ADP기출 (17, 18, 19, 20, 21, 22, 23, 24회)

17회

출처 : https://bigdata-analyst.tistory.com/34

1. 머신러닝(data: Housing data - log1p로 정규화시킴)

• EDA, Preprocessing
• 모델링하고 예측
• 하이퍼파라미터 조절하여 오차 줄이기, 평가지표는 RMAE

2. 시계열분석 및 시각화(data: Covid19 - 일별 확진자수, 일별 완치자수로 데이터 가공 필요)

• 코로나 위험지수를 만들고, 그 위험지수에 대한 설명을 적고, 위험지수가 높은 국가들 10개를 선정해서 시각화
• 한국의 코로나 확진자 예측: 선형 시계열모델, 비선형시계열 모델 2개 만들기

3. 통계분석(data: 설문조사 - A~S까지의 그룹이 설문조사에 응답했고 중간에 반대 문항이 들어가 있음)

• 그룹별 통계치 계산
• 탐색적 요인분석을 표로 작성

 

18회

출처 : https://ysyblog.tistory.com/227

1. 분류분석, 군집분석(SOM)

2. 텍스트마이닝: 문자열 전처리, 워드클라우드

3. 시계열: 정상성 체크 및 시계열 예측

4. 잔차 분석

 

19회

출처 : https://ysyblog.tistory.com/227

1. 기계학습(data: credit 데이터 - 고객 이탈 여부 분류하는 문제, 독립변수는 성별, 나이, 카드등급, 소득 등)

• 데이터 전처리 및 시각화: 연속형 변수와 문자로된 범주형 변수 처리
• 훈련용 데이터와 검증용 데이터를 7:3으로 분할, 분류 분석 3개 실시, 혼동행렬 만들기
• 위의 분류 분석 3개를 앙상블하여 별도로 주어지는 credit test.cssv파일의 credit을 예측하고 result.csv로 제출

2. 통계분석(data: Traffic EPS 시계열 분석 - 매년 분기별로 작성된 20년치 데이터)

• 시계열 데이터의 정규성과 이분산성을 설명하기 위한 시각화
• 데이터가 정규성이 아니라면 고정 시계열이 있는지 확인하고 이를 처리
• SARIMA 분석을 통해 여러 파라미터를 적용해보고 가장 성능이 좋은 것을 제시
• 위 모델의 잔차와 잡음 시각화 및 분석

 

20회

출처 : https://ysyblog.tistory.com/227

1. 시계열분석(data: 1년 간의 온도 데이터; 년월일, 실제온도, 지연값1, 지연값2, 친구의 예측값, 예측최소값, 예측값, 예측최대값 등 포함)

• 데이터 전처리: 필요없는 열처리, 데이터 전처리 증명, train/test set 나눌 방법 설명
• 랜덤포레스트로 검증 및 분석: 예측한계선 설정하는 방법 설명, 파라미터 조정을 통해 성능 강화, 컬럼별 중요도 시각화
• SVM으로 검증 및 분석: 예측한계선 설정하는 방법 설명,  파라미터 조정하여 성능 강화, 컬럼별 중요도 시각화
• 두 모델의 장단점 설명, 어느 모델이 더 좋은지 선택 및 설명, 선택한 모델의 한계점 및 해결방법

2. 군집분석(data: 가구별 15분 단위의 전력사용량; 년월일, 시간, 가구코드, 전력사용량 등 포함)

• 가구별, 15분 단위 전력 사용량의 합을 구하고, 이 데이터를 군집화하여 표 완성시키기 (가구코드, Date, 전력사용량의합, Cluster)
• 히트맵으로 시각화: 그룹별로 15분마다 전력 사용량을 요일별로 평균낸 것을 시각화

3. 회귀분석

• train/test 7:3 분할 및 검증 후 R2 score, RMSE, 정확도(공식 주어짐) 지표 계산

 

21회

출처 : https://cafe.naver.com/sqlpd/21090

1. 머신러닝 (data: 학생 성적데이터: 독립변수 - school, sex, paid, activities, famrel, freetime, goout, dalc, walc, health, absences, 타겟변수 - grade)

• 시각화 포함 탐색적 자료분석
• 결측치 식별 및 결측치를 예측하는 방법 2가지 쓰고, 선택한 이유를 설명
• 범주형 변수 인코딩이 필요한 경우를 식별하고, 변환을 적용하고, 선택한 이유를 설명
• 데이터 분할 방법을 2가지 쓰고 적절한 데이터 분할을 적용. 선택한 이유를 설명
• svm, xgboost, randomforest 3개 알고리즘의 공통점을 쓰고, 예측 분석에 적합한 알고리즘인지 설명
• 3가지 방법으로 모두 모델링 해보고 가장 적합한 알고리즘 선택하고 이유 설명. 한계점 설명하고 보완 가능한 부분 설명. 현업에서 사용시 주의할 점 등에 대해 기술.

