빅데이터분석기사 합격 후기

빅데이터분석기사 합격 후기

대학원 졸업하면서 취업한다고 준비한 빅데이터분석기사 필기는 붙여놓고 취업을 안하게 되면서 묻혀놓고 있다가 2년 되면 필기합격도 날라간다해서 부랴부랴 실기 준비해서 붙었습니다. 제3유형이 생겼다는 얘기를 들었는데 자료를 나름 찾아보려 했는데 자료가 진짜 없어서 애 먹었습니다. 강의를 듣는게 최고였는데 그 내용은 아래에서 참고해주세요.

빅데이터 분석기사 자격증이란

빅데이터 분석 기사 자격증은 한국데이터산업진흥원(KDIA)에서 시행하는 자격시험으로, 빅데이터 분석 분야에서 전문적인 역량을 갖추고자 하는 사람들을 대상으로 합니다. 국가기술자격증이라는 것과 한번 따면 영구보존되는게 가장 큰 매리트입니다. 비전공자, 문과출신인 경우 난이도 때문에 기사 자격증 진입하기가 어려운데 빅데이터분석기사는 파이썬도 강의에서 배우면서 할 수 있을 정도로 간단한 내용이 많으니 가장 빨리 기사 자격증을 얻을 수 있는 루트가 될 수 있습니다.

시험 주요 내용

1. 시험 범위:
   • 데이터 수집, 전처리, 저장, 분석, 시각화 등 빅데이터 분석의 전 과정에 대한 이해가 시험 범위로 포함됩니다.
2. 시험 형식:
   • 필기 : 4과목 객관식(빅데이터 분석기획,빅데이터 탐색,빅데이터 모델링빅데이터 결과 해석)
   • 실기 : 제1유형(데이터전처리), 제2유형(분류,회귀문제풀기), 제3유형(통계모델 다루기)
3. 응시 자격:

• 다음 중 하나에 해당하는 사람
  1. 대학졸업자등 또는 졸업예정자 (전공 무관)
  2. 3년제 전문대학 졸업자등으로서 졸업 후 1년 이상 직장경력이 있는 사람 (전공, 직무분야 무관)
  3. 2년제 전문대학 졸업자등으로서 졸업 후 2년 이상 직장경력이 있는 사람 (전공, 직무분야 무관)
  4. 기사 등급 이상의 자격을 취득한 사람 (종목 무관)
  5. 기사 수준 기술훈련과정 이수자 또는 그 이수예정자 (종목 무관)
  6. 산업기사 등급 이상의 자격을 취득한 후 1년 이상 직장경력이 있는 사람 (종목, 직무분야 무관)
  7. 산업기사 수준 기술훈련과정 이수자로서 이수 후 2년 이상 직장경력이 있는 사람 (종목, 직무분야 무관)
  8. 기능사 등급 이상의 자격을 취득한 후 3년 이상 직장경력이 있는 사람 (종목, 직무분야 무관)
  9. 4년 이상 직장경력이 있는 사람 (직무분야 무관)
     ※ 졸업증명서 및 경력증명서 제출 필요

1. 합격 기준:
   • 필기 : 100점 만점중 과목당 40점 이상, 전과목 평균 60점 이상
   • 실기 : 100점 만점중 60점 이상
2. 유효 기간:
   • 필기 합격 발표일부터 2년간 필기시험 면제(2년동안 실기 응시가능 기간 지나면 필기 다시 시험)
   • 자격증 취득 후 영구

시험 경험 공유

필기는 다들 쉽다고 1달 준비하고 필기합격한 분도 계신것같은데 제가 느끼기에는 대학원에서 머신러닝을 다루고 인공지능도 배웠는데도 막상 시험준비를 하니 외울게 엄청 많았습니다. 집중해서 공부하지 않으면 실무자라도 떨어질 것 같습니다. 용어가 너무 많거든요. 개인적으로는 중요한 포인트를 잡지 못해서 독학하기에는 벅차다는 생각이 들어서

eduatoz 에서 강의를 듣고 출제포인트를 잡았습니다. 기출문제도 풀 수 있어서 좋더라고요. 제가 할 때는 5만원이었는데 지금은 6만원이네요. 아무래도 유명해지면 값을 올릴 수 밖에 없으니 도전하실분은 하루라도 빨리 도전하시길 바랍니다.

보통 강의 과정이 1달과정이 많아서 필기는 1달, 실기도 1달 준비했습니다. 처음 입문하시고 바쁘다면 넉넉히 2~3달은 잡아야할것같습니다.

 

만점을 맞기보다는 커트라인만 넘겠다는 마음으로 중요한 포인트만 확실하게 마스터하고 가면 충분히 필기는 합격할 수 있습니다. 다 보면 오히려 손해보는 느낌입니다. 저도 시험보면서 출제자가 좋아하는 내용이 확실히 있다는 느낌이 들었습니다. 데이터 전문가도 도전하실거라면 ADsP와 시험범위는 동일하니 같이 준비하는 것도 방법입니다. 유형이 조금 다를뿐입니다. eduatoz에서는 혼합과정을 다루는 강의가 따로 있습니다.

 

실기는 난이도가 사실 머신러닝을 배운 사람이라면 엄청 쉬운 편에 속합니다. 인공지능은 출제범위도 아닙니다. 분류문제 하나 풀면 되고 파이썬의 판다스만 잘 다루면 어지간하면 합격합니다. 다만, 3유형은 통계에 가깝기 때문에 따로 공부를 해주어야 합니다. 막상 공부하려고 보면 자료가 많지 않습니다.

