이 문제집은 SQLD와 SQLP를 준비하는 사람들을 위한 문제집이기 때문에 문제의 난이도가 높을 수 밖에 없다. 따라서 너무 어렵다고 포기하지 말고, 그 문제에서 사용된 SQL 함수가 어떤 원리로 동작하는지 이해하는게 중요할 것 같았..
8. 2023.02.19 [정보처리기사 실기] 예상 문제 모음 ② (최신 경향)

   예상 문제 모음 ② (최신 경향) 최신 경향을 반영한 문제들을 모아봤다. 문제 출처 : 수제비 카페 등 [1] 단답형 문제 1 Q. 다음은 소프트웨어 개발 방법론에 대한 설명이다. 괄호( ) 안에 들어갈 소프트웨어 개발 방법론 유형을 쓰시오. - ( ① ) 방법론은 개발과 함께 즉시 피드백을 받아서 유동적으로 개발하고 절차보다는 사람이 중심이 되어 변화에 유연한 방법론이다. - ( ② ) 모델은 소프트웨어 개발 시 각 단계를 확실히 마무리 지은 후에 다음 단계로 넘어가는 소프트웨어 생명주기 모델이다. - ( ③ ) 모델은 시스템 개발 시 위험을 최소화하기 위해 점진적으로 완벽한 시스템으로 개발해 나가는 모델이다. 더보기 ① 애자일(Agile) ② 폭포수(Waterfall) ③ 나선형(Spiral) [1과..
9. 2022.10.16 [정보처리기사 실기] 2022년 3회 기출 문제

   정보처리기사 실기 2022년 3회 기출 문제 2022년 10월에 진행되었던 정보처리기사 실기 3회 기출 복원 문제를 올려본다. 문항 문제 답 1 mines {{0,0,0,0},{0,0,0,0},{0,0,0,0},{0,0,0,0}} field {{0,1,0,1},{0,0,0,1},{1,1,1,0},{0,1,1,1}} int w = 4, h = 4; for(y=0; y
10. 2022.08.28 [SQLD] SQL개발자 단원별 내용 정리 & 실전 문제

    SQL개발자(SQLD) 단원별 내용 정리 & 실전 문제 SQL개발자(SQLD) 자격증을 준비하면서 블로그에 올렸었던 글들을 한 페이지에 정리해본다. 개념 정리 인터넷 블로그, 교재 등을 보면서 정리했던 내용들 과목명 장 링크 시험 개요 https://starrykss.tistory.com/1606 SQLD 소개 https://starrykss.tistory.com/1607 SQLD 주관식(단답형) 시험 대비 https://dev-astra.tistory.com/362 데이터 모델링의 이해 데이터의 모델링 https://starrykss.tistory.com/1612 데이터 모델과 성능 https://starrykss.tistory.com/1617 SQL 기본 및 활용 SQL 기본 https://starr..
11. 2022.08.28 [ADsP] 데이터분석준전문가 단원별 내용 정리

    데이터분석준전문가(ADsP) 단원별 내용 정리 데이터분석준전문가(ADsP) 자격증을 준비하면서 블로그에 올렸었던 글들을 한 페이지에 정리해본다. 개념 정리 인터넷 블로그, 교재 등을 보면서 정리했던 내용들 과목명 장 링크 시험 개요 https://starrykss.tistory.com/1934 데이터 이해 데이터의 이해 https://starrykss.tistory.com/1941 데이터의 가치와 미래 https://starrykss.tistory.com/1942 가치 창조를 위한 데이터 사이언스와 전략 인사이트 https://starrykss.tistory.com/1943 데이터 분석 기획 데이터분석 기획의 이해 https://starrykss.tistory.com/1945 분석 마스터 플랜 https..
12. 2022.07.11 빅데이터분석기사 시험 개요

    빅데이터분석기사 시험 개요 자격 소개 국가기술자격 관련 근거 국가기술자격법 및 동법 시행령 빅데이터분석기사 정의 빅데이터 이해를 기반으로 빅데이터 분석 기획, 빅데이터 수집·저장·처리, 빅데이터 분석 및 시각화를 수행하는 실무자를 말한다. 빅데이터분석기사의 필요성 전 세계적으로 빅데이터가 미래성장동력으로 인식돼, 각국 정부에서는 관련 기업투자를 끌어내는 등 국가·기업의 주요 전략분야로 부상하고 있다. 국가와 기업의 경쟁력 확보를 위해 빅데이터 분석 전문가의 수요는 증가하고 있으나, 수요 대비 공급 부족으로 인력 확보에 어려움이 높은 실정이다. 이에 정부차원에서 빅데이터 분석 전문가 양성과 함께 체계적으로 역량을 검증할 수 있는 국가기술자격 수요가 높은 편이다. 빅데이터분석기사의 직무 대용량의 데이터 집합..
13. 2022.07.06 [SQLD] 실전 문제 : 고급 SQL 튜닝

