제11회 빅데이터 분석기사 실기 시험 후기

아래글에서 필기 본 이후로 원래는 바로 실기도 보려고했으나... 그 당시 대학원 연구 이슈로 바빴기 때문에

11회로 거의 연말 되기 직전에 시험을 치렀다.

 

제 10회 빅데이터 분석기사 필기시험 후기

 

근데 집에서 가까운 곳 신청하려면 바로바로 시험 접수를 해야할 듯 싶다...ㅠㅠ

모르고 있다가 마감 직전에 신청했는데, 집근처는 다 접수 마감되어 조금 멀리 있는 곳으로 갔다

그래도 나름 그렇게 멀지는 않아서 다행이였다(대중교통타고 약 1시간정도 소요)

 

 

 

 

 

 

1. 학습 방법

참고로 저는 전공은 생명공학과, 대학원은 의료정보학 재학중임 (비전공자라고 말하기가 애매한 부분).

• 실기 학습 기간: 일주일, 자기전에 1~2시간 정도 진행함
• 참고 교재 : 이기적 빅분기 2026 (내돈내산)
• 실습 프로그램: Colab

학습: 교재에서 제공하는 연습 문제를 위주로 풀고 모르는 함수를 교재 혹은 인터넷에서 검색하며 정리해보는 방식을 활용함

 

오답노트 정리: Notion 에서 오답노트를 만들었음(코드 정리할 수 있어서 편함). 시험장에서는 손코딩해야하기 때문에 사실상 패키지 import 하고 함수 코드를 외우는게 중요해서 암기해 가야할 코드들만 정리해서 시험장에서도 눈으로 슥슥 보고 시험봤음

 

 

2. 유형별 시험 후기 및 꿀팁 정리

유형	후기 및 꿀팁(?)
1유형	Groupby로 처리할 수 있는 문제들이 많음. 대부분은 문제들은 csv파일안에서 진행하기 때문에 Pandas의 데이터프레임 처리 함수를 많이 외워가는게 중요할 것 같습니다 그외에 문자열 처리 함수나 Datetime 처리하는 방법정도만 알고가면 좋을 듯 싶습니다.
2유형	머신러닝 모델링을 한번 해서 예측 결과랑 성능까지 뽑는게 중요할 것 같습니다. 1. 데이터 전처리(One-hot-encoding, Scaler 등)  2. 훈련, 테스트 분할(Train_test_split, KFold 등) 3. 머신러닝 모델(Random Forest가 국룰인거 아시죠..?) 4. 하이퍼파라미터 최적화(GridSearchCV, RandomSearchCV 등) 5. 모델 성능 확인(분류: AUROC, F1-score 등, 회귀: MAE, RMSE, MSE 등) 하이퍼파라미터 최적화에서는 Grid를 직접 설정해야하기 때문에 몇가지 하이퍼파라미터 설정은 외워가도 좋을 것 같습니다.
3유형	제가 본 시험에서는 모델 적합하는 문제가 나왔어요 statmodels을 활용해서 선형 회귀 혹은 로지스틱 회귀 모델 적합해서 결과값을 뽑는 게 중요한 것 같아요 그외에 T 검정, 카이제곱, 상관관계 분석도 자주 나오는 문제입니다.

 

그래도 2년동안 대학원에서 배워온게 있어서 그런지 실기까지 합격했다....!! (10점이 아쉽긴하다)

 

느낀점: 머신러닝이나 데이터 분석가, 사이언티스트 등을 희망한다면 기본기 공부할겸 자격증 준비해보면 좋을 것 같다는 생각이 들었다(탄탄한 기본기 갖추기 느낌).

 

빅분기 보는 사람들 모두 화이팅!!