<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
  <channel>
    <title>CSE 전공노트</title>
    <link>https://jooona.tistory.com/</link>
    <description>Junha&amp;rsquo;s Study Note</description>
    <language>ko</language>
    <pubDate>Mon, 29 Jun 2026 18:06:18 +0900</pubDate>
    <generator>TISTORY</generator>
    <ttl>100</ttl>
    <managingEditor>jooona</managingEditor>
    <image>
      <title>CSE 전공노트</title>
      <url>https://tistory1.daumcdn.net/tistory/4400416/attach/62a112c57f3d4a1a84d83bac82234b94</url>
      <link>https://jooona.tistory.com</link>
    </image>
    <item>
      <title>[VBA] 엑셀을 열지 않고 Userform을 실행하는 방법</title>
      <link>https://jooona.tistory.com/234</link>
      <description>&lt;p data-ke-size=&quot;size16&quot;&gt;VBA로 개발된 프로그램을 실행하기 위해서는 엑셀을 열어야 합니다. 하지만 자주 쓰는 매크로의 경우 이러한 과정이 귀찮을 수 있죠. VBS를 활용해서 바로 Userform을 열 수 있는 방법을 소개드리겠습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;참고로, exe 파일과는 다르게 해당 컴퓨터에 실행을 원하는 매크로 엑셀 파일이 존재해야 합니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;우선 아래와 같이 간단한 계산기 프로그램을 만들었습니다.&amp;nbsp;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&lt;figure class=&quot;imageblock alignCenter&quot; data-ke-mobileStyle=&quot;widthOrigin&quot; data-origin-width=&quot;1030&quot; data-origin-height=&quot;430&quot;&gt;&lt;span data-url=&quot;https://blog.kakaocdn.net/dn/cjKOBE/btr9SkBdzXn/YaMwwpZhikWLPSzGOYI2gK/img.png&quot; data-phocus=&quot;https://blog.kakaocdn.net/dn/cjKOBE/btr9SkBdzXn/YaMwwpZhikWLPSzGOYI2gK/img.png&quot;&gt;&lt;img src=&quot;https://blog.kakaocdn.net/dn/cjKOBE/btr9SkBdzXn/YaMwwpZhikWLPSzGOYI2gK/img.png&quot; srcset=&quot;https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&amp;fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FcjKOBE%2Fbtr9SkBdzXn%2FYaMwwpZhikWLPSzGOYI2gK%2Fimg.png&quot; onerror=&quot;this.onerror=null; this.src='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png'; this.srcset='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png';&quot; loading=&quot;lazy&quot; width=&quot;1030&quot; height=&quot;430&quot; data-origin-width=&quot;1030&quot; data-origin-height=&quot;430&quot;/&gt;&lt;/span&gt;&lt;/figure&gt;
&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;이제 왼쪽 메뉴 중 Microsoft Excel 개체의 현재_통합_문서에 가서 다음과 같은 코드를 작성합니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;pre id=&quot;code_1681347983304&quot; class=&quot;vbnet&quot; data-ke-language=&quot;vbnet&quot; data-ke-type=&quot;codeblock&quot;&gt;&lt;code&gt;Private Sub Workbook_Open()
    
