[New!! 2026] (3과목) ADsP 완벽 요약강의 | 요약강의 | 데이터분석 | 최단시간 최대효율👍 | 핵심 요약노트 | 빅데이터분석 준전문가

요약

핵심 포인트

• 데이터 분석 전 결측값, 이상값 처리 및 탐색적 자료 분석(EDA)을 통해 데이터의 특성을 파악하는 것이 중요합니다. 2:50
• 데이터의 척도(명목, 순서, 등간, 비율)를 이해하고, 확률의 덧셈 정리, 조건부 확률, 독립/배반 사건 등 기초 확률 개념을 숙지해야 합니다. 6:20
• 다변량 분석에서는 피어슨/스피어만 상관 분석으로 변수 간 관계를 파악하고, 주성분 분석(PCA)이나 다차원 척도법(MDS)으로 차원을 축소할 수 있습니다. 19:33
• 모집단 특성을 예측하기 위해 표본을 추출하는 다양한 방법(무작위, 계통, 집락, 층화 등)을 알고, 점 추정 및 구간 추정을 통해 모수를 추정할 수 있어야 합니다. 23:54
• 회귀 분석은 독립 변수가 종속 변수에 미치는 영향을 분석하며, 최소제곱법으로 회귀식을 찾고 R-제곱으로 설명력을 평가하며, 다중공선성 문제와 회귀 모형의 가정을 이해해야 합니다. 60:10
• 시계열 예측은 데이터의 정상성을 확보하고 AR, MA, ARIMA 모델을 활용하여 미래를 예측하며, 데이터 마이닝에서는 과대/과소적합 방지를 위한 데이터 분할 및 교차 검증이 필수적입니다. 84:42
• 앙상블 기법(보팅, 배깅, 부스팅, 스태킹)과 인공신경망(퍼셉트론, 활성함수, 역전파, 경사하강법)의 기본 원리를 이해하는 것이 중요합니다. 115:32
• 지도 학습의 분류 기법(로지스틱 회귀, KNN, 나이브 베이즈, 의사결정나무, SVM)과 비지도 학습의 군집 분석(K-평균, DBSCAN, 계층적 군집) 및 연관 규칙 분석(지지, 신뢰, 향상도)을 이해하고, 분류 모델의 성능을 혼동 행렬, 정밀도, 재현율, F1-스코어, ROC-AUC 등으로 평가합니다. 119:29
• 가설 검정은 귀무가설과 대립가설을 설정하고 유의수준(알파)과 유의확률(P-value)을 비교하여 가설의 채택 여부를 판정하며, T-검정 등 다양한 검정 방법을 활용합니다. 131:11
• 이산 및 연속 확률 분포(이항, 정규, 표준정규분포 등)의 특징을 이해하고, 중심극한정리를 통해 표본 평균의 분포가 정규 분포를 따른다는 점을 파악하는 것이 통계적 추론의 핵심입니다. 140:30