    SQLD 실전 문제 : 고급 SQL 튜닝 문제 1 Q. 아래 SQL은 v_주식선물구분 바인드 변수 입력에 따라 선택적으로 주식월별시세 또는 선물월별시세 테이블에 데이터를 입력한다. 실행 정보와 같이 바인드 변수를 입력하고 쿼리를 100번(SID=100)과 200번(SID=200) 세션에서 순차적으로 수행하였을 때 200번 세션의 상태로 올바른 것은? [SQL] INSERT /*+ APPEND */ ALL WHEN :v_주식선물구분 = '주식' THEN INTO 주식월별시세(종목코드, 거래일자, 종가) WHEN :v_주식선물구분 = '선물' THEN INTO 선물월별시세(종목코드, 거래일자, 종가) SELECT a.종목코드, :v_기준일자 AS 거래일자, AVG(a.종가) AS 종가 FROM 주식일별시세 ..
14. 2022.07.06 [SQLD] 실전 문제 : 인덱스와 조인

    SQLD 실전 문제 : 인덱스와 조인 문제 1 Q. 아래 SQL과 트레이스 결과를 보고, 최적의 튜닝 방안을 선택하시오. select o.주문번호, o.주문일시, o.고객번호, o.주문금액 from 주문 o inner join 고객 c on c.고객번호 = o.고객번호 where o.주문일시 = :ord_dt Call Count CPU Time Elapsed Time Disk Query Current Rows --------- --------- --------- ------------- ----- --------- --------- --------- Parse 1 0.000 0.028 0 0 0 0 Execute 1 0.000 0.000 0 0 0 0 Fetch 45939 9.234 12.642 1356..
15. 2022.07.05 [SQLD] 실전 문제 : 옵티마이저 원리

    SQLD 실전 문제 : 옵티마이저 원리 문제 1 Q. CBO(비용 기반 옵티마이저)는 쿼리 최적화 과정에 비용(Cost)를 계산한다. 다음 중 비용(Cost)과 가장 거리가 먼 것은? ① 비용이란 기본적으로, SQL 수행 과정에 수반될 것으로 예상되는 I/O 일량을 계산한 것이다. ② 데이터베이스 Call 발생량도 옵티마이저의 중요한 비용 요소이다. ③ 옵티마이저가 비용을 계산할 때, CPU 속도, 디스크 I/O 속도 등도 고려할 수 있다. ④ 최신 옵티마이저는 I/O에 CPU 연산 비용을 더해서 비용을 계산한다. 더보기 정답 : ② 해설 : 데이터베이스 Call은 옵티마이저가 수립한 실행 계획에 따라 SQL을 수행하는 과정에, 또는 옵티마이저에게 실행 계획을 수립해 달라고 요청하는 과정에 발생한다. 문..
16. 2022.07.05 [SQLD] 실전 문제 : Lock과 트랜잭션 동시성 제어

    SQLD 실전 문제 : Lock과 트랜잭션 동시성 제어 문제 1 Q. 공통 기술팀에서 개발표준 업무를 담당하는 고성능 씨가 Lock 경합에 의한 성능 저하를 최소화하기 위해 개발팀에 제시한 가이드 라인으로 가장 부적절한 것은? ① 트랜잭션의 원자성을 훼손하지 않는 선에서 트랜잭션올 가능한 짧게 정의할 것 ② 같은 데이터를 갱신하는 프로그램이 가급적 동시에 수행되지 않도록 트랜잭션을 설계할 것 ③ select 문장에 for update 문장을 사용하지 말 것 ④ 온라인 트랜잭션을 처리하는 DML 문장을 1순위로 튜닝함으로써 조건절에 맞는 최적의 인덱스를 제공할 것 더보기 정답 : ③ 해설 : for update 구문을 반드시 사용해야 할 경우가 있는데, 성능을 이유로 사용을 못하게 하면 데이터 정합성을 해..
17. 2022.07.03 [ADsP] 데이터 분석 : 정형 데이터 마이닝