    UserForm1.Show

End Sub&lt;/code&gt;&lt;/pre&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;엑셀을 열면 바로 UserForm이 나오게 하는 간단한 코드죠?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;이제 메모장을 하나 열어줍니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;그리고 아래의 코드를 메모장에 적어줍니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;pre id=&quot;code_1681348058922&quot; class=&quot;vbnet&quot; data-ke-language=&quot;vbnet&quot; data-ke-type=&quot;codeblock&quot;&gt;&lt;code&gt;Dim MyApp
Set MyApp = CreateObject(&quot;Excel.Application&quot;)
MyApp.workbooks.open(&quot;C:\CALCULATOR.xlsm&quot;)
Set MyApp = Nothing&lt;/code&gt;&lt;/pre&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;3번째 줄에는 자신의 엑셀 매크로 파일이 있는 경로를 작성해 줍니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;그리고 이 메모장 파일을 원하는 경로에 .vbs 확장자로 저장해 줍니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&lt;figure class=&quot;imageblock alignCenter&quot; data-ke-mobileStyle=&quot;widthOrigin&quot; data-origin-width=&quot;946&quot; data-origin-height=&quot;533&quot;&gt;&lt;span data-url=&quot;https://blog.kakaocdn.net/dn/cxtFsY/btr9Oal2uSE/LSVaRW71o7RhCx2Z2C6dV1/img.png&quot; data-phocus=&quot;https://blog.kakaocdn.net/dn/cxtFsY/btr9Oal2uSE/LSVaRW71o7RhCx2Z2C6dV1/img.png&quot;&gt;&lt;img src=&quot;https://blog.kakaocdn.net/dn/cxtFsY/btr9Oal2uSE/LSVaRW71o7RhCx2Z2C6dV1/img.png&quot; srcset=&quot;https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&amp;fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FcxtFsY%2Fbtr9Oal2uSE%2FLSVaRW71o7RhCx2Z2C6dV1%2Fimg.png&quot; onerror=&quot;this.onerror=null; this.src='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png'; this.srcset='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png';&quot; loading=&quot;lazy&quot; width=&quot;946&quot; height=&quot;533&quot; data-origin-width=&quot;946&quot; data-origin-height=&quot;533&quot;/&gt;&lt;/span&gt;&lt;/figure&gt;
&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;아래의 캡처와 같이 저장이 되겠죠? 이걸 실행하면 자신이 만든 Userform을 바로 띄울 수 있습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&lt;figure class=&quot;imageblock alignCenter&quot; data-ke-mobileStyle=&quot;widthOrigin&quot; data-origin-width=&quot;1123&quot; data-origin-height=&quot;463&quot;&gt;&lt;span data-url=&quot;https://blog.kakaocdn.net/dn/bTVX1q/btr9N2VXhuo/qTU0LYfFOzmrOswR3eB4GK/img.png&quot; data-phocus=&quot;https://blog.kakaocdn.net/dn/bTVX1q/btr9N2VXhuo/qTU0LYfFOzmrOswR3eB4GK/img.png&quot;&gt;&lt;img src=&quot;https://blog.kakaocdn.net/dn/bTVX1q/btr9N2VXhuo/qTU0LYfFOzmrOswR3eB4GK/img.png&quot; srcset=&quot;https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&amp;fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FbTVX1q%2Fbtr9N2VXhuo%2FqTU0LYfFOzmrOswR3eB4GK%2Fimg.png&quot; onerror=&quot;this.onerror=null; this.src='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png'; this.srcset='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png';&quot; loading=&quot;lazy&quot; width=&quot;1123&quot; height=&quot;463&quot; data-origin-width=&quot;1123&quot; data-origin-height=&quot;463&quot;/&gt;&lt;/span&gt;&lt;/figure&gt;
&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;span style=&quot;color: #666666;&quot;&gt;아래의 영상을 참고하여 작성했습니다.&lt;/span&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;span style=&quot;color: #666666;&quot;&gt;https://www.youtube.com/watch?v=SqZTt2Qxfac&lt;/span&gt;&lt;/p&gt;</description>
      <category>프로젝트 및 실습/VBA</category>
      <category>vba</category>
      <category>vbs</category>
      <author>jooona</author>
      <guid isPermaLink="true">https://jooona.tistory.com/234</guid>
      <comments>https://jooona.tistory.com/234#entry234comment</comments>
      <pubDate>Thu, 13 Apr 2023 19:14:31 +0900</pubDate>
    </item>
    <item>
      <title>[자격증 합격 후기] ADsP(데이터분석 준전문가)</title>
      <link>https://jooona.tistory.com/233</link>
      <description>&lt;p data-ke-size=&quot;size16&quot;&gt;2023년 ADsP 첫 번째 시험인 제36회 시험을 지난 2월 10일에 응시하고 왔습니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;현재 ADsP는 연 4회 치러지고 있으며, 객관식과 단답형으로 이루어진 한 번의 시험만 합격하면 자격증을 획득할 수 있습니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;/p&gt;&lt;h4 data-ke-size=&quot;size20&quot;&gt;시험 개요&lt;/h4&gt;&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;br&gt;ADsP는 총 3과목으로 이루어지며, 총 문제 수는 객관식 40문제와 단답형 10문제입니다.&lt;br&gt;&amp;nbsp;&lt;/p&gt;&lt;blockquote data-ke-style=&quot;style2&quot;&gt;데이터 이해: 10문제 (객관식 8문제, 단답형 2문제) : 20점&lt;br&gt;데이터분석 기획: 10문제 (객관식 8문제, 단답형 2문제) : 20점&lt;br&gt;데이터분석: 30문제 (객관식 24문제, 단답형 6문제) : 60점&lt;/blockquote&gt;&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;br&gt;구성만 봐도 데이터분석 과목이 중요하다는 것을 알 수 있습니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;/p&gt;&lt;h4 data-ke-size=&quot;size20&quot;&gt;공부 방법&lt;/h4&gt;&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;&lt;figure class=&quot;imageblock alignCenter&quot; data-ke-mobileStyle=&quot;widthOrigin&quot; data-origin-width=&quot;458&quot; data-origin-height=&quot;631&quot;&gt;&lt;span data-url=&quot;https://blog.kakaocdn.net/dn/bzxsog/btr6N2Q8tx6/oaGneUTZJJK10ycxMo0GPK/img.png&quot; data-phocus=&quot;https://blog.kakaocdn.net/dn/bzxsog/btr6N2Q8tx6/oaGneUTZJJK10ycxMo0GPK/img.png&quot;&gt;&lt;img src=&quot;https://blog.kakaocdn.net/dn/bzxsog/btr6N2Q8tx6/oaGneUTZJJK10ycxMo0GPK/img.png&quot; srcset=&quot;https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&amp;fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2Fbzxsog%2Fbtr6N2Q8tx6%2FoaGneUTZJJK10ycxMo0GPK%2Fimg.png&quot; onerror=&quot;this.onerror=null; this.src='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png'; this.srcset='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png';&quot; loading=&quot;lazy&quot; width=&quot;255&quot; height=&quot;351&quot; data-origin-width=&quot;458&quot; data-origin-height=&quot;631&quot;/&gt;&lt;/span&gt;&lt;/figure&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;우선 교재는 가장 유명한 &quot;민트책&quot;으로 불리는 위의 책을 사용했습니다. 오타나 오류가 종종 발견된다고는 하지만, 최소한으로 공부하고 자격증을 취득하기에는 이만한 책이 없다고 합니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;저는 사실 작년에 빅데이터 분석기사를 취득했습니다. ADsP와 겹치는 부분들이 많기도 하고, 또 학부시절에 데이터 분석 쪽에 관심을 조금 가졌던 터라 다른 사람에 비해서 적은 시간을 공부했긴 합니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;솔직하게 ADsP를 공부한 시간은 딱 &lt;b&gt;4시간&lt;/b&gt;이었습니다. 1과목은 시험 전전날 2시간 정도 제대로 공부를 했고, 이 속도로는 2, 3과목을 끝까지 마칠 수 없을 것 같아 시험 전날 2시간 정도 교재 뒤편의 기출문제를 풀었습니다. 이론도 중요하지만 ADsP는 특히 기출문제를 푸는 것이 중요해 보입니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;4시간을 강조하는 이유는 시험 며칠 전, 또는 시험 전날 처음 책을 펴더라도 포기하지 마시고 조금이라도 공부하면, 기출이라도 여러 개 풀어 보시면 충분히 합격 가능성이 있다는 점을 말씀드리고 싶어서입니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;/p&gt;&lt;h4 data-ke-size=&quot;size20&quot;&gt;시험 결과&lt;/h4&gt;&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;&lt;figure class=&quot;imageblock alignCenter&quot; data-ke-mobileStyle=&quot;widthOrigin&quot; data-origin-width=&quot;461&quot; data-origin-height=&quot;215&quot;&gt;&lt;span data-url=&quot;https://blog.kakaocdn.net/dn/cIjqcX/btr6NvlNMJb/S7Y69LD7G47BXZPjALV7dK/img.png&quot; data-phocus=&quot;https://blog.kakaocdn.net/dn/cIjqcX/btr6NvlNMJb/S7Y69LD7G47BXZPjALV7dK/img.png&quot;&gt;&lt;img src=&quot;https://blog.kakaocdn.net/dn/cIjqcX/btr6NvlNMJb/S7Y69LD7G47BXZPjALV7dK/img.png&quot; srcset=&quot;https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&amp;fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FcIjqcX%2Fbtr6NvlNMJb%2FS7Y69LD7G47BXZPjALV7dK%2Fimg.png&quot; onerror=&quot;this.onerror=null; this.src='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png'; this.srcset='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png';&quot; loading=&quot;lazy&quot; width=&quot;461&quot; height=&quot;215&quot; data-origin-width=&quot;461&quot; data-origin-height=&quot;215&quot;/&gt;&lt;/span&gt;&lt;/figure&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;br&gt;시험 결과는 62점으로 합격입니다. 자격증은 60점으로 합격하나 100점으로 합격하나 아무 차이가 없죠? 개인적으로 가장 최소한을 투자해서 자격증을 취득하는 것이 중요하다고 생각합니다. 물론 머리에 남는 것은 적겠지만, 저는 자격증을 따는 것 자체가 목적이어서요.. 각자의 목적에 맞게 공부하면 될 것 같습니다.&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;br&gt;결과가 나올 때까지 합/불 예측이 어려우니 쫄깃한 마음은 어쩔 수 없습니다.&amp;nbsp;나름 공부를 했던 1과목을 만점을 받으면서, 기출만 풀었던 2과목과 3과목의 점수를 커버했습니다. 1과목도 공부 안 하고 기출만 풀었으면 합격하긴 어려웠겠네요.&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;br&gt;데이터 분석에 어느 정도 지식이 있으신 전공자 분들은 최소한의 투자로 따 낼 수 있는 자격증이라 생각합니다.&lt;/p&gt;</description>
      <category>자격증 후기</category>
      <category>ADsP</category>
      <category>데이터분석준전문가</category>
      <category>자격증 후기</category>
      <author>jooona</author>
      <guid isPermaLink="true">https://jooona.tistory.com/233</guid>
      <comments>https://jooona.tistory.com/233#entry233comment</comments>
      <pubDate>Wed, 29 Mar 2023 20:00:05 +0900</pubDate>
    </item>
    <item>
      <title>[자격증 합격 후기] 빅데이터 분석기사 실기</title>
      <link>https://jooona.tistory.com/232</link>
