ㅤ

식의 대입 및 곱셈공식변형

(1) (a+b)^2 (2) (a-b)^2 (3) (a+b)(a-b)

시험 후기 및 팁 1) 1과목 데이터 이해 : SQLD 로 친다면 1과목 데이터베이스 기본 지식을 묻는 수준 정도로 가볍게 나오며, DB 문제가 조금 섞여 나오니, 컴퓨터과학과를 재학중이거나 졸업한 입장에서는 쉽게 다가갈 수 있는 과목. 2) 2과목 데이터 분석 기획 : 컴퓨터과학과의 [소프트웨어 공학] 통계데이터과학의 [통계학개론] 그 외 전반적인 기본 흐름을 설명하는 과목으로써 어느 한 부분만 연관되어있지 않은 과목. 암기가 제일 많으며, 제일 어려운 편 3) 3과목 데이터 분석 : 이 과목이야말로 통계데이터과학과의 정수를 총 망라한 과목. 방송대에서 수강하고, 수강중인, 수강했던 과목 여러가지가 혼합되어있다. [R]은 통계과의 정수과목 중 하나로. 방송대에서 R을 무난하게 했다면 문제는 풀기 쉬울것..

들을 것 다 듣고 졸업하기로 바꾸되 이번학기는 통계데이터과학과에서 듣는것이 없을 예정. 빅데이터의 이해를 한번 더 들을까 생각했지만 수학 과목에 시간을 할애하기로 결정. 파이썬과 R의 경우 악명과 상관없이, 컴퓨터 과학과에서 기존 수강하여 편입된 파이썬 성적과 이번 1학기에 수강한 R이 있으므로 들은 것 치기로 결정. 통계데이터과학과의 경우 2학년 후반부터 수학적 지식에 기반하여 커리가 진행되므로, 컴퓨터과학과에서 그리고 교양에서 수학 관련 과목을 수강할 예정이다. 다만 4학년 베이즈데이터 분석은 고민해 볼 가치가 있는 듯 하다.

R 특징 : 오픈소스 프로그램, 다양한 패키지 수시 업데이트, 탁월한 그래픽 성능, 모든 운영체제 사용 가능, S 통계 언어 기반, 객체지향 언어임과 동시에 함수형 언어 기초문제풀이 각 벡터 x,y는 숫자형, 문자형이나 연산시 문자형 변환 각 벡터 길이가 다를 경우 이를 이용한 연산에는 오류가 따른다 substr, n,y = n~y 번째까지 str 연산 실행

데이터 분석 기법의 주요 종류 1) 시각화 2) 공간분석(GIS) : 공간적 차원과 관련된 속성들을 시각화, 지도 위에 관련된 속성을 표시하되 크기, 모양, 선 굵기로 구분 3) 탐색적 자료 분석(EDA) 4) 통계분석 : 기술통계와 추론 통계로 나눠짐 데이터마이닝 : 대용량의 자료로부터 정보 요약 -> 미래에 대한 예측을 목표로 관계와 패턴 및 규칙을 찾아 모형화 하는데서 이전에 알려지지 않은 새로운 지식을 추출하는 분석방법 데이터마이닝에서의 방법론 : 기계학습, 패턴인식으로 나뉨 1) 기계학습 : 인공신경망, 의사결정나무, 클러스터링, 베이지안 분류, SVM 2) 패턴인식 : 장바구니분석, 연관규칙 데이터마이닝의 활용분야 : 데이터베이스 마케팅 / 신용평가 및 조기경보시스템 / 생물정보학(유전질병진단..

마스터 플랜 수립 개요 : 전략 중요도 / 비즈니스 성과 및 ROI / 분석 과제의 실행 용이성 등을 고려해 적용 우선순위 설정 분석 구현 로드맵 수립 : 업무내재화 적용수준 / 분석데이터 적용수준 / 기술적용 수준에 따라 데이터 분석 구현을 위한 로드맵 수립 * ISP(Information Strategy Planning) : 시스템의 중장기 로드맵 정의를 위해 수행하는 정보전략계획을 의미 수행 과제 도출 및 우선순위 평가 : 1) 분석과제 도출 -> 2) 우선순위 평가 -> 3) 우선순위 정련 일반적인 IT 프로젝트의 우선순위 평가 : 1) 전략적 중요도에 따라(전략적 필요성/시급성) 2) 실행용이성(투자용이성/기술용이성) ROI 관점에서 빅데이터 핵심 특징 : 투자비용 요소(3V) + 비즈니스 효과..