나의 공부기록

먼저 합격인증부터 합니다! 우선 저는 파이썬을 선택했고,제1유형과 제2유형에만 집중한 케이스입니다. 이렇게 해도 합격은 가능했지만...제 공부방법대로 하시면 이게 맞나? 라는 생각을 가지고 시험준비를 하고 있게됩니다ㅋㅋㅋㅋㅋㅋㅋ   1. 실기 시험 유형 파악하기데이터자격점겅 홈페이지에서 빅분기 실기 체험환경을 제공합니다. 여기에 각 유형별로 예시문제도 제공하고 있는데,아무것도 모르는 상태에서 문제를 보면 뭐를 어떻게 풀어야하지라는 생각이 듭니다. 그래서 발견한 유튜브가 있는데, 저랑 너무 잘맞더라구요.이 분만 믿고 유형을 먼저 빠르게 익혔습니다.참고로 2유형은 그냥 이 분의 코딩을 그대로 외워서 공부했습니다.이대로만 하셔도 2유형 만점이 나오니 믿고 가셔도 좋습니다!!(무조건 암기 → 예시/기출문제 적용..

'24.06.22(토) 제8회 빅데이터분석기사 실기 시험이 있었다.시험시간10:00~13:00 (180분) (퇴실 11:30~)입실 : 9:00~9:30 (9시 전에 입장불가....)준비물신분증, 수험표 # 시험전9시부터 입실되어 있길래 9시 5분전에 도착해서 들어가려고하니진짜로 입실이 9시부터 가능하다고 했다ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ(실기 시험치러 가시는 분들은 9시에 꼭 맞춰서 가시길 바랍니다!) 밖에서 조금 기다리다가 9시 땡 되자마자 들어가도된다하셔 후다닥 들어갔다. 그래도 일찍가서 컴퓨터도 못켜보기 때문에전날에 급히 공책에 써내려간 암기내용들을 보다가 멍때리다가 반복했다.(사실 집중이 잘안됨....) 그러고 시험시간이 다되어가면 감독관님이 시험 안내를 해주시고컴퓨터를 다같이 켜서 시험환경을 ..

※ 해당 글은 '빅데이터분석기사' 자격증 취득을 위해 개인 공부기록 용도로 작성된 내용입니다.(출처 :유튜브 AI 너는 아니 AI you know?) # 출력을 원할 경우 print() 함수 활용# 예시) print(df.head())# getcwd(), chdir() 등 작업 폴더 설정 불필요# 파일 경로 상 내부 드라이브 경로(C: 등) 접근 불가import pandas as pddf = pd.read_csv("data/Titanic.csv")# 사용자 코딩# print(df.info())# 1. 카이제곱 통계량# 1-1. 패키지 추가from scipy.stats import chi2_contingency# 1-2. 데이터를 table로 만들기table = pd.crosstab(df['Gender']..

※ 해당 글은 '빅데이터분석기사' 자격증 취득을 위해 개인 공부기록 용도로 작성된 내용입니다.(출처 :유튜브 AI 너는 아니 AI you know?)  분류 : 종속(목표변수) 남-여 / 생존-사망성능평가 : accuracy_score, f1_score, roc_auc_score회귀 : 종속(목표변수) 수치형 / 가격 / 수치성능평가 : rmse, 결정계수# 1. 데이터 로드 및 확인# 2-1. 결측값 처리(대체) - 최빈값# 2-2. 라벨 인코딩# 3-1. 모델링(데이터 분할)# 3-2. 모델링(분류)# 4. 성능평가# 5. 테스트 모델 예측# 6-1. 테스트 결과 제출# 6-2. 결과 확인# 출력을 원하실 경우 print() 함수 활용# 예시) print(df.head())# getcwd(), chd..