      <description>&lt;p data-ke-size=&quot;size16&quot;&gt;빅데이터 분석기사 3회 차에 필기를 합격한 뒤, 바쁜 나날을 보내다가 기회가 2번밖에 남지 않았다는 것을 깨닫고 5회 차 실기를 신청해서 시험을 봤습니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;우선 빅데이터 분석기사 시험은 연 2회 실시되며, 필기를 합격하면 2년 간 유효하게 유지할 수 있습니다.&lt;/p&gt;&lt;p data-ke-size=&quot;size14&quot;&gt;&amp;nbsp;&lt;br&gt;&lt;span style=&quot;color: #9d9d9d;&quot;&gt;시험 일정은 아래 링크에서 확인하실 수 있습니다.&lt;/span&gt;&lt;br&gt;&lt;a href=&quot;https://www.dataq.or.kr/www/accept/schedule.do&quot; target=&quot;_blank&quot;&gt;&lt;span&gt;&lt;span style=&quot;color: #9d9d9d;&quot;&gt;https://www.dataq.or.kr/www/accept/schedule.do&lt;/span&gt;&lt;/span&gt;&lt;/a&gt;&lt;/p&gt;&lt;figure data-ke-type=&quot;opengraph&quot; data-og-title=&quot;데이터자격시험&quot; data-ke-align=&quot;alignCenter&quot; data-og-description=&quot;제27회 데이터분석 전문가(필기) 제35회 데이터분석 준전문가 10.4 ~ 10.11 10.14 10.29(토) 11.25 -&quot; data-og-host=&quot;www.dataq.or.kr&quot; data-og-source-url=&quot;https://www.dataq.or.kr/www/accept/schedule.do&quot; data-og-url=&quot;https://www.dataq.or.kr/www/accept/schedule.do&quot;&gt;&lt;a href=&quot;https://www.dataq.or.kr/www/accept/schedule.do&quot; target=&quot;_blank&quot; data-source-url=&quot;https://www.dataq.or.kr/www/accept/schedule.do&quot;&gt;&lt;div class=&quot;og-image&quot;&gt;&lt;/div&gt;&lt;div class=&quot;og-text&quot;&gt;&lt;p class=&quot;og-title&quot;&gt;데이터자격시험&lt;/p&gt;&lt;p class=&quot;og-desc&quot;&gt;제27회 데이터분석 전문가(필기) 제35회 데이터분석 준전문가 10.4 ~ 10.11 10.14 10.29(토) 11.25 -&lt;/p&gt;&lt;p class=&quot;og-host&quot;&gt;www.dataq.or.kr&lt;/p&gt;&lt;/div&gt;&lt;/a&gt;&lt;/figure&gt;&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;/p&gt;&lt;h4 data-ke-size=&quot;size20&quot;&gt;시험 개요&lt;/h4&gt;&lt;p data-ke-size=&quot;size16&quot;&gt;빅데이터 분석기사 실기 시험은 단답형, 작업형 1 유형, 작업형 2 유형으로 이루어집니다. 총 시험 시간은 180분이며, 90분이 지나면 퇴실할 수 있습니다.&lt;br&gt;&amp;nbsp;&lt;/p&gt;&lt;blockquote data-ke-style=&quot;style2&quot;&gt;단답형: 10문제 (문제당 3점: 총 30점)&lt;br&gt;작업형 1 유형: 3문제 (문제당 10점: 총 30점)&lt;br&gt;작업형 2 유형: 1문제 (문제당 40점: 총 40점)&lt;/blockquote&gt;&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;br&gt;&lt;b&gt;단답형&lt;/b&gt;은 말 그대로 이론 시험입니다. 다 맞추기는 어렵겠지만 4문제 이상은 맞춰야 작업형을 마음 편하게 풀 수 있습니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;&lt;b&gt;작업형 1유형&lt;/b&gt;은 데이터 전처리와 관련된 파트입니다. 데이터 세트를 가공해서 최종 결과를 출력하면 됩니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;&lt;b&gt;작업형 2유형&lt;/b&gt;은 분류 또는 회귀를 수행하는 지도 학습 문제가 출제됩니다. 문제에 따라 분류 또는 회귀를 수행하여 그 정확도를 ROC-AUC 평가지표, R2 평가지표 등 주최 측에서 준비한 기준을 이용해 채점합니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;세 가지 유형의 총점수 합이 &lt;b&gt;60점을 넘으면 합격&lt;/b&gt;이며, 과목별 &lt;b&gt;과락은 존재하지 않습니다&lt;/b&gt;. 과락이 존재하지 않기 때문에 본인이 자신 있는 유형에 집중하면 한 과목이 점수가 낮더라도 충분히 합격할 수 있습니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;/p&gt;&lt;h4 data-ke-size=&quot;size20&quot;&gt;공부 방법&lt;/h4&gt;&lt;p data-ke-size=&quot;size16&quot;&gt;우선 교재는 프리렉이라는 출판사에서 나온 빅데이터 분석기사 실기 책을 사용하였습니다. 작업형은 &lt;b&gt;파이썬을 사용&lt;/b&gt;하고, 책을 이 책 하나밖에 보지 않았기 때문에 다른 교재와의 비교는 어렵겠네요.&lt;br&gt;&amp;nbsp;&lt;/p&gt;&lt;figure class=&quot;imageblock alignCenter&quot; data-ke-mobileStyle=&quot;widthOrigin&quot; data-origin-width=&quot;1084&quot; data-origin-height=&quot;1381&quot;&gt;&lt;span data-url=&quot;https://blog.kakaocdn.net/dn/dIPAXL/btrRz0bn0KZ/WW69Yv5bFv2XoDKxqv4Wa1/img.jpg&quot; data-phocus=&quot;https://blog.kakaocdn.net/dn/dIPAXL/btrRz0bn0KZ/WW69Yv5bFv2XoDKxqv4Wa1/img.jpg&quot;&gt;&lt;img src=&quot;https://blog.kakaocdn.net/dn/dIPAXL/btrRz0bn0KZ/WW69Yv5bFv2XoDKxqv4Wa1/img.jpg&quot; srcset=&quot;https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&amp;fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FdIPAXL%2FbtrRz0bn0KZ%2FWW69Yv5bFv2XoDKxqv4Wa1%2Fimg.jpg&quot; onerror=&quot;this.onerror=null; this.src='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png'; this.srcset='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png';&quot; loading=&quot;lazy&quot; width=&quot;256&quot; height=&quot;326&quot; data-origin-width=&quot;1084&quot; data-origin-height=&quot;1381&quot;/&gt;&lt;/span&gt;&lt;/figure&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;br&gt;&lt;b&gt;솔직한 교재 후기&lt;/b&gt;&lt;br&gt;&amp;nbsp;&lt;/p&gt;&lt;p data-ke-size=&quot;size14&quot;&gt;1. &lt;b&gt;단답형 부분&lt;/b&gt;은&amp;nbsp;개인적으로 &lt;b&gt;조금 부족하다고&lt;/b&gt; 느꼈습니다. 핵심 용어들을 각 단원별로 내용 순이 아닌 가나다 순으로 배치했기 때문에 이론에 자신이 있는 분이라면 정리하는 느낌으로 훑어보기는 좋겠으나, 필기를 공부한 지 한참 된 저로써는 조금 난잡하다고 느꼈습니다. 적중률도 높지 않기 때문에, 차라리 필기 책을 다시 한번 보시는 것을 추천드립니다.&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;br&gt;2. 파이썬 설명이나 &lt;b&gt;작업형 부분&lt;/b&gt;은 &lt;b&gt;정말 잘 정리되어있다&lt;/b&gt;고 생각합니다. 몇 년 전에 딥러닝, 머신러닝 프로젝트들을 진행하며 빅데이터 분석을 경험한 적은 있지만, 대부분 검색에 의존하고 머리에 남아있던 게 없던 상태인 저에게는 개념을 잡고 데이터 분석을 연습하기에 좋았습니다. 작업형은 이 책에 나온 것만으로도 충분히 커버할 수 있는 수준으로 출제됩니다. &lt;u&gt;비전공자분들이나 파이썬 초급자분들께 추천드립니다.&lt;/u&gt;&lt;br&gt;&amp;nbsp;&lt;br&gt;물론 저는 이 책 하나로 공부했기 때문에 다른 책과의 비교는 어렵지만, 나름대로 만족하면서 공부했습니다. 단답형 문제는 이 책을 이용해 한 번 훑어만 본 뒤, 다른 웹 사이트들을 이용해서 공부하고, 실기는 이 책을 이용해서 공부하는 것이 좋을 것 같습니다. (개인적인 생각입니다.)&lt;/p&gt;&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;br&gt;제 총 공부시간은 15시간 정도 되는 것 같습니다. 시간 되는 주말마다 간헐적으로 공부하다가, 마지막 2주의 주말 동안만 열심히 공부한 느낌입니다. (&lt;s&gt;띄엄띄엄 공부하다보니 공부할 때마다 새로운 느낌이..&lt;/s&gt;) 차라리 시험 1~2주 전에 빡시게 하는 게 나을 것 같습니다..&lt;br&gt;&amp;nbsp;&lt;/p&gt;&lt;p data-ke-size=&quot;size14&quot;&gt;추가) 제 점수를 보니 안정적으로 합격하려면 조금 더 열심히 하는 편이 좋을 것 같습니다.&lt;/p&gt;&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;/p&gt;&lt;h4 data-ke-size=&quot;size20&quot;&gt;시험 결과&lt;/h4&gt;&lt;figure class=&quot;imageblock alignCenter&quot; data-ke-mobileStyle=&quot;widthOrigin&quot; data-origin-width=&quot;1148&quot; data-origin-height=&quot;376&quot;&gt;&lt;span data-url=&quot;https://blog.kakaocdn.net/dn/Qcp3v/btrTQhgAke6/2cPKm3fSJNwGhGruigm9ok/img.png&quot; data-phocus=&quot;https://blog.kakaocdn.net/dn/Qcp3v/btrTQhgAke6/2cPKm3fSJNwGhGruigm9ok/img.png&quot;&gt;&lt;img src=&quot;https://blog.kakaocdn.net/dn/Qcp3v/btrTQhgAke6/2cPKm3fSJNwGhGruigm9ok/img.png&quot; srcset=&quot;https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&amp;fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FQcp3v%2FbtrTQhgAke6%2F2cPKm3fSJNwGhGruigm9ok%2Fimg.png&quot; onerror=&quot;this.onerror=null; this.src='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png'; this.srcset='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png';&quot; loading=&quot;lazy&quot; width=&quot;1148&quot; height=&quot;376&quot; data-origin-width=&quot;1148&quot; data-origin-height=&quot;376&quot;/&gt;&lt;/span&gt;&lt;/figure&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;br&gt;생각보다 점수가 안나왔네요.. 그래도 다행히 합격은 했습니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;단답형은 생각했던 점수였는데, 1유형과 2유형이 10점씩 감점이 되었습니다.&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;/p&gt;&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;단답형&lt;/b&gt;&lt;br&gt;딱 아는문제 5개, 모르는 문제 4개, 헷갈리는 문제 1개가 출제되었습니다. 헷갈리는 문제는 용어가 가물가물해서 적당히 적었는데 틀렸나봅니다.&lt;br&gt;&amp;nbsp;&lt;br&gt;&lt;b&gt;1유형&lt;/b&gt;&lt;br&gt;쉽다고 생각하고 풀었는데, 문제를 하나 잘 못 읽었는지, 뭔가 잘못했던건지 한 문제를 틀렸네요,, 난이도는 정말 쉽게 나왔습니다. 앞으로도 난이도가 크게 어려워질 것 같지는 않습니다. 기본적인 전처리법만 알면 해결할 수 있습니다.&amp;nbsp; &amp;nbsp;&lt;s&gt;왜, 뭘 틀린거지...&lt;/s&gt;&lt;br&gt;&amp;nbsp;&lt;br&gt;&lt;b&gt;2유형&lt;/b&gt;&lt;br&gt;분류와 회귀를 준비해갔는데, 회귀 문제가 출제되었습니다. 원래 xgboost를 사용해서 예측하려고 했는데 Warning이 떠서 그냥 RandomForest를 사용했습니다. 이 것 때문인지, 전처리를 덜해서인지 10점이 감점되었네요. 앞으로도 분류 문제 또는 회귀 문제 둘 중에 하나가 출제될 것 같으니, 두 유형에 대해 정리만 잘해가시면 충분히 점수를 획득하실 수 있을 것 같습니다.&lt;/p&gt;&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;br&gt;&amp;nbsp;&lt;br&gt;개인적으로 공부하면서 단답형 연습문제를 만들어보았습니다. 제 임의로 만든 거라 도움이 될지는 모르겠지만, 한 번 살펴보는 용도로 사용하시면 좋을 것 같습니다.&lt;br&gt;&amp;nbsp;&lt;/p&gt;&lt;blockquote data-ke-style=&quot;style2&quot;&gt;빅분기 실기 단답형 연습문제 (1) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/223&quot; target=&quot;_self&quot;&gt;&lt;span&gt;https://jooona.tistory.com/222&lt;/span&gt;&lt;/a&gt;&lt;br&gt;빅분기 실기 단답형 연습문제 (2) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/223&quot; target=&quot;_self&quot;&gt;&lt;span&gt;https://jooona.tistory.com/223&lt;/span&gt;&lt;/a&gt;&lt;br&gt;빅분기 실기 단답형 연습문제 (3) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/224&quot; target=&quot;_self&quot;&gt;&lt;span&gt;https://jooona.tistory.com/224&lt;/span&gt;&lt;/a&gt;&lt;br&gt;빅분기 실기 단답형 연습문제 (4) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/225&quot; target=&quot;_self&quot;&gt;&lt;span&gt;https://jooona.tistory.com/225&lt;/span&gt;&lt;/a&gt;&lt;br&gt;빅분기 실기 단답형 연습문제 (5) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/226&quot; target=&quot;_self&quot;&gt;&lt;span&gt;https://jooona.tistory.com/226&lt;/span&gt;&lt;/a&gt;&lt;br&gt;빅분기 실기 단답형 연습문제 (6) : &lt;a href=&quot;https://jooona.tistory.com/227&quot; target=&quot;_self&quot;&gt;&lt;span&gt;https://jooona.tistory.com/227&lt;/span&gt;&lt;/a&gt;&lt;br&gt;빅분기 실기 단답형 연습문제 (7) : &lt;a href=&quot;https://jooona.tistory.com/228&quot; target=&quot;_self&quot;&gt;&lt;span&gt;https://jooona.tistory.com/228&lt;/span&gt;&lt;/a&gt;&lt;/blockquote&gt;</description>
      <category>자격증 후기</category>
      <category>결과</category>
      <category>빅데이터 분석기사</category>
      <category>실기</category>
      <category>후기</category>
      <author>jooona</author>
      <guid isPermaLink="true">https://jooona.tistory.com/232</guid>
      <comments>https://jooona.tistory.com/232#entry232comment</comments>
      <pubDate>Sun, 20 Nov 2022 17:13:04 +0900</pubDate>
    </item>
    <item>
      <title>[VBA] 우클릭 Command Bar 메뉴 편집하기</title>
      <link>https://jooona.tistory.com/231</link>
      <description>&lt;p data-ke-size=&quot;size16&quot;&gt;엑셀뿐 아니라 많은 프로그램에서 우클릭을 통해 메뉴를 띄우고 기능을 사용할 수 있습니다. 엑셀에서는 VBA를 통해 우클릭 메뉴를 추가하고 삭제할 수 있습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&lt;b&gt;메뉴 추가하기&lt;/b&gt;&lt;b&gt;&lt;/b&gt;&lt;/h4&gt;
&lt;pre id=&quot;code_1668494958725&quot; class=&quot;vbnet&quot; data-ke-language=&quot;vbnet&quot; data-ke-type=&quot;codeblock&quot;&gt;&lt;code&gt;
Sub AddMenu()

