빅데이터 분석기사 | 기사 | 제4회 빅데이터분석기사(필기) | 3.7 ~ 3.14 | 3.25 | 4.9(토) | 4.29 | 5.2 ~ 5.12 |
제4회 빅데이터분석기사(실기) | 5.23 ~ 5.27 | 6.10 | 6.25(토) | 7.15 | - | ||
제5회 빅데이터분석기사(필기) | 8.29 ~ 9.2 | 9.16 | 10.1(토) | 10.21 | 10.24 ~ 11.3 | ||
제5회 빅데이터분석기사(실기) | 11.7 ~ 11.11 | 11.18 | 12.3(토) | 12.23 | - | ||
전문가 준전문가 | 제24회 데이터분석 전문가(필기) 제32회 데이터분석 준전문가 | 1.24 ~ 1.28 | 2.11 | 2.26(토) | 3.25 | - | |
제24회 데이터분석 전문가(실기) | 2.28 ~ 3.7 | 3.11 | 3.26(토) | 4.22 | 4.22 ~ 4.29 | ||
제25회 데이터분석 전문가(필기) 제33회 데이터분석 준전문가 | 4.25 ~ 4.29 | 5.6 | 5.21(토) | 6.17 | - | ||
제25회 데이터분석 전문가(실기) | 5.23 ~ 5.27 | 6.3 | 6.18(토) | 7.15 | 7.15 ~ 7.22 | ||
제26회 데이터분석 전문가(필기) 제34회 데이터분석 준전문가 | 8.1 ~ 8.5 | 8.12 | 8.28(일) | 9.23 | - | ||
제26회 데이터분석 전문가(실기) | 8.29 ~ 9.2 | 9.8 | 9.25(일) | 10.21 | 10.21 ~ 10.28 | ||
제27회 데이터분석 전문가(필기) 제35회 데이터분석 준전문가 | 10.4 ~ 10.11 | 10.14 | 10.29(토) | 11.25 | - | ||
제27회 데이터분석 전문가(실기) | 10.31 ~ 11.4 | 11.11 | 11.26(토) | 12.23 | 12.23 ~ 12.30 | ||
전문가 개발자 | 제44회 SQL 전문가/개발자 | 2.14 ~ 2.18 | 2.25 | 3.12(토) | 4.8 | 4.8 ~ 4.15 | |
제45회 SQL 전문가/개발자 | 5.2 ~ 5.9 | 5.13 | 5.28(토) | 6.24 | 6.24 ~ 7.1 | ||
제46회 SQL 전문가/개발자 | 8.8 ~ 8.12 | 8.19 | 9.4(일) | 9.30 | 9.30 ~ 10.7 | ||
제47회 SQL 전문가/개발자 | 10.11 ~ 10.17 | 10.21 | 11.5(토) | 12.2 | 12.2 ~ 12.9 | ||
전문가 준전문가 | 제55회 DA전문가 제50회 DA준전문가 | 2.21 ~ 2.25 | 3.4 | 3.19(토) | 4.15 | 4.15 ~ 4.22 | |
제56회 DA전문가 제51회 DA준전문가 | 5.9 ~ 5.13 | 5.20 | 6.4(토) | 7.1 | 7.1 ~ 7.8 | ||
제57회 DA전문가 제52회 DA준전문가 | 8.22 ~ 8.26 | 9.2 | 9.18(일) | 10.14 | 10.14 ~ 10.21 | ||
제58회 DA전문가 제53회 DA준전문가 | 10.24 ~ 10.28 | 11.4 | 11.19(토) | 12.16 | 12.16 ~ 12.23 |
데이터 사이언스란 - 0
머신러닝, AI, 데이터사이언스 공부하고 싶은데 뭔소린지 모르겠다고? 일단 들어와라 차근차근 설명해 줄테니
AdaBoost와 GBM
📖 앙상블 학습의 유형은 보팅(Voting), 배깅(Bagging), 부스팅(Boosting), 스태킹(Stacking) 등이 있습니다. 이번 포스팅에서는 부스팅 알고리즘 중 AdaBoost와 GBM에 대해 알아보고자 합니다. 우선 부스팅의 원리부터 차근차근 알아봅시
차이검정 - T 검정
📖 전체집단을 모두 조사하는것은 현실적으로 불가능함으로 적절한 표본집단을 지정하여 이 표본집단에서 평균, 표준편차와 같은 통계량을 구한 뒤 이를 통해 모집단의 모수를 추정합니다. 이 때 널리 쓰이는 통계적 검정 방법들을 딱 한 번의 정리를 통해 이해를 돕겠습니다.사람
시계열 군집
📖 시계열 데이터를 계층적, 분할적 군집화하기 위한 방법을 간단하게 코드 위주로 각각 알아봅시다. 군집화 가능한 시계열 데이터의 형태로 변환 기존 데이터는 각 컬럼이 각 집단의 시계열 정보를 가지고 있습니다. 이를 전치시켜 각 로우데이터가 각 집단 별 시계열 데이터
차원 축소 - PCA, FA
주성분 분석(PCA, Principal Component Analysis)란? 기본적으로 PCA는 선형 차원 감소 기법 (알고리즘)입니다. 고차원의 데이터일수록 표본의 밀도는 떨어지고, 높은 과대적합 위험과 계산 비용, 낮은 모델 성능 등 소위 차원의 저주 문제가 뒤
[ADP] NoSQL 정리
분산 파일 시스템데이터베이스 클러스터 NoSQL ✅Not Only SQL : 비관계형 데이터베이스 관리 시스템이지만 SQL 계열 쿼리도 사용가능.분산 데이터베이스 기술로 확장성, 가용성, 높은 성능을 제공저장되는 데이터 구조에 따라 key-value모델, Documen
[ADP] 데이터베이스 클러스터
분산 데이터 저장 기술 분산 파일 시스템 데이터베이스 클러스터 ✅ NoSQL 데이터베이스 클러스터 하나의 데이터베이스를 여러 개의 서버 상에 구축하는 것 파티셔닝과 클러스터의 효과 병렬처리 : 빠른 데이터 검색 및 처리 성능을 얻을 수 있다. 고가용성 : 파티션에