AICE (에이스)

개념 정리8 / 33

1. 01주피터 환경과 라이브러리 준비개념15 MIN

   AICE Associate 시험지의 첫 셀에서 하는 일을 정리합니다. pip 설치와 관례 별칭, 셀과 커널의 관계, ModuleNotFoundError와 NameError를 가르는 법을 코드와 연습 문제 6개로 짚습니다.

2. 02CSV·엑셀 읽기와 두 표 합치기개념13 MIN

   AICE Associate에서 파일을 읽어 DataFrame으로 만드는 자리를 정리합니다. read_csv의 encoding과 index_col, read_excel의 sheet_name, merge와 concat의 차이, to_csv 저장까지 코드와 연습 문제 7개로 짚습니다.

3. 03데이터 구성과 자료형 파악하기개념13 MIN

   AICE Associate에서 읽어 들인 표가 어떻게 생겼는지 확인하는 자리입니다. shape·head·info·dtypes·describe·nunique·value_counts가 각각 무엇을 알려 주는지와 astype으로 자료형을 바꾸는 법을 연습 문제 7개로 짚습니다.

4. 04행 고르기·조건 필터·그룹 집계개념12 MIN

   AICE Associate에서 표의 일부만 골라 내고 묶어 세는 자리입니다. loc과 iloc의 차이, 조건을 &로 잇는 불리언 인덱싱, groupby와 agg, sort_values와 pivot_table을 연습 문제 7개로 짚습니다.

5. 05결측치·중복·이상치 점검하기개념14 MIN

   AICE Associate에서 모델에 넣기 전에 표의 상태를 재는 자리입니다. isnull().sum()으로 빈 칸 세기, duplicated로 겹친 행 찾기, describe의 사분위수와 IQR 경계, boxplot으로 이상치 후보를 잡는 법을 연습 문제 7개로 짚습니다.

6. 06seaborn으로 분포와 상관 보기개념14 MIN

   AICE Associate의 시각화 문항이 요구하는 그림을 정리합니다. countplot과 histplot이 갈리는 자리, boxplot·barplot·scatterplot의 쓰임, corr과 heatmap으로 상관을 읽는 법, 한글이 깨질 때의 폰트 설정을 연습 문제 7개로 짚습니다.

7. 07결측치를 지울지 채울지 정하기개념14 MIN

   AICE Associate 전처리 과목의 첫 갈림길입니다. 결측 비율로 지울지 채울지 정하는 기준, dropna의 how·thresh·subset, fillna에 평균·중앙값·최빈값을 넣는 자리, ffill과 bfill, SimpleImputer를 연습 문제 7개로 짚습니다.

8. 08이상치 처리와 불필요한 열 정리개념14 MIN

   AICE Associate 전처리 과목에서 표를 실제로 깎는 자리입니다. IQR 경계로 clip 하기, 조건으로 행 지우기, drop으로 버릴 열 고르기, replace와 to_numeric으로 자료형 되돌리기, drop_duplicates를 연습 문제 7개로 짚습니다.

9. 09라벨 인코딩과 원핫 인코딩예정데이터 전처리
10. 10스케일링 세 가지와 fit·transform예정데이터 전처리
11. 11X·y 분리와 Train/Test 분할예정데이터 전처리
12. 12회귀와 분류를 가르고 모델 고르기예정AI 모델링
13. 13선형 회귀와 트리 기반 회귀예정AI 모델링
14. 14로지스틱 회귀·결정트리·KNN예정AI 모델링
15. 15랜덤포레스트와 부스팅 계열 모델예정AI 모델링
16. 16회귀 성능지표 MAE·RMSE·R²예정AI 모델링
17. 17혼동행렬과 정밀도·재현율·F1예정AI 모델링
18. 18케라스 Sequential로 층 쌓기예정AI 모델링
19. 19출력층·손실함수 고르기와 컴파일예정AI 모델링
20. 20fit 옵션과 콜백으로 학습 돌리기예정AI 모델링
21. 21학습 곡선 그리기와 과적합 다루기예정AI 모델링
22. 22모델 비교와 새 데이터로 예측하기예정AI 모델링
23. 23세 문항 구성과 데이터 파악하기예정Professional 공통
24. 24Tabular 회귀 문항 풀이 흐름예정Professional Tabular
25. 25Tabular 분류와 불균형 처리예정Professional Tabular
26. 26한국어 텍스트 정제와 토큰화예정Professional Text
27. 27텍스트 벡터화 세 갈래예정Professional Text
28. 28텍스트 분류 모델 학습과 평가예정Professional Text
29. 29이미지 전처리와 데이터 증강예정Professional Image
30. 30케라스로 CNN 설계하고 학습하기예정Professional Image
31. 31전이학습으로 이미지 문항 풀기예정Professional Image
32. 32문항당 60분 배분과 산출물 제출예정Professional 공통
33. 33성능 개선방안과 모델 최적화예정Professional 공통

모의고사0 / 6

개념을 다 쓴 뒤에 차례로 붙습니다.

1. 01모의고사 1회예정
2. 02모의고사 2회예정
3. 03모의고사 3회예정
4. 04모의고사 4회예정
5. 05모의고사 5회예정
6. 06모의고사 6회예정

과목 총정리4편

과목 하나를 통째로 훑는 복습 노트입니다. 위 개념 노트들이 채워질수록 시험 직전에 되짚는 자리가 됩니다.

1. AICE Associate 데이터 분석 총정리개념20 MIN

   AICE Associate 첫 영역인 데이터 분석을 시험 직전에 한 번에 훑는 총정리입니다. 환경 준비·파일 읽기·구성 파악·조건 필터·품질 점검·시각화 순서로 쓰는 pandas 코드를 붙이고 직접 만든 연습 문제 9개로 확인합니다.

2. AICE Associate 데이터 전처리 총정리개념21 MIN

   AICE Associate 전처리 영역을 시험 직전에 한 번에 훑는 총정리입니다. 결측치·이상치 처리부터 인코딩·스케일링·데이터 분할까지 쓰는 코드와 고르는 기준을 표로 갈라 두고, 직접 만든 연습 문제 10개로 확인합니다.

3. AICE Associate AI 모델링 총정리개념17 MIN

   배점이 가장 큰 AICE Associate AI 모델링 40점을 시험 직전에 한자리에서 되짚습니다. 사이킷런 모델 계열과 평가지표, 케라스 출력층·손실함수 짝을 표로 갈라 두고 직접 만든 연습 문제 6개로 확인합니다.

4. AICE Professional 세 문항 총정리개념16 MIN

   Tabular·Text·Image를 한 문항씩 받는 AICE Professional을 시험 직전에 한자리에서 되짚습니다. 문항별 풀이 흐름과 코드 틀, 시간 배분과 개선 순서를 표로 갈라 두고 연습 문제 5개로 확인합니다.