    Dim CmdBar As CommandBar
        
    Set CmdBar = Application.CommandBars(&quot;Cell&quot;)
    
    With CmdBar.Controls.Add
    .Tag = &quot;My_Tag&quot;  '추가할 메뉴의 태그
    .Caption = &quot;추가된 메뉴&quot;  '추가할 메뉴의 이름
    .FaceId = 137  '함께 표시할 아이콘
    .OnAction = &quot;ExecuteFn&quot;  '실행할 함수
    End With

End Sub

Sub ExecuteFn()
    
    MsgBox &quot;실행되었습니다&quot;
    
End Sub&lt;/code&gt;&lt;/pre&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;위와 같이 코드를 작성하고 실행하면 다음 캡처와 같이 메뉴가 추가되며, 해당 메뉴를 클릭하면 코드에서 .OnAction 뒤에 작성한&amp;nbsp; 함수가 실행됩니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&lt;figure class=&quot;imageblock alignCenter&quot; data-ke-mobileStyle=&quot;widthOrigin&quot; data-origin-width=&quot;441&quot; data-origin-height=&quot;534&quot;&gt;&lt;span data-url=&quot;https://blog.kakaocdn.net/dn/sal5H/btrRhWenMgZ/8GQMrlBIi4fw77kbiFTqm0/img.png&quot; data-phocus=&quot;https://blog.kakaocdn.net/dn/sal5H/btrRhWenMgZ/8GQMrlBIi4fw77kbiFTqm0/img.png&quot;&gt;&lt;img src=&quot;https://blog.kakaocdn.net/dn/sal5H/btrRhWenMgZ/8GQMrlBIi4fw77kbiFTqm0/img.png&quot; srcset=&quot;https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&amp;fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2Fsal5H%2FbtrRhWenMgZ%2F8GQMrlBIi4fw77kbiFTqm0%2Fimg.png&quot; onerror=&quot;this.onerror=null; this.src='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png'; this.srcset='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png';&quot; loading=&quot;lazy&quot; width=&quot;368&quot; height=&quot;446&quot; data-origin-width=&quot;441&quot; data-origin-height=&quot;534&quot;/&gt;&lt;/span&gt;&lt;/figure&gt;
&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;가장 하단에 메뉴가 추가되는 것을 확인할 수 있습니다.&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;- 아이콘을 표시하기 위한 FaceID는 구글에 &quot;MSO image Faceid&quot;라고 검색하시면 찾아볼 수 있습니다. 제가 사용한 FaceID 링크는 아래와 같습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;a href=&quot;https://www.dropbox.com/s/7q7y7uf3tuy02uu/FaceID%20Excel%202021.pdf?dl=0&quot;&gt;https://www.dropbox.com/s/7q7y7uf3tuy02uu/FaceID%20Excel%202021.pdf?dl=0&lt;/a&gt;&lt;/p&gt;
&lt;figure id=&quot;og_1668496846218&quot; contenteditable=&quot;false&quot; data-ke-type=&quot;opengraph&quot; data-ke-align=&quot;alignCenter&quot; data-og-type=&quot;website&quot; data-og-title=&quot;FaceID Excel 2021.pdf&quot; data-og-description=&quot;Dropbox를 통해 공유함&quot; data-og-host=&quot;www.dropbox.com&quot; data-og-source-url=&quot;https://www.dropbox.com/s/7q7y7uf3tuy02uu/FaceID%20Excel%202021.pdf?dl=0&quot; data-og-url=&quot;https://www.dropbox.com/s/7q7y7uf3tuy02uu/FaceID%20Excel%202021.pdf?dl=0&amp;amp;unfurl=1&quot; data-og-image=&quot;https://scrap.kakaocdn.net/dn/h9fAx/hyQznD6wzP/8tY5WkHbIP87CtF2bfbaRk/img.png?width=1200&amp;amp;height=1552&amp;amp;face=0_0_1200_1552,https://scrap.kakaocdn.net/dn/bCQxEf/hyQzfzjHUN/bsjnWG7HYiYg51rhM6PiwK/img.png?width=1200&amp;amp;height=1552&amp;amp;face=0_0_1200_1552&quot;&gt;&lt;a href=&quot;https://www.dropbox.com/s/7q7y7uf3tuy02uu/FaceID%20Excel%202021.pdf?dl=0&quot; target=&quot;_blank&quot; rel=&quot;noopener&quot; data-source-url=&quot;https://www.dropbox.com/s/7q7y7uf3tuy02uu/FaceID%20Excel%202021.pdf?dl=0&quot;&gt;
&lt;div class=&quot;og-image&quot; style=&quot;background-image: url('https://scrap.kakaocdn.net/dn/h9fAx/hyQznD6wzP/8tY5WkHbIP87CtF2bfbaRk/img.png?width=1200&amp;amp;height=1552&amp;amp;face=0_0_1200_1552,https://scrap.kakaocdn.net/dn/bCQxEf/hyQzfzjHUN/bsjnWG7HYiYg51rhM6PiwK/img.png?width=1200&amp;amp;height=1552&amp;amp;face=0_0_1200_1552');&quot;&gt;&amp;nbsp;&lt;/div&gt;
&lt;div class=&quot;og-text&quot;&gt;
&lt;p class=&quot;og-title&quot; data-ke-size=&quot;size16&quot;&gt;FaceID Excel 2021.pdf&lt;/p&gt;
&lt;p class=&quot;og-desc&quot; data-ke-size=&quot;size16&quot;&gt;Dropbox를 통해 공유함&lt;/p&gt;
&lt;p class=&quot;og-host&quot; data-ke-size=&quot;size16&quot;&gt;www.dropbox.com&lt;/p&gt;
&lt;/div&gt;
&lt;/a&gt;&lt;/figure&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;- OnAction 뒤에 오는 함수는 반드시 Module안에 위치해야 합니다. 다른 모듈의 함수와 연결하려면 &quot;Module2.ExecuteFn&quot;과 같이 사용할 수 있습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;-&amp;nbsp; OnAction 뒤에 오는 함수에 Parameter를 전달하고 싶다면 구글에 &quot;VBA OnAction with multi parameters&quot;라고 검색하시면 쉽게 찾아보실 수 있습니다.&amp;nbsp; 저는 처음에 Stack Overflow의 다음 글을 참고했습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;a href=&quot;https://stackoverflow.com/questions/13079727/excel-vba-how-to-pass-multiple-variables-to-onaction&quot;&gt;https://stackoverflow.com/questions/13079727/excel-vba-how-to-pass-multiple-variables-to-onaction&lt;/a&gt;&lt;/p&gt;
&lt;figure id=&quot;og_1668496624986&quot; contenteditable=&quot;false&quot; data-ke-type=&quot;opengraph&quot; data-ke-align=&quot;alignCenter&quot; data-og-type=&quot;website&quot; data-og-title=&quot;Excel, VBA: How to pass multiple variables to .OnAction&quot; data-og-description=&quot;I am trying to pass multiple variables to a .OnAction call for a button. I have not been able to find answers that relate to multiple variables, and I can do it with just one variable. Here is wh...&quot; data-og-host=&quot;stackoverflow.com&quot; data-og-source-url=&quot;https://stackoverflow.com/questions/13079727/excel-vba-how-to-pass-multiple-variables-to-onaction&quot; data-og-url=&quot;https://stackoverflow.com/questions/13079727/excel-vba-how-to-pass-multiple-variables-to-onaction&quot; data-og-image=&quot;https://scrap.kakaocdn.net/dn/dyCLeg/hyQBerZTLM/lf0NQGkMcgAJaXY7J9Bekk/img.png?width=316&amp;amp;height=316&amp;amp;face=0_0_316_316&quot;&gt;&lt;a href=&quot;https://stackoverflow.com/questions/13079727/excel-vba-how-to-pass-multiple-variables-to-onaction&quot; target=&quot;_blank&quot; rel=&quot;noopener&quot; data-source-url=&quot;https://stackoverflow.com/questions/13079727/excel-vba-how-to-pass-multiple-variables-to-onaction&quot;&gt;
&lt;div class=&quot;og-image&quot; style=&quot;background-image: url('https://scrap.kakaocdn.net/dn/dyCLeg/hyQBerZTLM/lf0NQGkMcgAJaXY7J9Bekk/img.png?width=316&amp;amp;height=316&amp;amp;face=0_0_316_316');&quot;&gt;&amp;nbsp;&lt;/div&gt;
&lt;div class=&quot;og-text&quot;&gt;
&lt;p class=&quot;og-title&quot; data-ke-size=&quot;size16&quot;&gt;Excel, VBA: How to pass multiple variables to .OnAction&lt;/p&gt;
&lt;p class=&quot;og-desc&quot; data-ke-size=&quot;size16&quot;&gt;I am trying to pass multiple variables to a .OnAction call for a button. I have not been able to find answers that relate to multiple variables, and I can do it with just one variable. Here is wh...&lt;/p&gt;
&lt;p class=&quot;og-host&quot; data-ke-size=&quot;size16&quot;&gt;stackoverflow.com&lt;/p&gt;
&lt;/div&gt;
&lt;/a&gt;&lt;/figure&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&lt;b&gt;메뉴 삭제하기&lt;/b&gt;&lt;/h4&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;특정 메뉴를 삭제하고 싶은 일이 생길 수도 있겠죠? 그렇다면 위에서 메뉴를 생성할 때 사용한 tag를 통해서 특정 메뉴를 삭제할 수 있습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;pre id=&quot;code_1668495560273&quot; class=&quot;vbnet&quot; data-ke-language=&quot;vbnet&quot; data-ke-type=&quot;codeblock&quot;&gt;&lt;code&gt;
Sub DeleteFromMenu()
    Dim CmdBar As CommandBar
    Dim ctrl As CommandBarControl

    Set CmdBar = Application.CommandBars(&quot;Cell&quot;)
    
    For Each ctrl In CmdBar.Controls
        If ctrl.Tag = &quot;My_Tag&quot; Then
            ctrl.Delete
        End If
    Next ctrl
    
End Sub&lt;/code&gt;&lt;/pre&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;또는, 다음의 코드를 통해 특정 순번의 메뉴를 삭제할 수도 있습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;pre id=&quot;code_1668495907097&quot; class=&quot;vbnet&quot; data-ke-language=&quot;vbnet&quot; data-ke-type=&quot;codeblock&quot;&gt;&lt;code&gt;
Sub DeleteFromMenu2()

    Dim CmdBar As CommandBar

    Set CmdBar = Application.CommandBars(&quot;Cell&quot;)
    
    CmdBar.Controls(1).Delete

End Sub&lt;/code&gt;&lt;/pre&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;CmdBar.Controls().Delete에서 괄호 안에 있는 번호를 통해 원하는 순서의 메뉴를 삭제할 수 있습니다. 저는 1번 메뉴를 삭제했기 때문에 우클릭을 해보면 &quot;잘라내기&quot;버튼이 사라진 것을 확인할 수 있습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&lt;figure class=&quot;imageblock alignCenter&quot; data-ke-mobileStyle=&quot;widthOrigin&quot; data-origin-width=&quot;270&quot; data-origin-height=&quot;427&quot;&gt;&lt;span data-url=&quot;https://blog.kakaocdn.net/dn/coRYF0/btrReFLwZLs/4i6diSlXLfisJwaq4eht6k/img.png&quot; data-phocus=&quot;https://blog.kakaocdn.net/dn/coRYF0/btrReFLwZLs/4i6diSlXLfisJwaq4eht6k/img.png&quot;&gt;&lt;img src=&quot;https://blog.kakaocdn.net/dn/coRYF0/btrReFLwZLs/4i6diSlXLfisJwaq4eht6k/img.png&quot; srcset=&quot;https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&amp;fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FcoRYF0%2FbtrReFLwZLs%2F4i6diSlXLfisJwaq4eht6k%2Fimg.png&quot; onerror=&quot;this.onerror=null; this.src='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png'; this.srcset='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png';&quot; loading=&quot;lazy&quot; width=&quot;270&quot; height=&quot;427&quot; data-origin-width=&quot;270&quot; data-origin-height=&quot;427&quot;/&gt;&lt;/span&gt;&lt;/figure&gt;
&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&lt;b&gt;메뉴 리셋하기&lt;/b&gt;&lt;/h4&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;메뉴를 추가 또는 삭제하다가 실수하는 경우, 필수적인 기능이 삭제되는 등 의도치 않게 귀찮은 상황이 발생할 수 있습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;다음의 코드를 통해 메뉴를 초기 상태로 리셋할 수 있습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;pre id=&quot;code_1668496144610&quot; class=&quot;vbnet&quot; data-ke-language=&quot;vbnet&quot; data-ke-type=&quot;codeblock&quot;&gt;&lt;code&gt;Sub ResetMenu()

    Dim CmdBar As CommandBar
    Set CmdBar = Application.CommandBars(&quot;Cell&quot;)

