데이터분석가 기술블로그

PMBOK 6판 기준 10대 프로젝트 관리 지식 영역

PMBOK 6판 기준 10대 프로젝트 관리 지식 영역 1. 프로젝트 통합 관리 (Integration Management) • 프로젝트의 다양한 요소와 프로세스를 통합하여 일관성 있게 관리. 2. 프로젝트 범위 관리 (Scope Management) • 프로젝트의 목표·작업 범위를 정의하고 통제. 3. 프로젝트 일정 관리 (Schedule Management, 예전명: Time Management) • 작업 일정 수립, 활동의 진행·통제. 4. 프로젝트 원가 관리 (Cost Management) • 예산 산정, 예산 집행·통제. 5. 프로젝트 품질 관리 (Quality Management) • 요구 품질을 만족시키기 위해 품질 기준 수립 및 관리. 6. 프로젝트 자원 관리 (Resource Managem..

건설사업관리는 건설 프로젝트의 기획, 설계, 시공, 유지관리 등 전 과정에 걸쳐 발주자의 이익을 대변하여 사업을 관리하는 것을 말하며,건설사업관리(CM)의 대상 공사는 다음과 같은 경우에 해당됩니다.주요 건설사업관리 대상 공사 * 총공사비 200억원 이상인 건설공사 : 일반적으로 총공사비가 큰 대규모 공사가 대상이 됩니다. (단, 단순·반복적인 공사는 제외될 수 있습니다.) * 길이 100미터 이상의 교량 공사 또는 터널 공사 : 특정 구조물이 포함된 공사 중 규모가 큰 경우. * 공항, 댐, 고속도로, 철도, 지하철, 발전소, 폐기물처리시설, 공공하수처리시설 등 특정 시설물 건설 공사 : 공공성이 높거나 기술적인 난이도가 높은 시설물 건설이 해당됩니다. * 연면적 5천제곱미터 이상인 공용청사 건설 공사..

이것만은 알고가자~범주형 자료 분석분할표 분석: 데이터 간의 관계를 교차표로 나타냄.카이제곱 검정: 독립성 검정, 동질성 검정에 사용.피셔 정확 검정: 작은 표본에서 독립성 검정을 수행.로지스틱 회귀분석: 범주형 종속변수와 연속형 독립변수 간의 관계를 분석다변량 분석상관관계 분석: 피어슨 상관계수, 스피어만 상관계수 등.주성분분석(PCA): 차원 축소를 통해 데이터의 주요 패턴을 파악.다차원 척도법(MDS): 데이터 간의 유사성을 시각화시계열 분석데이터의 시간적 변화를 연구하며 정상성과 비정상성을 판단.ARIMA, SARIMA 모델을 사용하여 예측 수행베이지안 기법조건부 확률 및 베이즈 정리를 기반으로 한 확률적 모델링.불확실성이 높은 상황에서 의사결정을 지원비정형 데이터 분석텍스트, 이미지, 소셜 미디..

1. 가설검정 (Hypothesis Testing)출제빈도: ★★★★★ (매우 자주 출제됨)핵심 개념: 모집단의 특성을 표본을 통해 검정하는 방법(1) 기본 개념귀무가설 (H0) vs 대립가설 (H1)H1H_1H0H_01종 오류 (Type I Error) & 2종 오류 (Type II Error)유의수준 (α)과 검정력 (Power)α\alpha(2) 주요 가설검정 기법단일표본 Z-검정: 모집단의 평균이 특정 값과 같은지 검정단일표본 t-검정: 모집단의 분산이 알려지지 않았을 때 평균 검정독립표본 t-검정: 두 모집단의 평균 차이 검정대응표본 t-검정: 같은 집단의 전후 비교 (Before-After)카이제곱 검정: 범주형 변수 간 독립성 검정2. 신뢰구간 (Confidence Interval)출제빈도:..

1과목: 빅데이터 분석기획① 빅데이터의 정의와 특징 (3V → 5V)3VVolume(규모): 데이터의 크기Variety(다양성): 정형, 비정형, 반정형 데이터Velocity(속도): 빠르게 생성되고 처리되는 데이터추가된 특성(5V): Veracity(신뢰성), Value(가치)암기 TIP: "빅데이터는 크고(Volume), 다양하며(Variety), 빠르고(Velocity), 신뢰할 수 있어야(Veracity), 가치(Value)를 창출한다."데이터 분석 프로세스(CRISP-DM) 6단계비즈니스 이해 → 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 배포암기 TIP: "비데준 모평배" (비즈니스 이해→데이터 이해→준비→모델링→평가→배포)빅데이터 기술구조 및 플랫폼하둡(Hadoop): HDFS(분산..

1. 결측치 처리 문제문제:근속연수 컬럼의 결측치를 부서와 성과등급별 평균값으로 대체하고, 결측치가 채워진 후 근속연수 컬럼을 정수형으로 변환하세요.풀이:부서와 성과등급별로 그룹화하여 평균값 계산:pythongroup = df.groupby(['부서', '성과등급'])['근속연수'].mean()결측값을 그룹별 평균값으로 대체:pythonnew_work_list = [] for index, value in enumerate(df['근속연수']): if pd.isna(value): *# 결측치 확인* buseo = df['부서'].iloc[index] sunggwa = df['성과등급'].iloc[index] new_work_list.append(group.loc[(buseo, sunggwa)]) else:..

EDA를 효과적으로 훈련하기 위한 단계1. 데이터 이해 및 준비•데이터의 구조 파악: `head()`, `tail()`, `info()`, `describe()` 등을 사용해 데이터의 기본 정보를 확인합니다.•결측치 및 이상치 확인: 결측값(`isnull()`), 이상치(박스플롯 등)를 찾아내고 처리합니다.•데이터 타입 확인 및 변환: 각 열의 데이터 유형을 확인하고 필요 시 변환합니다.2. 기초 통계 분석•평균, 중앙값, 표준편차 등 주요 통계값을 계산하여 데이터 분포를 이해합니다.•속성 간 상관관계 분석: `corr()` 함수와 히트맵(Heatmap)을 사용해 변수 간 관계를 시각화합니다.3. 시각화를 통한 탐색•히스토그램, 박스플롯, 산점도 등을 활용해 데이터를 다양한 각도에서 시각화합니다.•Sea..

기본 원칙(나만의 원칙이므로 개인별로 맞는 기준을 설정하시는게 좋습니다.) 참고만 하세요.집중력 높은 오전: 사고력과 기억력이 좋은 오전 시간에 학습량이 많은 과목(빅분기, GA 강의)을 배치연계 학습: 구글 애널리틱스 강의와 빅분기 관련 개념을 선후행으로 배치해 연관 학습 강화오후 블록 학습: 피로도를 고려해 독서 및 블로그 정리를 배치휴식 & 리프레시: 집중이 필요한 학습 후 가벼운 활동(산책, 짧은 휴식) 배치시간표시간활    동07:30 - 08:00기상 & 가벼운 스트레칭08:00 - 09:00아침 식사 & 휴식 (1시간)09:00 - 11:00빅분기 시험 공부 (이론 개념 정리 & 문제풀이)11:00 - 12:00구글 애널리틱스 강의 수강 (빅분기 관련 내용 연결 학습)12:00 - 13:00..