    데이터 분석 : 정형 데이터 마이닝 데이터 마이닝 개요 데이터 마이닝(Data Mining) 기업이 보유하고 있는 일일 거래 데이터, 고객 데이터, 상품 데이터 혹은 각종 마케팅 활동에 있어서의 고객 반응 데이터 등과 이외의 외부 데이터를 포함하는 모든 사용 가능한 원천 데이터를 기반으로 감춰진 지식, 기대하지 못했던 경향 또는 새로운 규칙 등을 발견하고 이를 실제 비즈니스 의사결정 등에 유용한 정보로 활용하는 일련의 작업 데이터 마이닝 5단계 단계 설명 목적 정의 데이터 마이닝 도입 목적을 명확하게 함. 데이터 준비 - 데이터 정제(Cleaning)를 통해 데이터의 품질 확보까지 포함. - 필요시 데이터 양 충분하게 확보 데이터 가공 - 목적 변수를 정의하고, 필요한 데이터를 데이터 마이닝 소프트웨어에..
18. 2022.07.02 [SQLD] 실전 문제 : 아키텍처 기반 튜닝 원리

    SQLD 실전 문제 : 아키텍처 기반 튜닝 원리 문제 1 Q. 다음 중 데이터베이스 연결(Conneection)과 관련된 설명으로 가장 부적절한 것은? ① 데이터베이스 서버와 클라이언트 간 연결 상태를 유지하면 서버 자원을 낭비하게 되므로 동시 사용자가 많은 OLTP 환경에서는 SQL 수행을 마치자마자 곧바로 연결(Connection)을 닫아주는 것이 바람직하다. ② 연결(Connection) 요청에 대한 부하는 쓰레드(Thread) 기반 아키텍처 보다 프로세스 기반 아키텍처에서 더 심하게 발생한다. ③ 전용 서버(Dedicated Server) 방식으로 오라클 데이터베이스에 접속하면 사용자가 데이터베이스 서버에 연결 요청을 할 때마다 서버 프로세스(또는 쓰레드)가 생성된다. ④ 공유 서버(Shared ..
19. 2022.07.02 [SQLD] 실전 문제 : SQL 최적화 기본 원리

    SQLD 실전 문제 : SQL 최적화 기본 원리 문제 1 Q. 아래 ( ㄱ )에 해당하는 내용을 작성하시오. 테이블 및 인덱스 등의 통계 정보를 활용하여 SQL문을 실행하는데 소요될 처리시간 및 CPU, I/O 자원량 등을 계산하여 가장 효율적일 것으로 예상되는 실행 계획을 선택하는 옵티마이저를 ( ㄱ ) 라 한다. 더보기 정답 : CBO / 비용기반 옵티마이저 / Cost Based Optimizer 문제 2 Q. 다음 중 실행 계획을 통해서 알 수 있는 정보로 가장 부적절한 것은? ① 액세스 기법 ② 질의 처리 예상 비용(Cost) ③ 조인 순서 ④ 실제 처리 건수 더보기 정답 : ④ 해설 : 실행 계획은 예상 정보이다. 실제 처리 건수는 트레이스 정보를 통해서 알 수 있다. ※ 실행 계획 정보의 구..
20. 2022.07.02 [ADsP] 데이터 분석 : 통계 분석 - 시계열 예측

    데이터 분석 : 통계 분석 - 시계열 예측 시계열 자료(Time Series) 시간의 흐름에 따라 관측된 데이터 시계열 분석을 위해서는 정상성을 만족해야 함. 정상성(Stationary) 시계열의 수준과 분산에 체계적인 변화가 없고, 주기적 변동이 없다는 것 미래는 확률적으로 과거와 동일하다는 것 정상 시계열의 조건 평균은 모든 시점(시간 t)에 대해 일정하다. 분산은 모든 시점(시간 t)에 대해 일정하다. 공분산은 시점(시간 t) 에 의존하지 않고, 단지 시차에만 의존한다. 정상 시계열 전환 정상 시계열로 전환하는 방법 비정상시계열 자료는 정상성을 만족하도록 데이터를 정상 시계열로 만든 후 시계열 분석을 수행함. 평균이 일정하지 않은 경우 : 원계열에 차분 사용 계절성을 갖는 비정상 시계열 : 계절 차..
21. 2022.07.02 [ADsP] 데이터 분석 : 통계 분석 - 기초 통계 분석

    데이터 분석 : 통계 분석 - 기초 통계 분석 회귀 분석(Regression Analysis) 변수와 변수 사이의 관계를 알아보기 위한 통계적 분석 방법 독립 변수의 값에 의해 종속 변수의 값을 예측하기 위함. 일반 선형 회귀는 종속 변수가 연속형 변수일 때 가능함. 이산형(범주형) → 명목, 서열척도 연속형 → 구간, 비율척도 용어 설명 독립 변수 (Independaent Variable) - 다른 변수에 영향을 받지 않고 독립적으로 변화하는 수 - 설명 변수라고도 함. - 입력 값이나 원인을 나타내는 변수 - y = f(x) 에서 x에 해당하는 것 종속 변수 (Subordination Variable - 독립 변수의 영향을 받아 값이 변화하는 수 - 분석의 대상이 되는 변수 - 결과물이나 효과를 나타..
22. 2022.07.02 [ADsP] 데이터 분석 : 통계 분석 - 상관 관계를 이용하는 다변량 분석