    CmdBar.Reset

End Sub&lt;/code&gt;&lt;/pre&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;</description>
      <category>프로젝트 및 실습/VBA</category>
      <category>Commandbar</category>
      <category>Excel</category>
      <category>Menu</category>
      <category>vba</category>
      <author>jooona</author>
      <guid isPermaLink="true">https://jooona.tistory.com/231</guid>
      <comments>https://jooona.tistory.com/231#entry231comment</comments>
      <pubDate>Tue, 15 Nov 2022 19:09:45 +0900</pubDate>
    </item>
    <item>
      <title>[빅데이터 분석기사] 정확도, 정밀도, 재현율, F1 Score 구하기</title>
      <link>https://jooona.tistory.com/230</link>
      <description>&lt;p data-ke-size=&quot;size16&quot;&gt;빅데이터 분석기사 예상문제로 꼭 등장하는 정확도, 재현율, 정밀도, F1 Score를 구하는 방법을 알아보도록 하겠습니다.&lt;/p&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&amp;nbsp;&lt;/h4&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;우선 정확도, 재현율, 정밀도, F1 Score를 구하기 위해서는 각각이 어떤 의미를 가지는 지 알아야겠죠?&lt;br /&gt;&lt;br /&gt;머신 러닝 학습 후 테스트를 진행했다고 가정해 보겠습니다.&lt;br /&gt;테스트의 결과로 다음과 같은 표를 얻을 수 있습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;table style=&quot;border-collapse: collapse; width: 81.5098%; height: 72px;&quot; border=&quot;1&quot; data-ke-align=&quot;alignLeft&quot;&gt;
&lt;tbody&gt;
&lt;tr style=&quot;height: 21px;&quot;&gt;
&lt;td style=&quot;width: 18.1395%; height: 21px;&quot;&gt;&amp;nbsp;&lt;/td&gt;
&lt;td style=&quot;width: 18.1396%; height: 21px;&quot;&gt;&amp;nbsp;&lt;/td&gt;
&lt;td style=&quot;width: 44.6342%; height: 21px;&quot; colspan=&quot;2&quot;&gt;&lt;b&gt;실제 정답&lt;/b&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 18.1395%; height: 17px;&quot;&gt;&amp;nbsp;&lt;/td&gt;
&lt;td style=&quot;width: 18.1396%; height: 17px;&quot;&gt;&amp;nbsp;&lt;/td&gt;
&lt;td style=&quot;width: 21.7669%; height: 17px;&quot;&gt;True&lt;/td&gt;
&lt;td style=&quot;width: 22.8673%; height: 17px;&quot;&gt;False&lt;/td&gt;
&lt;/tr&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 18.1395%; height: 34px;&quot; rowspan=&quot;2&quot;&gt;&lt;b&gt;분류 결과&lt;/b&gt;&lt;/td&gt;
&lt;td style=&quot;width: 18.1396%; height: 17px;&quot;&gt;True&lt;/td&gt;
&lt;td style=&quot;width: 21.7669%; height: 17px;&quot;&gt;&lt;span style=&quot;background-color: #99cefa;&quot;&gt;&lt;b&gt;True Positive (TP)&lt;/b&gt;&lt;/span&gt;&lt;/td&gt;
&lt;td style=&quot;width: 22.8673%; height: 17px;&quot;&gt;&lt;span style=&quot;background-color: #f6e199;&quot;&gt;&lt;b&gt;False Positive (FP)&lt;/b&gt;&lt;/span&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 18.1396%; height: 17px;&quot;&gt;False&lt;/td&gt;
&lt;td style=&quot;width: 21.7669%; height: 17px;&quot;&gt;&lt;span style=&quot;background-color: #f6e199;&quot;&gt;&lt;b&gt;False Negative (FN)&lt;/b&gt;&lt;/span&gt;&lt;/td&gt;
&lt;td style=&quot;width: 22.8673%; height: 17px;&quot;&gt;&lt;span style=&quot;background-color: #99cefa;&quot;&gt;&lt;b&gt;True Negative (TN)&lt;/b&gt;&lt;/span&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;br /&gt;True Positive(TP): 모델이 True라고 예측했고, 실제로도 True인 경우&lt;br /&gt;True Negative(TN): 모델이 False라고 예측했고, 실제로도 False인 경우&lt;br /&gt;False Positive(FP): 모델이 True라고 예측했지만, 실제로는 False인 경우&lt;br /&gt;False Negative(FN): 모델이 False라고 예측했지만, 실제로는 True인 경우&lt;br /&gt;&lt;br /&gt;이 아래로는 편의상 괄호 안에 있는 약자로 표기하겠습니다. &lt;br /&gt;&lt;br /&gt;이 중 TP와 TN는 모델이 정답을 맞힌 것이고, FP와 FN는 모델이 정답을 맞히지 못한 경우입니다. &lt;br /&gt;&lt;br /&gt;여기서 정확도, 정밀도, 재현율, F1 Score를 구해낼 수 있습니다.&lt;/p&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&amp;nbsp;&lt;/h4&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&amp;nbsp;&lt;/h4&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&lt;b&gt;정확도&lt;/b&gt;&lt;/h4&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;정확도(Accuracy): 전체 데이터 중 올바르게 예측한 비율&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&lt;figure class=&quot;imageblock alignLeft&quot; data-ke-mobileStyle=&quot;widthOrigin&quot; data-origin-width=&quot;287&quot; data-origin-height=&quot;86&quot;&gt;&lt;span data-url=&quot;https://blog.kakaocdn.net/dn/k9EQi/btrQWYb5aoz/j0Ae8h1ZGfQQrfVIz3DHwK/img.png&quot; data-phocus=&quot;https://blog.kakaocdn.net/dn/k9EQi/btrQWYb5aoz/j0Ae8h1ZGfQQrfVIz3DHwK/img.png&quot;&gt;&lt;img src=&quot;https://blog.kakaocdn.net/dn/k9EQi/btrQWYb5aoz/j0Ae8h1ZGfQQrfVIz3DHwK/img.png&quot; srcset=&quot;https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&amp;fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2Fk9EQi%2FbtrQWYb5aoz%2Fj0Ae8h1ZGfQQrfVIz3DHwK%2Fimg.png&quot; onerror=&quot;this.onerror=null; this.src='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png'; this.srcset='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png';&quot; loading=&quot;lazy&quot; width=&quot;287&quot; height=&quot;86&quot; data-origin-width=&quot;287&quot; data-origin-height=&quot;86&quot;/&gt;&lt;/span&gt;&lt;/figure&gt;
&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&lt;b&gt;정밀도&lt;/b&gt;&lt;/h4&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;정밀도(Precision): 모델이 True라고 예측한 데이터 중 실제로 True인 비율&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&lt;figure class=&quot;imageblock alignLeft&quot; data-ke-mobileStyle=&quot;widthOrigin&quot; data-origin-width=&quot;139&quot; data-origin-height=&quot;76&quot;&gt;&lt;span data-url=&quot;https://blog.kakaocdn.net/dn/bG3xSr/btrQWXYxeD9/oOCHn97a6rXs4qOXciR3MK/img.png&quot; data-phocus=&quot;https://blog.kakaocdn.net/dn/bG3xSr/btrQWXYxeD9/oOCHn97a6rXs4qOXciR3MK/img.png&quot;&gt;&lt;img src=&quot;https://blog.kakaocdn.net/dn/bG3xSr/btrQWXYxeD9/oOCHn97a6rXs4qOXciR3MK/img.png&quot; srcset=&quot;https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&amp;fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FbG3xSr%2FbtrQWXYxeD9%2FoOCHn97a6rXs4qOXciR3MK%2Fimg.png&quot; onerror=&quot;this.onerror=null; this.src='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png'; this.srcset='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png';&quot; loading=&quot;lazy&quot; width=&quot;139&quot; height=&quot;76&quot; data-origin-width=&quot;139&quot; data-origin-height=&quot;76&quot;/&gt;&lt;/span&gt;&lt;/figure&gt;
&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&lt;b&gt;재현율&lt;/b&gt;&lt;/h4&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;재현율(Recall): 실제로 True인 데이터를 모델이 True라고 인식한 비율&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&lt;figure class=&quot;imageblock alignLeft&quot; data-ke-mobileStyle=&quot;widthOrigin&quot; data-origin-width=&quot;162&quot; data-origin-height=&quot;94&quot;&gt;&lt;span data-url=&quot;https://blog.kakaocdn.net/dn/ro9m3/btrQV0BdHfe/z6ss1q4tjoKcj4Ke2bw3F1/img.png&quot; data-phocus=&quot;https://blog.kakaocdn.net/dn/ro9m3/btrQV0BdHfe/z6ss1q4tjoKcj4Ke2bw3F1/img.png&quot;&gt;&lt;img src=&quot;https://blog.kakaocdn.net/dn/ro9m3/btrQV0BdHfe/z6ss1q4tjoKcj4Ke2bw3F1/img.png&quot; srcset=&quot;https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&amp;fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2Fro9m3%2FbtrQV0BdHfe%2Fz6ss1q4tjoKcj4Ke2bw3F1%2Fimg.png&quot; onerror=&quot;this.onerror=null; this.src='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png'; this.srcset='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png';&quot; loading=&quot;lazy&quot; width=&quot;162&quot; height=&quot;94&quot; data-origin-width=&quot;162&quot; data-origin-height=&quot;94&quot;/&gt;&lt;/span&gt;&lt;/figure&gt;
&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&lt;b&gt;F1 Score&lt;/b&gt;&lt;/h4&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;재현율과 정밀도를 이용하면 F1 Score를 얻어낼 수 있습니다. F1 Score는 재현율과 정밀도의 조화 평균으로, 값이 높을수록 좋은 모델이라고 볼 수 있습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&lt;figure class=&quot;imageblock alignLeft&quot; data-ke-mobileStyle=&quot;widthOrigin&quot; data-origin-width=&quot;332&quot; data-origin-height=&quot;84&quot;&gt;&lt;span data-url=&quot;https://blog.kakaocdn.net/dn/cUmH9i/btrQTknUgXS/Kq7OHDPd9vWBg6VWPSouuK/img.png&quot; data-phocus=&quot;https://blog.kakaocdn.net/dn/cUmH9i/btrQTknUgXS/Kq7OHDPd9vWBg6VWPSouuK/img.png&quot;&gt;&lt;img src=&quot;https://blog.kakaocdn.net/dn/cUmH9i/btrQTknUgXS/Kq7OHDPd9vWBg6VWPSouuK/img.png&quot; srcset=&quot;https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&amp;fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FcUmH9i%2FbtrQTknUgXS%2FKq7OHDPd9vWBg6VWPSouuK%2Fimg.png&quot; onerror=&quot;this.onerror=null; this.src='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png'; this.srcset='//t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png';&quot; loading=&quot;lazy&quot; width=&quot;332&quot; height=&quot;84&quot; data-origin-width=&quot;332&quot; data-origin-height=&quot;84&quot;/&gt;&lt;/span&gt;&lt;/figure&gt;
&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&amp;nbsp;&lt;/h4&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&lt;b&gt;예시&lt;/b&gt;&lt;/h4&gt;
&lt;table style=&quot;border-collapse: collapse; width: 81.5098%; height: 72px;&quot; border=&quot;1&quot; data-ke-align=&quot;alignLeft&quot;&gt;
&lt;tbody&gt;
&lt;tr style=&quot;height: 21px;&quot;&gt;
&lt;td style=&quot;width: 18.1395%; height: 21px;&quot;&gt;&amp;nbsp;&lt;/td&gt;
&lt;td style=&quot;width: 18.1396%; height: 21px;&quot;&gt;&amp;nbsp;&lt;/td&gt;
&lt;td style=&quot;width: 44.6342%; height: 21px;&quot; colspan=&quot;2&quot;&gt;&lt;b&gt;실제 정답&lt;/b&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 18.1395%; height: 17px;&quot;&gt;&amp;nbsp;&lt;/td&gt;
