등급체계

Associate(입문)

데이터분석 기본 지식과
Skill을 통해 간단한 데이터 분석이
가능한 수준

수행역할

• 전문가의 지도를 받아 데이터 전처리, 분석 등 全과정 수행
• 데이터 정리 및 해석 중심의
  데이터 분석 업무 수행

Advanced(중급)

데이터 분석 역량과 실무경험을
바탕으로 본인의 업무에
데이터 분석을 적용 할 수 있는 수준

수행역할

• 독자적으로 데이터 전처리, 분석 등
  全과정 수행
• 분석 프로젝트를 수행 및 분석 프로세스 유지보수 업무 수행
• 비즈니스 상황에 맞는
  다양한 분석모델을 활용 가능

Professional(고급)

프로젝트 리딩 및 컨설팅이
가능하고, 분석모델의 성능 개선이
가능한 수준

수행역할

• 관련 비즈니스에 대한 이해를 바탕으로
  데이터 분석 방법론을 개발
• 비즈니스 문제 해결을 위한 데이터
  모델링 개발 또는 분석알고리즘 최적화
• 유관부서 업무에 데이터 분석 관련
  컨설팅 역할 수행

평가방법 및 합격기준

등급	평가 방법	응시 자격	문항 수	평가 시간	합격 기준	유효기간

등급체계안내

Professional (고급)	필기	제한 없음	50 문항	90분	70점/100점	영구
	실기	Professional(고급) 필기합격후 2년 내	8~12 문항	240분
Advanced (중급)	필기	제한 없음	50 문항	90분
	실기	Advanced(중급) 필기합격 후 2년 내	8~12 문항	180분
Associate (입문)	필기/실기	제한 없음	필기:25문항 실기:4~6문항	120분

* Associate(입문) 등급은 필기와 실기를 120분 내에 동시에 풀이하며, 필기/실기 평균 점수 70점 이상이 합격 기준입니다.

출제범위

평가과목			출제범위(필기/실기)			과목별 필기시험 문항수
대분류	중분류	소분류	Professional (고급)	Advanced (중급)	Associate (입문)	Professional (고급)	Advanced (중급)	Associate (입문)
총 문항수						50문항	50문항	25문항

등급체계안내

통계학	확률과 분포	확률의 개념과 응용				8~10	16~20	9~13
		확률분포
		확률분포의 개념과 응용
	탐색적 데이터 분석	범주형 변수의 EDA
		수치형 변수의 EDA
		기타 탐색적 데이터 분석
	추정과 검정	모집단과 표본, 모수와 통계량, 점추정과 구간추정
		가설검정 개념, T-test, ANOVA, Chi-Square Test
		기타 추정과 검정
	시계열분석	Time Series Decomposition
		Smoothing, Exponential Smoothing
		기타 시계열 분석
		Box-Jenkins ARIMA
데이터 처리 및 시각화	Data Intergration	Data Intergration					5~10	3~6
	데이터 Cleansing	Missing Value 탐지 및 처리
		Outlier의 탐지 및 처리
		기타 데이터 Cleansing
	Transformation	분포의 모양에 따른 변환
		Data Scaling
		데이터 형태 변환
		기타 Transformation
		가변수의 생성
	파생변수의 생성	다양한 방법의 파생변수 생성
	Sampling	Sampling 방법
		Classification의 클래스 불균형 데이터의 처리
	문자열 Data의 전처리	문자형의 분리
		정규표현식
	시각화 및 리포트 작성	시각화 및 리포트 작성
머신러닝	머신러닝 개요	머신러닝 기본 개념 및 머신러닝 방법론 -Supervised learning -Unsupervised learning				20~25	20~25	8~12
		머신러닝 기본개념 및 머신러닝 방법론 -Reinforcement learning
	머신러닝 관련 최적화	다양한 머신러닝 관련 최적화 방법
	Feature Selection 및 Feature Extraction	Feature Selection
		Feature Extraction
	Clustering	Hierarchical Clustering
		K-Means Clustering
		기타 Clustering
	Regression	Linear Regression
		기타 Regression 방법
		KNN Regression
		Regularization
	Classification	Logistic Regression
		기타 Classification 방법
		Naïve Bayes
		KNN Classification
		SVM(Support Vector Machine)
	Tree Model	Decision Tree
		Ensemble Methods : Bagging 방법
		Ensemble Methods : Boosting 방법
	Recommendation	Association Rule
		기타 Recommendation
		Contents based filtering
		Collaborative filtering
딥러닝	Neural Network 기본					15~20
	CNN, RNN, Autoencoder
	기타 Deep Learning(생성형AI, LLM 등)
텍스트 분석	텍스트 전처리 및 시각화 방법
	Text Embeddings
	기타 텍스트 분석