2. 머신러닝 (data: 연속형 독립변수 여러개의 소규모 데이터. 변수명은 순서대로 x1~x10 이라 의미 없음)

• 데이터 8:2로 분할하고 선형회귀 적용. 결정계수와 rmse 구하기.
• 데이터 8:2로 분할하고 릿지 회귀 적용. alpha 값을 0부터 1까지 0.1단위로 모두 탐색해서 결정계수가 가장 높을 때의 알파를 찾고, 해당 알파로 다시 모델을 학습해서 결정계수와 rmse를 계산
• 데이터 8:2로 분할하고 라쏘 회귀 적용. alpha 값을 0부터 1까지 0.1단위로 모두 탐색해서 결정계수가 가장 높을 때의 알파를 찾고, 해당 알파로 다시 모델을 학습해서 결정계수와 rmse를 계산

3. 시각화 (data: 독립변수 하나 종속변수 하나 소규모 데이터)

•  다항 회귀를 3차까지 적용하고 각 차수별 스캐터 플롯과 계수와 회귀선 그리기

4. 통계분석:

•  이원분산분석을 수행하고 통계표 작성
•  변수 3개(하나는 abcde 각각을 값으로 갖는 범주형 변수, 나머지 두 개는 수치형 연속변수)

 

22회

출처 : https://ysjang0926.github.io/data/2021/09/22/ADP-22-comments/

1. 머신러닝 (data: Pima Indian Diabetes)

• 탐색적 데이터 분석: 결측치 확인, 히스토그램/박스플롯/페어플롯, 타겟변수 분포 그래프의 불균형 확인, 변수 전체의 상관관계, 이상치 처리 방안 제시, 위의 전처리 단계에서 얻은 향수 분석 시 고려사항 작성
• 클래스 불균형 처리: 오버샘플링, 언더샘플링 과정 설명하고 결과 작성, 둘 중 선택하고 그 이유 설명
• 모델링: 최소 3개 이상 알고리즘 제시하고 정확도 측면의 모델 1개와 속도 측면의 모델 1개를 구현, 모델 비교하고 결과 설명, 속도 개선을 위한 차원 축소 설명하고 수행, 성능과 속도 비교하여 결과 작성

2. 통계분석 (data: 금속 성분 함유량 데이터)

• 제품에 금속 재질 함유량의 분산이 1.3을 넘으면 불량이라고 보는데 제조사별로 차이가 남. 분산 검정 수행. 유의확률 0.05
• 불량률 관리도에 따른 관리 중심선, 관리 상한선, 하한선 구하기 (각 공식 있음), 관리도 시각화

3. 데이터 없음

• 표에 제품 1, 2를 만드는데 재료 a, b, c가 사용됨. 제품 1, 2는 각각 12만원, 18만원. 재료는 한정적일 때 최대 수익을 낼 수 있을 제품 1과 제품2의 개수 구하기

4. 데이터 없음

• 상품 a와 b가 있을 때 구매 패턴이 aa bb aaaa bbbb a b 등으로 나타날 때 두 상품의 연관성 유무를 검정할 것

 

23회

출처 : https://cafe.naver.com/sqlpd/28193

1. 머신러닝 (data: 객실 사용 여부 관련 데이터, 독립변수는 온두, 습도, CO2, 빛, 총 290개 가량의 관측치)

• 분류문제, class 불균형 데이터로 0이 12%, 1이 88%로 구성
• 데이터 탐색하고 탐색 결과 제시
• 결측치 탐색하고 대체 방법 및 근거 제시
• 추가적으로 데이터 질을 향상시킬만한 내용 작성 (구현 없이 설명만해도 됨)
• 데이터 불균형을 시각화하여 식별하고 불균형 판단근거 작성
• 오버샘플링 기법 설명하고 비교한 뒤 2개 기법 선정 및 근거제시
• 선정한 이유 작성하고, 원데이터 포함 3개 데이터 세트 구성
• 오버샘플링 데이터와 원데이터 사용하여 정확도 측면 모델 하나 속도 측면 모델 하나 선정
• 선정한 이유 작성
• 원 데이터와 오버샘플링 데이터를 가지고 각각 분류하여 오버샘플링이 성능에 미친 영향에 대해 작성