&lt;td style=&quot;width: 18.1396%; height: 17px;&quot;&gt;&amp;nbsp;&lt;/td&gt;
&lt;td style=&quot;width: 21.7669%; height: 17px;&quot;&gt;True&lt;/td&gt;
&lt;td style=&quot;width: 22.8673%; height: 17px;&quot;&gt;False&lt;/td&gt;
&lt;/tr&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 18.1395%; height: 34px;&quot; rowspan=&quot;2&quot;&gt;&lt;b&gt;분류 결과&lt;/b&gt;&lt;/td&gt;
&lt;td style=&quot;width: 18.1396%; height: 17px;&quot;&gt;True&lt;/td&gt;
&lt;td style=&quot;width: 21.7669%; height: 17px;&quot;&gt;40&lt;/td&gt;
&lt;td style=&quot;width: 22.8673%; height: 17px;&quot;&gt;20&lt;/td&gt;
&lt;/tr&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 18.1396%; height: 17px;&quot;&gt;False&lt;/td&gt;
&lt;td style=&quot;width: 21.7669%; height: 17px;&quot;&gt;10&lt;/td&gt;
&lt;td style=&quot;width: 22.8673%; height: 17px;&quot;&gt;30&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;br /&gt;정확도: 70 / 100 =&lt;b&gt; 0.7&lt;/b&gt;&lt;br /&gt;정밀도: 40 / 60 = &lt;b&gt;0.6&lt;/b&gt; (원래는 0.666...인데 편의상 0.6으로 하겠습니다.)&lt;br /&gt;재현율: 40 / 50 = &lt;b&gt;0.8&lt;/b&gt;&lt;br /&gt;F1 Score: &lt;b&gt;0.6857...&lt;/b&gt;&lt;/p&gt;</description>
      <category>빅데이터 분석기사</category>
      <category>F1 score</category>
      <category>빅데이터 분석기사</category>
      <category>재현율</category>
      <category>정밀도</category>
      <category>정확도</category>
      <author>jooona</author>
      <guid isPermaLink="true">https://jooona.tistory.com/230</guid>
      <comments>https://jooona.tistory.com/230#entry230comment</comments>
      <pubDate>Fri, 11 Nov 2022 19:02:11 +0900</pubDate>
    </item>
    <item>
      <title>[빅데이터 분석기사] 지지도, 신뢰도, 향상도 구하기</title>
      <link>https://jooona.tistory.com/229</link>
      <description>&lt;p data-ke-size=&quot;size16&quot;&gt;빅데이터 분석기사 예상문제로 꼭 등장하는 지지도, 신뢰도, 향상도 구하기 풀이 방법을 알아보겠습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&lt;b&gt;용어의 의미&lt;/b&gt;&lt;/h4&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;우선 각 용어의 의미부터 알아보겠습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;지지도(Support):&lt;span&gt;&lt;span&gt;&amp;nbsp;&lt;/span&gt;&lt;/span&gt;&lt;span&gt;A&lt;span&gt;&amp;nbsp;&lt;/span&gt;&lt;/span&gt;&lt;span&gt;&amp;rarr; B의 경우, 전체전체&lt;/span&gt; 거래 품목 중 A와 B를 동시에 포함하는 거래의 비율&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;신뢰도(Confidence): &lt;span&gt;A&lt;span&gt;&amp;nbsp;&lt;/span&gt;&lt;/span&gt;&amp;rarr; B의 경우, A의 거래 중 B가 포함된 거래의 비율&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;향상도(Lift): A &amp;rarr; B의 경우, B가 구매되는 경우 A와의 관계가 얼마나 고려되어 구매되는지에 대한 비율&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&lt;b&gt;구하는 방법&lt;/b&gt;&lt;/h4&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;문제를 푸는 것이 목적이니 복잡한 풀이법은 다 무시하고, 가장 쉬운 풀이법을 사용하겠습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;지지도: A와 B를 동시에 포함하는 거래 수 / 전체 거래 수&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;신뢰도: 지지도 / (A를 포함하는 거래 수 / 전체 거래 수)&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;향상도: 신뢰도 / (B를 포함하는 거래 수 / 전체 거래 수)&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&lt;b&gt;예시&lt;/b&gt;&lt;/h4&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;table style=&quot;border-collapse: collapse; width: 56.1628%; height: 136px;&quot; border=&quot;1&quot; data-ke-align=&quot;alignLeft&quot; data-ke-style=&quot;style2&quot;&gt;
&lt;tbody&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 9.26353%; height: 17px; text-align: center;&quot;&gt;&amp;nbsp;&lt;/td&gt;
&lt;td style=&quot;width: 35.2559%; height: 17px; text-align: center;&quot;&gt;&lt;b&gt;품목&lt;/b&gt;&lt;/td&gt;
&lt;td style=&quot;width: 33.7625%; height: 17px; text-align: center;&quot;&gt;&lt;b&gt;판매 수량&lt;/b&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 9.26353%; height: 17px; text-align: center;&quot;&gt;(1)&lt;/td&gt;
&lt;td style=&quot;width: 35.2559%; height: 17px; text-align: center;&quot;&gt;라면&lt;/td&gt;
&lt;td style=&quot;width: 33.7625%; height: 17px; text-align: center;&quot;&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 9.26353%; height: 17px; text-align: center;&quot;&gt;(2)&lt;/td&gt;
&lt;td style=&quot;width: 35.2559%; height: 17px; text-align: center;&quot;&gt;우유&lt;/td&gt;
&lt;td style=&quot;width: 33.7625%; height: 17px; text-align: center;&quot;&gt;25&lt;/td&gt;
&lt;/tr&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 9.26353%; height: 17px; text-align: center;&quot;&gt;(3)&lt;/td&gt;
&lt;td style=&quot;width: 35.2559%; height: 17px; text-align: center;&quot;&gt;라면, 우유&lt;/td&gt;
&lt;td style=&quot;width: 33.7625%; height: 17px; text-align: center;&quot;&gt;17&lt;/td&gt;
&lt;/tr&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 9.26353%; height: 17px; text-align: center;&quot;&gt;(4)&lt;/td&gt;
&lt;td style=&quot;width: 35.2559%; height: 17px; text-align: center;&quot;&gt;우유, 김치&lt;/td&gt;
&lt;td style=&quot;width: 33.7625%; height: 17px; text-align: center;&quot;&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 9.26353%; height: 17px; text-align: center;&quot;&gt;(5)&lt;/td&gt;
&lt;td style=&quot;width: 35.2559%; height: 17px; text-align: center;&quot;&gt;라면, 계란&lt;/td&gt;
&lt;td style=&quot;width: 33.7625%; height: 17px; text-align: center;&quot;&gt;20&lt;/td&gt;
&lt;/tr&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 9.26353%; height: 17px; text-align: center;&quot;&gt;(6)&lt;/td&gt;
&lt;td style=&quot;width: 35.2559%; height: 17px; text-align: center;&quot;&gt;라면, 우유, 계란&lt;/td&gt;
&lt;td style=&quot;width: 33.7625%; height: 17px; text-align: center;&quot;&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr style=&quot;height: 17px;&quot;&gt;
&lt;td style=&quot;width: 9.26353%; height: 17px; text-align: center;&quot;&gt;(7)&lt;/td&gt;
&lt;td style=&quot;width: 35.2559%; height: 17px; text-align: center;&quot;&gt;합계&lt;/td&gt;
&lt;td style=&quot;width: 33.7625%; height: 17px; text-align: center;&quot;&gt;100&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;문제: [라면 &amp;rarr; 우유]의 지지도, 신뢰도, 향상도를 구하시오. (소수점 셋째 자리 뒤는 버림)&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;괄호 안의 숫자는 위의 표에서 첫 열에 매겨진 숫자를 의미합니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;1. 지지도: 17(3) + 8(6) / 100(7) = &lt;b&gt;0.25&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;2. 신뢰도: 0.25(지지도) / {15(1) + 17(3) + 20(5) + 8(6) / 100(7)} = 0.25 / 0.6 = &lt;b&gt;0.41&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;3. 향상도: 0.41(신뢰도) / {25(2) + 17(3) + 15(4) + 8(6) / 100(7)} = 0.41 / 0.65 = &lt;b&gt;0.63&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;h4 data-ke-size=&quot;size20&quot;&gt;&lt;b&gt;향상도 분석&lt;/b&gt;&lt;/h4&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;추가적으로 향상도를 분석하는 법은 다음과 같습니다.&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;- A와 B의 판매가 관련이 없다면 향상도 = 1&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;- A를 샀을 때 B를 살 확률이 높아진다면 향상도 &amp;gt; 1&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;- A를 샀을 때 B를 살 확률이 낮아진다면 향상도 &amp;lt; 1&amp;nbsp;&amp;nbsp;&lt;/p&gt;</description>
      <category>빅데이터 분석기사</category>
      <category>빅데이터 분석기사</category>
      <category>신뢰도</category>
      <category>연관성 분석</category>
      <category>지지도</category>
      <category>향상도</category>
      <author>jooona</author>
      <guid isPermaLink="true">https://jooona.tistory.com/229</guid>
      <comments>https://jooona.tistory.com/229#entry229comment</comments>
      <pubDate>Fri, 4 Nov 2022 22:29:00 +0900</pubDate>
    </item>
    <item>
      <title>[빅데이터 분석기사] 빅분기 실기 단답형 연습문제 (7)</title>
      <link>https://jooona.tistory.com/228</link>
      <description>&lt;p data-ke-size=&quot;size16&quot;&gt;각 문제의 정답은 바로 문제 별로 하단에 존재하는 [더보기]를 누르시면 확인할 수 있습니다.&lt;/p&gt;
&lt;hr contenteditable=&quot;false&quot; data-ke-type=&quot;horizontalRule&quot; data-ke-style=&quot;style5&quot; /&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;1. 다차원 통계 데이터를 사람의 얼굴 이미지를 이용하여 시각적으로 표현하는 방법은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;체르노프 페이스&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;2. 지도 학습 방법 중 하나로, 서로 다른 분류에 속한 데이터 간의 간격을 최대로 하는 초평면을 찾아 데이터를 분류하는 모델은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;SVM&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;3. 표본 추출 방법 중 모집단을 여러 소군집으로 나누고, 일정 수의 소군집을 무작위로 표본 추출한 다음, 추출된 소집단 내의 구성원들을 모두 조사하는 방법은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;군집 추출법&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 층화 추출법: 모집단에서 각 계층을 고루 대표할 수 있도록 유사한 원소끼리 층을 나누어 각 층에서 무작위로 추출하는 방법.&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;4. 비정상 시계열을 정상 시계열로 바꾸기 위해 연속하는 두 항의 차를 구하는 방법을 뜻하는 용어는?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;차분(Difference)&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&amp;nbsp;&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 시계열(Time Series): 시간 순서대로 발생한 데이터의 수열&lt;/b&gt;&lt;b&gt;&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 정상성: 데이터가 정규 분포 등의 특정 분포를 따르는 것을 의미&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 2차 차분: 차분을 구한 데이터 역시 정상성이 없는 경우, 한 번 더 차분을 구하는 작업&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;5. 데이터 값에 따라 지도의 면적을 왜곡하여 데이터를 시각화하는 방법은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;카토그램&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;6. 텍스트 마이닝의 전처리 과정에서 어형이 변형된 단어로부터 접사 등을 제거하고 그 단어의 어간을 분리해내는 것을 의미하는 용어는?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;어간 추출(Stemming, 스테밍)&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;7. 모델의 성능을 평가할 때 사용하는 지표 중 하나로, 예측 값이 실제 관측 값을 얼마나 정확히 예측했는지를 행렬의 형태로 표현한 것을 뜻하는 용어는?