※ 해당 글은 '빅데이터분석기사' 자격증 취득을 위해 개인 공부기록 용도로 작성된 내용입니다.(출처 :유튜브 AI 너는 아니 AI you know?) # 1. 데이터 로드 및 확인# 2-1. 결측값 처리(대체) - 최빈값# 2-2. 라벨 인코딩# 3-1. 모델링(데이터 분할)# 3-2. 모델링(회귀)# 4. 성능평가# 5. 테스트 모델 예측# 6-1. 테스트 결과 제출# 6-2. 결과 확인import pandas as pd# 1. 데이터 로드 및 확인df = pd.read_csv("content/used_cars_price_data.csv")# print(df.info()) # 결측값(fuel_type, accident, clean_title) 인코딩(model_year 제외 모든 컬럼 문자열임)# 2-..

※ 해당 글은 '빅데이터분석기사' 자격증 취득을 위해 개인 공부기록 용도로 작성된 내용입니다.(출처 :유튜브 AI 너는 아니 AI you know?)  # 출력을 원할 경우 print() 함수 활용# 예시) print(df.head())# getcwd(), chdir() 등 작업 폴더 설정 불필요# 파일 경로 상 내부 드라이브 경로(C: 등) 접근 불가import pandas as pddf = pd.read_csv("data/mtcars.csv")# print(df.info())# 사용자 코딩from sklearn.preprocessing import MinMaxScaler# print(help(sklearn.preprocessing.MinMaxScaler))scaler = MinMaxScaler()df..

※ 해당 글은 '빅데이터분석기사' 자격증 취득을 위해 개인 공부기록 용도로 작성된 내용입니다.(출처 :코딩 대한민국)1유형 데이터 스케일링help("sklearn.preprocessing.MinMaxScaler")# Examples 예시 참고하여 코드 작성하기from sklearn.preprocessing import MinMaxScalerdata = pd.read_csv("csv 파일") # 스케일링할 데이터 수집# 데이터 변환scaler = MinMaxScaler()scaler.fit(data) # 0~1 사이의 데이터로 변환하기 위해 계산 작업data2 = scaler.transform(data) # 변환된 데이터 저장 # Examples # | -------- # | >>> from sklea..

※ 해당 글은 '빅데이터분석기사' 자격증 취득을 위해 개인 공부기록 용도로 작성된 내용입니다.(출처 :유튜브 메타코드M)시험유형 1. 데이터 타입(object, int, float, bool 등)2. 기초통계량(평균, 중앙값, 사분위수, IQR, 표준편차 등)3. 데이터 인덱싱, 필터링, 정렬, 변경 등4. 결측치, 이상치, 중복값 처리(제거 or 대체)5. 데이터 Scaling(데이터 표준화(z), 데이터정규화(min-max))6. 데이터 합치기7. 날짜/시간 데이터, index 다루기 # 1. mpg 제1사분위수 정수값q1 = df['mpg'].quantile(0.25)print(round(q1))# 2. mpg 19이상 21이하 데이터 수cnt = df[['mpg']][df['mpg'].betwee..

※ 해당 글은 '빅데이터분석기사' 자격증 취득을 위해 개인 공부기록 용도로 작성된 내용입니다.(출처 :유튜브 코딩 대한민국)집합 연산자 - 합집합 uniont1 = emp20[['ename','age','telecom']][emp20['telecom'].isin(['kt','lg'])]t2 = emp20[['ename','age','telecom']][emp20['telecom'].isin(['sk','lg'])]# unionpd.concat([t1,t2], axis=0)t1 = emp20[['ename','age','telecom']][emp20['telecom'].isin(['kt','lg'])]t2 = emp20[['ename','age','telecom']][emp20['telecom'].isin..

※ 해당 글은 '빅데이터분석기사' 자격증 취득을 위해 개인 공부기록 용도로 작성된 내용입니다.(출처 :유튜브 코딩 대한민국)데이터 조인emp = pd.read_csv("content/emp.csv")dept = pd.read_csv("content/dept.csv")# emp와 dept 데이터 프레임을 'deptno'를 기준으로 조인emp_dept = pd.merge(emp, dept, on='deptno')emp_dept 데이터 조인 - 논리 연산자 사용# 월급이 1000 에서 3000 사이이고 직업이 SALESMAN인 사원 출력emp_dept[['ename','loc','sal','job']][(emp_dept['sal'].between(1000,3000))&(emp_dept['job']=='SALE..