 

파이썬을 조금 하시는 분들이라면 제1유형과 제2유형은 데이터마님 블로그에 가시면 제대로 연습할 수 있습니다. 확실히 많은 문제와 다양한 문제가 있어서 엄청난 도움이 됩니다. 오픈채팅방도 운영하고 있으니 정보수집하는데 많은 도움이 됩니다. 저도 채팅 보고 유의해야할 것들을 많이 배웠습니다.

 

사실 제1유형, 제2유형 만점받으면 제3유형 다 틀려도 합격합니다. 그런데 저는 시험에 약한 타입이라 실수할까봐 겁나기도 하고 제3유형 뭔지 궁금하기도 해서 인강을 들었습니다. 제가 보기엔 eduatoz 강의를 듣거나 인프런에서 강의를 찾으시는게 가장 저렴할 것 같습니다. eduatoz 실기 강의는 인강+보충수업으로 주말에 줌으로 보충으로 강의를 직접 해주십니다. 저는 주말에 일하는 시간과 겹쳐서 할수가 없어서 강의신청을 안했습니다. 대체강의로 인강만 있는 인프런에서 퇴근후딴짓 님의 강의를 들었습니다. 파이썬 잘 모르는 사람 위주로 해줘서 파이썬 잘 알면 지겹지만 3유형의 전반적인 내용을 볼 수 있어서 좋았습니다. 회차별 기출문제풀이도 해줍니다. 강의 덕분에 시험 때 3유형 문제보고 덜 당황했습니다.

 

이렇게 강의만 듣고 끝냈습니다. 책도 필요없네요. 강의 들으면 출제포인트랑 기출문제 다 알려주거든요. 혼자 책보고 헛물캐는것보단 나은 것 같습니다. 완벽하게 합격했습니다!

* 시험 준비 팁

• 필기는 달달 외우면 됩니다. 기출문제에서 80점정도 나온다 싶으면 괜찮은 것 같습니다. 출제자의 의도가 명확하기 때문에 기출문제를 풀다보면 감이 오실 겁니다.
• 실기는 주의할 게 많습니다. 일단 당황하지 않게 자신을 만들어야 합니다. 실기에서는 코드 자동완성이 안되기 때문에 이미 긴장상태인데 처음보는 유형이 나오면 당황합니다. 그러니 꼭 연습을 많이 하시고 가시기 바랍니다. 코드 자동완성이 안되니 파이썬의 help 사용방법을 잘 알고 가셔야 합니다. 제 3유형은 statsmodels을 쓰는데 이게 R 기반이어서 파이썬으로 help를 눌러도 메쏘드가 다 나오지 않습니다. 숨겨져 있는 메쏘드가 있는데 그걸 help로 나오게 하는 방법을 알아내던지 다 외우던지 해야합니다. 실제로 시험가서 애를 많이 먹었습니다. 갑자기 기억이 안나서 다 날릴뻔했는데 막판에 기억나서 반은 맞췄네요 ㅜ 적어도 statsmodels에서 로지스틱회귀방법이랑 선형회귀 프로세스별 코드는 다 외우고 가셔야 합니다. 제3유형은 사이킷런으로 하는게 아니니 제2유형과 겹치지 않습니다. 무조건 새로 외워야 합니다.
• 제2유형은 출제자의 의도를 잘 이해해야 하는데 제 2유형은 일반 상황과 다릅니다. 데이터를 그래프로 못 보는 상황이라서 데이터를 잘아는 상황이 아닙니다. 프로세스를 잘 아는가를 물어보는 겁니다. 그런데 모델 튜닝을 한다는 건 말도 안되는 겁니다. 데이터를 잘 알지도 못하는데 모델 튜닝이라니.... 바로 과적합에 빠집니다! 더하여, 잘 알지도 못하는 애가 자격증 시험보러 왔구나라는 생각도 덤으로 주게 됩니다. 욕심이 생겨서 과적합의 유혹에 빠질 수 있습니다. 그럼에도 모델은 최대한 건드리지 않고 데이터 분배만 잘하고 모델을 건드리지 않는게 좋습니다. 오히려 과적합 나오면서 감점이 됩니다. 30점 날라갑니다.

마치며

솔직히 말하면 따고 보니 아직은 빅데이터 시대가 막 오는 시점이라 당장 취업에 엄청난 도움이 되진 않습니다. 제 생각에는 5년정도 지나야 상황이 달라지지 않을까 싶습니다. 미래를 위해 미리 따놓거나 현지 종사자나 문과인데 기사자격증 자격요건을 만들기 위하신 분이라면 도전해보셔도 좋을 것 같습니다.

나는 취준생인데 자격증을 당장 쓰고 싶다면 분야가 인공지능이 아닌데 인공지능이 필요한 곳이 있습니다. 그쪽 분야의 지식이 있는데 빅데이터 자격증도 있다면 아무래도 메리트가 있을 것 같습니다. 인공지능을 막 필요로 하거나 빅데이터를 다룰 줄 알면 좋은 연구기관을 찾아서 뚫는 용도로 쓰면 좋지 않을까라는 생각이 듭니다. 연구기관은 항상 첨단에 다가가고 있어서 늘 실생활보다 먼저 가고 있거든요.

 

함께보면 좋은글

유명한 책 핸즈온 머신러닝(2판) 리뷰

[머신러닝] 숫자형 데이터 스케일링 방법 정리

[머신러닝] 범주형 데이터 인코딩 방법 정리