    데이터 분석 : 통계 분석 - 상관 관계를 이용하는 다변량 분석 상관 분석 상관 계수의 이해 상관 계수는 두 변수의 관련성의 정도를 의미함. (-1 ~ 1의 값으로 나타냄) 두 변수의 상관 관계가 존재하지 않을 경우 상관 계수는 `0` 임. 상관 관계가 높다고 인과 관계가 있다고 할 수는 없음. 피어슨 상관계수와 스피어만 상관계수가 있음. 피어슨 상관계수는 두 변수 간의 선형적인 크기만 측정 가능함. 스피어만 상관계수는 두 변수 간의 비선형적인 관계도 나타낼 수 있음. R의 cor.test() 함수를 사용해 상관 계수 검정을 수행하고, 유의성 검정을 판단할 수 있음. 귀무 가설 : '상관계수가 0이다.' 대립 가설 : '상관계수가 0이 아니다.' 스피어만(Spearman) 상관 계수 대상 자료는 서열 척..
23. 2022.07.02 [SQLD] 실전 문제 : SQL 활용 ②

    SQLD 실전 문제 : SQL 활용 ② 문제 41 Q. 다음 중 아래의 테이블에서 SQL을 실행할 때 결과로 가장 적절한 것은? [SQL] SELECT CASE WHEN GROUPING(A.서비스ID) = 0 THEN A.서비스ID ELSE '합계' END AS 서비스ID, CASE WHEN GROUPING(B.가입일자) = 0 THEN NVL(B.가입일자, '-') ELSE '소계' END AS 가입일자, COUNT(B.회원번호) AS 가입건수 FROM 서비스 A LEFT OUTER JOIN 서비스가입 B ON (A.서비스ID = B.서비스ID AND B.가입일자 BETWEEN '2013-01-01' AND '2013-01-31') GROUP BY ROLLUP(A.서비스ID, B.가입일자); ① ② ③..
24. 2022.07.01 [ADsP] 데이터 분석 : 통계 분석 - 통계학 개론

    데이터 분석 : 통계 분석 - 통계학 개론 통계 분석 개요 Population, Parameter, Sample, Statistic 용어 설명 모집단 - 잘 정의된 연구목적과 이와 연계된 명확한 연구대상 (데이터 전체 집합) - 예) 대통령 후보의 지지율 - 유권자 모수 - 모집단의 특성을 나타내는 수치들 - 모집단의 평균(𝝁), 분산(𝝈²) 같은 수치들을 모수(Parameter)라고 함. 표본 - 모집단의 개체 수가 많아 전부 조사하기 힘들 때 모집단에서 추출(sampling) 한 것 - 추출(Sampling)한 표본으로 모집단의 특성을 추론(inference) 함. (오차 발생) - 예) 각종 여론조사에 참여한 유권자 통계량 - 표본의 특성을 나타내는 수치들 - 표본의 평균(`\bar{x}`), 분산..
25. 2022.06.30 [SQLD] 실전 문제 : SQL 활용 ①

    SQLD 실전 문제 : SQL 활용 ① 문제 1 Q. 다음 중 순수 관계 연산자에 해당하지 않는 것은? ① SELECT ② UPDATE ③ JOIN ④ DIVIDE 더보기 정답 : ② 해설 : 순수 관계 연산자에는 SELECT, PROJECT, JOIN, DIVIDE 가 있다. ※ 순수 관계 연산자와 SQL 문장 비교 - SELECT 연산은 WHERE 절로 구현 - PROJECT 연산은 SELECT 절로 구현 - (NATURAL) JOIN 연산은 다양한 JOIN 기능으로 구현 - DIVIDE 연산은 현재 사용되지 않음. 문제 2 Q. 다음 중 아래 데이터 모델을 참고하여 설명에 맞게 올바르게 작성한 SQL 문장을 2개 고르시오. [설명] 우리는 매일 배치작업을 통하여 고객에게 추천할 컨텐츠를 생성하고 고..
26. 2022.06.27 [ADsP] 데이터 분석 : R 기초와 데이터 마트

