ADP 필기 / 실기 준비

✔️ ADP 2019년 일정

오늘 2019년 11월 29일 기준으로
2019년에 남은 시험 일정은 12월 14일에 15회 데이터 분석 전문가 자격검정(실기) 시험만 남아있다.

(ADP 필기시험을 pass 하지 못했으므로 응시불가)
16회 ADP 필기 시험은 2020년 3월 초 중에 있을 것을 예상하고 공부를 시작한다.
필기시험은 보통 2개월 단위로 스타디를 진행하는 것 같다.
전공 분야인 분들은 1주일 안에도 합격 가능한것 같지만, 비전공자들은 필기+실기 1-2년 정도 소요되는 수준의 자격증 시험이다. (ADP 최종 합격률 10%)
2020년 1월 초에 3월 필기시험 대비 스터디를 시작한다.
만약!! 12월 24일 ADsP 시험 결과가 떨어졌을 경우, ADP와 ADsP 필기시험은 같은 날 치룬다.

그러니 ADP는 다음 6월로 필기시험이 미뤄진다.
6월 필기시험 합격을 한다는 가정 하에, 결과 발표는 2020년 7월에 난다.

그러니 2020년 시험 가능한 날이 더 늘어나지 않는 이상, ADP 실기시험은 9월에 치를 수 있을 것이다.
비전공자대상, ADP 실기 시험은 최소 6개월 - 1년 이상 공부가 소요된다는 것을 감안하고 준비 해야한다.
완전 무상관 비전공자인 나님은 2020년 12월 ADP 실기 최종 합격을 목표로 공부를 시작한다.

2019년 12월 24일 23회 ADsP 시험결과 발표
최상의 시나리오 1 , 23회 ADsP합격 ➔ 2020년 3월 초 16회 ADP 필기 ➔ 2020년 6월 말 17회 ADP 실기 합격

:: ADP 준비 6개월 만에 합격 할 가능성 거의 0%
23회 ADsP불합격 ➔ 3월초 24회 ADsP 필기 ➔ 합격 가정, 6월초 ADP필기 ➔ 필기 합격 가정, 9월초 ADP 실기 ➔ 9월 ADP 실기 불합격 ➔ 12월 ADP실기
6월 ADP필기 불합격 ➔ 9월 ADP필기 ➔ 12월 ADP실기
최종 12월 실기 합격 목표로 1년간 R 통계학습계획

위의 표는 ADsP 필기시험 출제 영역인데
ADP 필기는 ADsP에 데이터 처리 기술 이해 과목, 데이터 분석과목의 비정형 데이터 마이닝과 데이터 시각화 과목이 추가되었다.
데이터 분석과목의 비정형 데이터 마이닝의 난이도가 높을 것으로 예상된다.
특이점은 100점 만점에 서술형이 20점인데, 한 데이터셋에 딸린 서술형 문제가 6~7개 정도 되는 모양새이다.
필기는 총점 100점 기준 70점 이상이면 Pass, 실기는 총점 100점 기준 75점 이상이면 Pass 다.
ADP 실기는 데이터 분석 실무 영역에 대해 이 사람이 데이터 분석이 실제 가능한지를 검증하는 시험이다.
인터넷이 되지 않는 컴퓨터로 시험을 4시간 가량 진행하고, 오픈북 시험이다.
보고서는 PDF 형태로 제출해야 하며, 소스코드도 PDF내에 포함되어야 한다.

kick off 포함, 약 2개월
1월 초 시작 - 3월 초 예상되는 시험 대비
ADsP에 시험에 포함되지 않았던 2과목 데이터 처리 기술 이해 과목, 4과목 데이터 분석(비정형 데이터 분석), 5과목 데이터 시각화를 중점으로 시험 대비
만약, 12월 24일 23회 ADsP 필기시험이 불합격 하였어도 ADP 필기를 준비한다면 다음 시험이 대비될 것.

1) 데이터 분석 전문가 가이드

데이터 분석 전문가 가이드

2) ADP 데이터 분석 전문가 필기 (데이터 에듀)

데이터 분석 전문가 필기

비전공자 대상으로 매일 2시간 이상 공부, 최소 6개월 ~ 1년 기간 동안 스타디 예상
10% 최종 합격률을 자랑하는 ADP 자격증을 딴다면, 회사 내 승진 시 가점 적용, 7급 이상 공무원 모집에 가점 항목 등에 활용할 수 있겠다. (경력공뭔 모집은 해당 항목 경력 2-3년 등을 기본으로 하고 있다.)
우선 실전에 바로 투입해서 펄펄 날 수 있는 인력은 아닐 지언정, 가공된 데이터를 유의미한 자료로 분석 가능하다는 것을 증명하는 실기시험인 만큼 빅데이터 분석을 목표로 공부하고 있다면 도전해 볼만한 자격증이라고 생각한다.
데이터에듀 커리큘럼**에 따르면 **실기 대비 스타디의 범위는 대략 아래와 같이 않을까 예상한다.

3. Cursera - 영어 강의 무료, 자막이 있지만 허술,

[기계 학습

Coursera](https://ko.coursera.org/learn/machine-learning)

코세라 앤드류 응 - 기계학습 난이도 상 but, 유명 [<링크>](https://ko.coursera.org/learn/machine-learning)
Statistics with R 전문 분야 강의 - [<링크>](https://www.coursera.org/specializations/statistics)

4. STUDYPIE