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;혼동 행렬(Confusion Matrix)&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;8. 함수의 기울기를 구한 뒤, 경사의 반대 방향으로 계속 이동시켜 극값에 이를 때까지 반복시킴으로써 최종적으로 최소 함숫값을 갖도록 하는 독립 변수의 값을 찾는 방법을 뜻하는 용어는?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;경사 하강법(Gradient Descent)&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;9. 이상 값을 판단하기 위한 척도 중 하나로, 데이터의 4 등분한 사분위수 중 75% 지점의 값과 25% 지점의 값의 차이를 일컫는 말은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;IQR(Inter Quantile Range)&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;10. 앙상블 기법을 사용한 머신 러닝 방법 중 하나로 이전 모델의 오차를 보완하는 방향으로 다음 모델에 가중치를 적용하는 방법으로 약한 학습기들을 순차적으로 결합하여 예측 혹은 분류 성능을 높이는 방법은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;부스팅&lt;/b&gt;&lt;b&gt;&amp;nbsp;&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 배깅: 훈련 세트의 서브셋을 중복을 허용하여 무작위로 구성하여 하나의 분류기를 여러 번 학습시키는 방법&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 페이스팅: 훈련 세트의 서브셋을 중복을 허용하지 않고 무작위로 구성하여 하나의 분류기를여러 번 학습시키는 방법&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 스태킹: 개별 알고리즘으로 예측한 데이터를 최종 데이터로 만들고, 이를 기반으로 다시 예측을 수행&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;blockquote data-ke-style=&quot;style2&quot;&gt;* 연습문제 더보기&lt;br /&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (1) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/222&quot;&gt;https://jooona.tistory.com/222&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (2) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/223&quot;&gt;https://jooona.tistory.com/223&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (3) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/224&quot;&gt;https://jooona.tistory.com/224&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (4) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/225&quot;&gt;https://jooona.tistory.com/225&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (5):&amp;nbsp;&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/226&quot;&gt;https://jooona.tistory.com/226&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (6):&amp;nbsp; &lt;a href=&quot;https://jooona.tistory.com/228&quot;&gt;https://jooona.tistory.com/227&lt;/a&gt;&lt;/blockquote&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;혹시 문제 또는 정답에 수정이 필요한 내용이 있다면 댓글로 남겨주시면 감사하겠습니다!&lt;/p&gt;</description>
      <category>빅데이터 분석기사</category>
      <category>단답형</category>
      <category>빅데이터 분석기사</category>
      <category>실기</category>
      <category>연습문제</category>
      <author>jooona</author>
      <guid isPermaLink="true">https://jooona.tistory.com/228</guid>
      <comments>https://jooona.tistory.com/228#entry228comment</comments>
      <pubDate>Fri, 4 Nov 2022 20:34:05 +0900</pubDate>
    </item>
    <item>
      <title>[빅데이터 분석기사] 빅분기 실기 단답형 연습문제 (6)</title>
      <link>https://jooona.tistory.com/227</link>
      <description>&lt;p data-ke-size=&quot;size16&quot;&gt;각 문제의 정답은 바로 문제 별로 하단에 존재하는 [더보기]를 누르시면 확인할 수 있습니다.&lt;/p&gt;
&lt;hr contenteditable=&quot;false&quot; data-ke-type=&quot;horizontalRule&quot; data-ke-style=&quot;style5&quot; /&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;1. 결측값을 얻어진 자료의 평균값으로 대치하여 불완전한 자료를 완전한 자료로 만들어 분석을 진행하는 방법은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;평균 대치법&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 완전 대치법: 결측값이 포함된 행은 완전히 무시하고 분석을 진행&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 단순 확률 대치법: 평균값을 토대로 추정된 자료에 적절한 확률값을 부여하여 결측값을 대치&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 다중&amp;nbsp;대치법: 결측값을 다양한 방법으로 대치하여 만들어 낸 여러 개의 자료를 이용하여 분석&amp;nbsp;&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;2. 자바 소프트웨어 프레임워크로, 여러 대의 서버에 데이터를 저장하고 저장된 각 서버에서 동시에 데이터를 처리함으로써 대량의 자료의 분산 저장과 분석을 가능하게 하는 분산 컴퓨팅 솔루션을 뜻하는 용어는?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;하둡(Hadoop)&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 맵 리듀스: 하둡의 서브 프로젝트로써, 대용량의 데이터를 분산, 병렬 컴퓨팅 환경에서 처리하기 위해 제작된 데이터 처리 모델&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- HDFS: 하둡 파일 시스템. 하둡의 대용량 파일을 분산된 서버에 저장하고, 저장된 데이터를 빠르게 처리할 수 있게 하는 파일 시스템&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;3. 인공신경망에서 입력된 데이터의 가중 합을 출력 신호로 변환하는 함수는?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;활성화 함수&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;4. 모델이 훈련 데이터에 너무 적합한 상태가 되어 일반성이 감소되고 새로운 데이터에 대한 예측의 정확성이 떨어지는 현상은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;과대 적합(Overfitting)&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 과소 적합(Underfitting): 모델이 훈련 데이터의 규칙을 제대로 찾지 못하여 모델의 성능이 낮게 나오는 현상&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;5. 연관성 분석 시 규칙이 우연히 발생한 것인지를 판단하기 위해, 거래 간 연관성 정도를 측정하는 지표는?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;향상도(Lift)&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&amp;nbsp; &amp;nbsp;&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 지지도: A와 B를 동시에 포함하는 거래의 비율&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 신뢰도: A 거래 중 B가 포함되어 거래된 비율&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;지지도, 신뢰도, 향상도 구하기: &lt;a href=&quot;https://jooona.tistory.com/229&quot;&gt;[빅데이터 분석기사] 지지도, 신뢰도, 향상도 구하기 (tistory.com)&lt;/a&gt;&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;6. 지도 학습 알고리즘 중 하나로, 하나의 데이터가 주어졌을 때 그 주변의 데이터들을 탐색하여 가장 많은 데이터가 포함되어 있는 범주로 분류하는 방식은?&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;KNN(K-최근접 이웃)&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 유클리드 거리(Euclidean Distance): 점과 점 사이의 직선거리&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 맨해튼 거리(Manhattan Distance): 점과 점 사이의 X축, Y축을 따라 간 거리&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;7. 개체들 사이의 유사성, 비유사성을 측정하여 개체들을 2차원 공간 상에 점으로 표현하여 개체들 사이의 군집화를 시각적으로 표현할 수 있는 분석법은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;다차원 척도법(MDS, MultiDimensional Scaling)&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;8. 표준 편차를 산술 평균으로 나눈 값으로, 측정 단위가 서로 다른 자료를 비교할 때 사용하며, 상대적 산포도를 비교하는 척도는?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;변동 계수(CV, Coefficient of Variance) or 상대 표준 편차(RSD, Relative Standard Deviation)&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;9. 데이터에 관한 구조화된 데이터로, 다른 데이터를 설명해주는 데이터를 뜻하는 용어는?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;메타 데이터&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;10. 원천 데이터로부터 필요한 데이터를 추출하여 데이터 웨어하우스에 맞게 변환하여 적재하는 과정은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;ETL (Extract, Transform, Load)&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;blockquote data-ke-style=&quot;style2&quot;&gt;* 연습문제 더보기&lt;br /&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (1) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/222&quot;&gt;https://jooona.tistory.com/222&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (2) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/223&quot;&gt;https://jooona.tistory.com/223&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (3) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/224&quot;&gt;https://jooona.tistory.com/224&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (4) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/225&quot;&gt;https://jooona.tistory.com/225&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (5):&amp;nbsp; &lt;a href=&quot;https://jooona.tistory.com/227&quot;&gt;https://jooona.tistory.com/226&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (7):&amp;nbsp;&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/228&quot;&gt;https://jooona.tistory.com/228&lt;/a&gt;&lt;/blockquote&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;혹시 문제 또는 정답에 수정이 필요한 내용이 있다면 댓글로 남겨주시면 감사하겠습니다!&lt;/p&gt;</description>
      <category>빅데이터 분석기사</category>
      <category>단답형</category>
      <category>빅데이터 분석기사</category>
      <category>실기</category>
      <category>연습문제</category>
      <author>jooona</author>
      <guid isPermaLink="true">https://jooona.tistory.com/227</guid>
      <comments>https://jooona.tistory.com/227#entry227comment</comments>
      <pubDate>Fri, 4 Nov 2022 19:32:58 +0900</pubDate>
    </item>
    <item>
      <title>[빅데이터 분석기사] 빅분기 실기 단답형 연습문제 (5)</title>
      <link>https://jooona.tistory.com/226</link>
      <description>&lt;p data-ke-size=&quot;size16&quot;&gt;각 문제의 정답은 바로 문제 별로 하단에 존재하는 [더보기]를 누르시면 확인할 수 있습니다.&lt;/p&gt;