    데이터 분석 : R 기초와 데이터 마트 R 설치 주의 사항 컴퓨터의 이름을 한글로 하지 않고 영어로 지정 사용자 이름도 한글로 하지 않고 영어로 지정 폴더 이름도 한글로 하지 않고 영어로 지정 (특수문자, 공백도 사용하지 않음.) R Project 홈페이지에서 R 프로그램 다운로드 https://www.r-project.org/ R Studio 설치 https://rstudio.com/ R: The R Project for Statistical Computing www.r-project.org RStudio | Open source & professional software for data science teams RStudio provides open source and enterprise-ready ..
27. 2022.06.25 [ADsP] 데이터 분석 기획 : 분석 마스터 플랜

    데이터 분석 기획 : 분석 마스터 플랜 분석 마스터 플랜 수립 분석 마스터 플랜 수립 프레임워크 분석 과제 ▶ 우선순위 고려 요소 ▶ 적용 우선순위 결정 적용 범위 / 방식 고려 요소 ▶ 분석 구현 로드맵 수립 - 전략적 중요도 - ROI(투자자본수익률) - 실행 용이성 - 업무 내재화 적용 수준 - 분석 데이터 적용 수준 - 기술 적용 수준 중장기적 마스터 플랜 수립을 위해서는 분석 과제를 대상으로 다양한 기준을 고려해 적용할 우선순위를 설정할 필요가 있음. 분석 과제 수행의 선/후행 관계를 고려하여 우선순위를 조정해 나감. 분석 과제의 적용 범위 및 방식에 대해서도 종합적으로 고려하여 결정함. 수행 과제 도출 및 우선순위 평가 우선순위 평가 방법 및 절차 분석 과제 도출 ▶ 우선순위 평가 ▶ 우선순위..
28. 2022.06.25 [ADsP] 데이터 분석 기획 : 데이터 분석 기획의 이해

    데이터 분석 기획 : 데이터 분석 기획의 이해 분석 기획 실제 분석을 수행에 앞서 분석을 수행할 과제의 정의 및 의도했던 결과를 도출할 수 있도록 이를 적절하게 관리할 수 있는 방안을 사전에 계획하는 일련의 작업 어떤 목표(What)를 달성하기 위해 어떤 데이터를 가지고 어떤 방식(How)을 수행할지에 대한 일련의 계획을 수립하는 작업 성공적인 분석 결과 도출을 위한 중요 사전 작업 해당 문제 영역에 대한 전문성 역량 및 통계학적 지식을 활용한 분석 역량과 분석 도구인 데이터 및 프로그래밍 기술 역량에 대한 균형 잡힌 시각을 가지고 방향성 및 계획을 수립해야 함. 분석 주제 유형 분석의 대상(What), 분석의 방법(How)에 따라 4가지로 구분한다. 분석 방법(How) 분석 대상(What) Known ..
29. 2022.06.25 [SQLD] 실전 문제 : SQL 기본 ②

    SQLD 실전 문제 : SQL 기본 ② 문제 41 Q. 다음 중, 아래와 같은 2건의 데이터 상황에서 SQL의 수행 결과로 가장 적합한 것은? (단, 이해를 돕기 위해 ↓는 줄바꿈을 의미 → 실제 저장값이 아님, CHR(10) : ASCII 값 → 줄바꿈을 의미) SELECT SUM(CC) FROM ( SELECT(LENGTH(C1) - LENGTH(REPLACE9C1, CHR(10))) + 1) CC FROM TAB 1 ) ① 2 ② 3 ③ 5 ④ 6 더보기 정답 : ③ 해설 : 라인수를 구하기 위해서 함수를 이용해서 작성한 SQL이다. - LENGTH : 문자열의 길이 반환하는 함수 - CHR : 주어진 ASCII 코드에 대한 문자를 반환하는 함수 (CHR(10) : 줄바꿈) - REPLACE : 문..
30. 2022.06.25 [SQLD] 실전 문제 : SQL 기본 ① 1

    SQLD 실전 문제 : SQL 기본 ① 문제 1 Q. 다음 중 데이터 제어어(DCL)에 해당하는 명령어는? ① INSERT ② RENAME ③ COMMIT ④ REVOKE 더보기 정답 : ④ 해설 : 데이터 제어어(DCL: Data Control Language)에는 GRANT, REVOKE가 있다. ※ SQL 문장들의 종류 - 데이터 조작어(DML: Data Manipulation Language) : SELECT, INSERT, UPDATE, DELETE - 데이터 정의어(DDL : Data Definition Language) : CREATE, ALTER, DROP, RENAME - 데이터 제어어(DCL : Data Control Language) : GRANT, REVOKE - 트랜잭션 제어어(T..