2. 통계분석

• 공장에서는 진공관 수명이 1만 시간이라고 주장하여 품질관리팀에서 12개 샘플을 뽑았음 유의수준 5%에서 부호 검정하시오
  • 1. 연구가설 귀무가설 작성(5)
  • 2. 유효한 샘플의 수를 계산(5)
  • 3. 검정통계량 및 연구가설 채택 여부 작성(5)
• 코로나 시계열 데이터 5만 관측치 가량, 날짜, 코로나 누적확진자 등 변수 3개
  • 1. ACF 사용해서 distance 계산 (10)
  • 2 계층적 군집 분석을 위해 덴드로그램 작성 (10)
• 사회과학 자연과학 공학 세개 학과의 평점 조사표: 3.5-4.5, 2.5-3.5, 1.5-2.5 3개 점수구간이 row index이며 학과가 컬럼이고 값으로는 사람 수가 들어가있음. 학과와 성적이 관계있는지 검정하시오
  • 연구가설 귀무가설 작성(5)
  • 학과와 성적이 독립일 때 기댓값 구하시오(5)
  • 검정통계량 구하고 연구가설 채택여부 작성(5)

 

24회

출처 : https://lovelydiary.tistory.com/433

1. 머신러닝 (data: 학생 결석일수 관련 데이터, 독립변수 12개 - 성별, 나이, 부모와 같이 사는지 여부, 아버지 학력, 어머니 학력, 보호자, 집학교 거리, 공부 시간, F학점 맞은 횟수, 가족 관계, 여가시간, 총 395개의 관측치) -50점

• 시각화 포함하여 탐색적 분석하기
• 시각화 포함하여 전처리 하기
• 이밖에 추가할 수 있는 전처리를 하고, 그 이유와 기대효과를 쓰기
• 해당 데이터셋에서 학생결석 일수를 예측하는데에 적용 가능한 알고리즘 3개를 언급하고 그 중 2개를 선택하고, 그 이유를 설명하기
• 해당 모델에 성능 평가 지표를 뭘로 쓸건지 그 이유를 설명하기
• 선정한 2개 알고리즘으로 실제 코딩한 후 성능 평가를 통해 비교하고 설명하기 (시각화 포함)
• 실제로 사용가능한 모델인지 설명
• 다양한 환경에서 적용할 수 있는 방안 설명
• 추가적으로 모델 개선할 수 있는 방안 설명

2. 통계분석 - 50점

• 광고비(범주형 변수, 높음과 낮음으로 적혀있음), 연구개발비(수치형 변수, 수치 적혀있음), 판매액(수치형 변수, 수치 적혀있음), 전체 관측치는 10개로 소규모 데이터. 광고비와 연구개발비가 독립변수, 판매액이 종속변수.
  • 광고비를 가변수화해서 다중선형회귀방정식을 만들고 회귀계수를 검정하기
  • 회귀 모형을 검정하기
• A생산라인의 제품 평균은 5.7mm이고 표준편차는 0.03, B생산라인의 제품 평균은 5.6mm이고 표준편차는 0.04라면 5%유의수준으로 두 제품의 평균이 차이가 있는지 여부를 검정하기 (Z통계량도 제공 - Z(0.05) = 1.65, 위의 구체적인 숫자는 실제 시험 때 숫자랑 정확하게 맞지는 않음)
  • 귀무가설과 대립가설 세우기
  • 두 평균이 차이가 있는지 검정 하기 
• 베이지안 분류 문제 - 바이러스 감염 분류표를 보고 베이지안 분류 방법을 사용해 양성으로 예측된 사람이 실제로 양성일 확률을 구하는 문제
  • 수치는 실제 시험과 다를 수 있음

  

• 9개 정도의 숫자 표본에 대해 단일표본 T검증을 진행하여 아래 내용을 구하기
  
  • 위 표본의 평균에 대한 신뢰구간 구하기
  • 과거에 해당 표본의 모집단의 표준편차가 0.4일 때 표본 평균에 대한 신뢰구간 구하기

 

 

 

삭제될 것을 대비해 정리해 놓은 기출문제. 아래의 블로그에 잘 정리가 되어있다.

총 출처 : https://lovelydiary.tistory.com/381