&lt;hr contenteditable=&quot;false&quot; data-ke-type=&quot;horizontalRule&quot; data-ke-style=&quot;style5&quot; /&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;1. 문제의 표현 방식에 따라 동일한 사건이나 상황임에도 불구하고 개인의 판단이나 선택이 달라질 수 있는 현상을 의미하는 용어는?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;프레이밍 효과&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;2. ROC 커브의 밑면적을 계산한 값으로, 해당 모델이 얼마나 좋은 성능을 보이는지 판단할 수 있도록 해주는 이 값의 이름은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;AUC&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- ROC 커브: 혼동 행렬(Confusion Matrix)에서 FPR과 TPR을 각각 x축, y축으로 두고 작성한 그래프&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;3. 여러 모델을 학습시켜 결합하는 방식으로, 모델 하나만으로는 원하는 성능을 낼 수 없을 때 효과적인 방법은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;앙상블&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;4. 데이터 분석 시 변수를 선택할 때, 최초 하나의 변수로부터 변수를 하나씩 추가해가며 성능 지표를 비교해나가는 방법은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;전진 선택법&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 후진 소거법: 전체 변수로부터 변수를 하나씩 제거해나가며 성능 지표를 비교&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;5. 빅데이터 조직 구조 유형 중 가장 일반적인 형태로, 별도의 분석 조직이 없고 해당 부서에서 분석을 조직하는 형태를 일컫는 말은?&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;기능 구조&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 집중 구조: 분석 업무를 별도의 분석 전담 조직에서 담당&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 분산 구조: 분석 조직 인력들을 현업 부서로 직접 배치해 분석 업무를 수행&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;6. 인공신경망을 학습시키는 가장 일반적인 방법으로, 오차를 원래 진행 방향과 반대방향으로 보내며 가중치를 업데이트해주는 방법은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;오차 역전파(Error Backpropagation)&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;7. 직무 역량 중 리더십, 책임감, 창의성 등 수치화하기 힘든 정성적 역량을 뜻하는 말은?&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;소프트 스킬&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참조&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 하드 스킬: 학위, 외국어 능력 등 수치화할 수 있는 정량적 역량&amp;nbsp;&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;8. 데이터셋에서 표기가 되지 않은 값을 일컫는 단어는?&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;결측값&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;이상값(Outlier): 정상 범주에서 크게 벗어난 값&amp;nbsp;&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;9.&amp;nbsp; 데이터 스케일링 방법 중 하나로, 데이터의 평균을 0, 분산이 1이 되도록 스케일링하는 방법은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;표준 스케일러(Standard Scaler)&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- MinMax Scaler: 데이터가 0과 1 사이에 위치하도록 스케일링&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- MaxAbs Scaler: 데이터가 -1과 1 사이에 위치하도록 스케일링&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- Roburst Scaler: 데이터의 중앙값이 0, IQE가 1이 되도록 스케일링&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 표준화(Standardization): 데이터를 공통 척도로 재배치하는 방법 (분포를 조정하여 재배치)&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 정규화(Normalization): 데이터를 공통 간격으로 재배치하는 방법 (데이터를 특정 범위 내로 재배치)&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;10. 모델 평가지표 중 정밀도(Precision)와 재현율(Recall)의 조화 평균으로, 값이 높을수록 성능이 높음을 뜻하는 이 지표의 이름은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;F1 스코어&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 정확도(Accuracy): 올바르게 예측된 데이터의 수를 전체 데이터의 수로 나눈 값&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 정밀도(Precision): 모델이 True로 예측한 데이터 중 실제로 True인 데이터의 비율 깂&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 재현율(Recall): 실제로 True인 데이터 중 모델이 True라고 예측한 데이터의 비율 값&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;F1 Score 구하기: &lt;a href=&quot;https://jooona.tistory.com/230&quot;&gt;[빅데이터 분석기사] 정확도, 정밀도, 재현율, F1 Score 구하기 (tistory.com)&lt;/a&gt;&amp;nbsp;&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;blockquote data-ke-style=&quot;style2&quot;&gt;* 연습문제 더보기&lt;br /&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (1) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/222&quot;&gt;https://jooona.tistory.com/222&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (2) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/223&quot;&gt;https://jooona.tistory.com/223&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (3) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/224&quot;&gt;https://jooona.tistory.com/224&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (4) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/226&quot;&gt;https://jooona.tistory.com/225&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (6):&amp;nbsp;&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/227&quot;&gt;https://jooona.tistory.com/227&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (7):&amp;nbsp;&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/228&quot;&gt;https://jooona.tistory.com/228&lt;/a&gt;&lt;/blockquote&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;혹시 문제 또는 정답에 수정이 필요한 내용이 있다면 댓글로 남겨주시면 감사하겠습니다!&lt;/p&gt;</description>
      <category>빅데이터 분석기사</category>
      <category>단답형</category>
      <category>빅데이터 분석기사</category>
      <category>실기</category>
      <category>연습문제</category>
      <author>jooona</author>
      <guid isPermaLink="true">https://jooona.tistory.com/226</guid>
      <comments>https://jooona.tistory.com/226#entry226comment</comments>
      <pubDate>Thu, 3 Nov 2022 21:46:03 +0900</pubDate>
    </item>
    <item>
      <title>[빅데이터 분석기사] 빅분기 실기 단답형 연습문제 (4)</title>
      <link>https://jooona.tistory.com/225</link>
      <description>&lt;p data-ke-size=&quot;size16&quot;&gt;각 문제의 정답은 바로 문제 별로 하단에 존재하는 [더보기]를 누르시면 확인할 수 있습니다.&lt;/p&gt;
&lt;hr contenteditable=&quot;false&quot; data-ke-type=&quot;horizontalRule&quot; data-ke-style=&quot;style5&quot; /&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;1. &lt;span&gt;SAS사 주도로 만들어진&lt;span&gt;&amp;nbsp;&lt;/span&gt;&lt;/span&gt;데이터 분석 방법론 중 하나로, 기술과 통계를 중심으로 제작되었으며, 5단계의 프로세스로 이루어진 방법론의 이름은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;SEMMA&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- KDD: 데이터를 중심으로 insight 발굴을 위한 절차와 단계를 정의&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- CRISP-DM: 비즈니스 이해를 바탕으로 데이터 분석 목적의 6단계로 진행&amp;nbsp;&amp;nbsp;&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;2. 초기의 데이터셋을 랜덤 하게 훈련 데이터셋과 테스트 데이터셋으로 나누어, 훈련 데이터셋을 이용해 분석 모형을 구축하고 테스트 데이터셋을 이용하여 분석 모형의 성능을 평가하는 기법은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;홀드 아웃 교차검증&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- K-Fold 교차검증: 교차 검증 방법 중 하나로, 데이터를 k개로 분할한 뒤, k-1개를 학습용 데이터로, 1개를 평가용 데이터로 사용하며, 이를 k번 반복하여 k개의 성능 지표를 얻어내는 방법&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;3. 전통적인 관계형 데이터베이스에서 벗어나 트리, 그래프 등의 다양한 방법으로 데이터를 저장하며, 고정된 스키마를 갖지 않는 데이터베이스는?&lt;br /&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt; NoSQL&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;4. 비지도 학습의 알고리즘 중 하나로, 군집의 중심을 지속적으로 업데이트해주고 군집을 새로 설정하는 사이클을 반복하면서 가장 최적의 군집을 찾아나가는, 데이터를 K 개의 군집으로 묶기 위해 사용되는 알고리즘은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;K-평균 알고리즘(K-means Clustering Alorithm)&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;5. 수집한 데이터를 다양한 각도에서 관찰하고 이해하는 과정으로,&amp;nbsp; 문제 정의 단계에서 미처 발견하지 못한 다양한 패턴을 발견하고 이를 바탕으로 기존의 가설을 수정하거나 새로운 가설을 추가할 수 있도록 하여주는 과정은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;EDA(탐색적 데이터 분석)&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;6. 머신러닝 모델에서 과대 적합을 방지하기 위하여 0부터 1 사이의 확률로 뉴런을 제거하고 학습을 진행하는 방법을 뜻하는 용어는?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;드롭아웃&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;7. 모든 개체에 대한 거리 평균을 구하면서 군집 간의 거리를 계산하는 방법으로, 계산량이 불필요하게 많아질 가능성이 존재하는 이 군집 간 거리 측정 방법의 이름은?&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;평균 연결법&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;@참고&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 최단 연결법: 두 군집 간 거리의 최솟값을 이용&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 최장 연결법: 두 군집 간 거리의 최댓값을 이용&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 중심 연결법: 두 군집 간 중심 사이 거리를 이용&lt;/b&gt;&lt;/p&gt;
&lt;p data-ke-size=&quot;size14&quot;&gt;&lt;b&gt;- 와드 연결법: 군집 내 오차 제곱합을 이용&amp;nbsp; &amp;nbsp;&amp;nbsp;&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;8. 지도 학습 시 알고리즘이 예측한 값과 실제 정답의 차이를 비교하기 위한 함수를 뜻하는 용어는?&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;손실 함수(Loss Function)&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;9. 자신에 관한 정보가 언제 누구에게 어느 범위까지 알려지고 또 이용되도록 할 것인지를 정보 주체가 스스로 결정할 수 있는 권리를 뜻하는 용어는?&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;개인정보 자기 결정권&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;10. 문자 기반의 마크업 언어로써, 데이터를 저장하고 전달할 목적으로 만들어졌으며, HTML과 달리 태그를 직접 정의할 수 있는 언어는?&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;div data-ke-type=&quot;moreLess&quot; data-text-more=&quot;더보기&quot; data-text-less=&quot;닫기&quot;&gt;&lt;a class=&quot;btn-toggle-moreless&quot;&gt;더보기&lt;/a&gt;
&lt;div class=&quot;moreless-content&quot;&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&lt;b&gt;XML&lt;/b&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;blockquote data-ke-style=&quot;style2&quot;&gt;* 연습문제 더보기&lt;br /&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (1) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/222&quot;&gt;https://jooona.tistory.com/222&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (2) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/223&quot;&gt;https://jooona.tistory.com/223&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (3) :&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/225&quot;&gt;https://jooona.tistory.com/224&lt;/a&gt;&lt;br /&gt;빅분기&amp;nbsp;실기&amp;nbsp;단답형&amp;nbsp;연습문제&amp;nbsp;(5)&amp;nbsp;:&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/226&quot;&gt;https://jooona.tistory.com/226&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (6):&amp;nbsp;&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/227&quot;&gt;https://jooona.tistory.com/227&lt;/a&gt;&lt;br /&gt;빅분기 실기 단답형 연습문제 (7):&amp;nbsp;&amp;nbsp;&lt;a href=&quot;https://jooona.tistory.com/228&quot;&gt;https://jooona.tistory.com/228&lt;/a&gt;&lt;/blockquote&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;&amp;nbsp;&lt;/p&gt;
&lt;p data-ke-size=&quot;size16&quot;&gt;혹시 문제 또는 정답에 수정이 필요한 내용이 있다면 댓글로 남겨주시면 감사하겠습니다!&lt;/p&gt;</description>
      <category>빅데이터 분석기사</category>
      <category>단답형</category>
      <category>빅데이터 분석기사</category>
      <category>실기</category>
      <category>연습문제</category>
      <author>jooona</author>
      <guid isPermaLink="true">https://jooona.tistory.com/225</guid>
      <comments>https://jooona.tistory.com/225#entry225comment</comments>
      <pubDate>Thu, 3 Nov 2022 20:55:20 +0900</pubDate>
    </item>
  </channel>
</rss>