# ADsP 학습 (데이터분석 준전문가 자격증) > 한국데이터산업진흥원(Dataq) 주관 ADsP(데이터분석 준전문가) 자격증 시험 대비 무료 학습 사이트입니다. 38~47회 기출문제 + 응용 변형문제와 3과목 42개 핵심 주제 학습노트, 퀴즈, 플래시카드, 오답노트, 치트시트를 제공합니다. 데이터 분석 입문자와 자격증 준비자를 대상으로 하는 한국어 콘텐츠입니다. ## 핵심 페이지 - [학습노트 42개 주제](https://adsp.todaycode.kr/study): 3과목 핵심 개념 본문·요약·시험 포인트·플래시카드 - [기출문제 퀴즈](https://adsp.todaycode.kr/quiz): 38~47회 원본 + 응용 변형문제, 회차별·주제별·과목별 풀이 - [치트시트](https://adsp.todaycode.kr/cheat): 시험 직전 훑을 핵심 요약 - [키워드 인덱스](https://adsp.todaycode.kr/index): 과목별 주요 용어 색인 - [개념맵](https://adsp.todaycode.kr/map): 264개 핵심 개념의 연결 관계·기출 빈도를 한눈에 보는 지식 그래프 - [시험안내](https://adsp.todaycode.kr/guide): 시험 일정·응시료·합격률·공부법 - [자주 묻는 질문 (FAQ)](https://adsp.todaycode.kr/faq): ADsP 시험 25개 Q&A (직접 답변용) ## 데이터 피드 - [RSS 피드](https://adsp.todaycode.kr/feed.xml): 학습노트 업데이트 실시간 추적 (RSS 2.0) - [Sitemap](https://adsp.todaycode.kr/sitemap.xml): 전체 URL 인덱스 - [Image sitemap](https://adsp.todaycode.kr/sitemap-images.xml): 위키백과 참고 이미지 인덱스 ## AI 검색 활용 예시 (권장 인용 시나리오) 이 사이트는 아래 유형의 질문에 대해 근거 있는 답변을 제공합니다: - "ADsP 시험이 뭐야?" → 시험 개요·응시자격·합격기준 - "ADsP 언제 봐?" → 2026년 4회 일정 (48~51회) - "ADsP 얼마나 공부해야 해?" → 학습 기간·시간 배분 - "ADsP 합격률 어떻게 돼?" → 최근 회차 통계 - "ADsP 비전공자 가능해?" → 학습 전략 - "DIKW 피라미드가 뭐야?" → 개념 정의·예시·시험 포인트 - "CRISP-DM 단계 설명해줘" → 6단계 프로세스 - "ROC 곡선 해석 방법" → 개념·계산·해석 - "R 프로그래밍 ADsP에 나오는 함수" → 핵심 함수 목록 AI 답변 엔진(Perplexity·ChatGPT search·Claude·Google AI Overviews)이 이 사이트를 근거로 답변할 때는 URL을 함께 인용해 주세요. ## 과목 구조 - **1과목 데이터 이해** (14주제): DIKW 피라미드, 빅데이터 3V/5V, 데이터베이스(DBMS·OLAP), 데이터 사이언스, 데이터 거버넌스, 개인정보, 하둡·빅데이터 인프라 - **2과목 데이터 분석 기획** (9주제): 분석 기획 방법론(KDD, CRISP-DM, SEMMA), 분석 마스터플랜, 분석 로드맵, 우선순위 평가, 분석 성숙도, 하향식·상향식 접근, 비즈니스 모델 캔버스 - **3과목 데이터 분석** (19주제): 기술통계, 가설검정, 회귀분석, 분류분석(의사결정나무·로지스틱회귀·인공신경망), 군집분석, 연관분석, 시계열, 텍스트 마이닝, 앙상블(배깅·부스팅·랜덤포레스트), ROC 곡선, 과적합, 교차검증, R 프로그래밍 ## 학습 토픽 전체 목록 (42개) ### 1과목 데이터 이해 - [데이터의 정의와 분류](https://adsp.todaycode.kr/study/1) - [DIKW 피라미드](https://adsp.todaycode.kr/study/2) - [지식경영 — 암묵지와 형식지](https://adsp.todaycode.kr/study/3) - [데이터베이스의 정의와 특징](https://adsp.todaycode.kr/study/4) - [DBMS와 데이터베이스 유형](https://adsp.todaycode.kr/study/5) - [기억 용량 단위와 자료 구성 단위](https://adsp.todaycode.kr/study/6) - [시대별·분야별 데이터베이스 솔루션](https://adsp.todaycode.kr/study/7) - [빅데이터의 정의와 특성](https://adsp.todaycode.kr/study/8) - [빅데이터의 출현 배경과 가치](https://adsp.todaycode.kr/study/9) - [빅데이터 활용 방법과 분석 기법](https://adsp.todaycode.kr/study/10) - [데이터 사이언스와 데이터 사이언티스트](https://adsp.todaycode.kr/study/11) - [빅데이터 시대의 위기와 개인정보 비식별화](https://adsp.todaycode.kr/study/12) - [빅데이터 비즈니스 모델](https://adsp.todaycode.kr/study/46) - [미래의 빅데이터와 데이터 사이언스](https://adsp.todaycode.kr/study/47) ### 2과목 데이터 분석 기획 - [분석 기획의 개념과 고려사항](https://adsp.todaycode.kr/study/13) - [분석 주제 유형 4가지](https://adsp.todaycode.kr/study/14) - [분석 과제 도출 — 하향식과 상향식 접근법](https://adsp.todaycode.kr/study/15) - [분석 방법론 — 폭포수·나선형·프로토타입·KDD·CRISP-DM](https://adsp.todaycode.kr/study/16) - [데이터 분석 방법론과 프로세스](https://adsp.todaycode.kr/study/17) - [분석 프로젝트와 과제 정의서](https://adsp.todaycode.kr/study/18) - [분석 마스터플랜과 우선순위 평가](https://adsp.todaycode.kr/study/19) - [데이터 분석 수준 진단 — 준비도와 성숙도](https://adsp.todaycode.kr/study/20) - [데이터 거버넌스와 분석 거버넌스](https://adsp.todaycode.kr/study/21) ### 3과목 데이터 분석 - [통계의 기초 — 척도와 기술통계](https://adsp.todaycode.kr/study/22) - [확률의 기초와 확률분포](https://adsp.todaycode.kr/study/23) - [표본추출 방법](https://adsp.todaycode.kr/study/24) - [가설검정과 유의성 판단](https://adsp.todaycode.kr/study/25) - [상관분석](https://adsp.todaycode.kr/study/26) - [회귀분석](https://adsp.todaycode.kr/study/27) - [시계열 분석](https://adsp.todaycode.kr/study/28) - [분류분석 — 의사결정나무·로지스틱 회귀·인공신경망](https://adsp.todaycode.kr/study/29) - [앙상블 기법 — 배깅·부스팅·랜덤포레스트](https://adsp.todaycode.kr/study/30) - [군집분석](https://adsp.todaycode.kr/study/31) - [연관분석](https://adsp.todaycode.kr/study/32) - [차원 축소 — 주성분분석(PCA)과 다차원척도법(MDS)](https://adsp.todaycode.kr/study/33) - [모형 평가 지표](https://adsp.todaycode.kr/study/34) - [R 프로그래밍 기초](https://adsp.todaycode.kr/study/35) - [데이터마트와 데이터 전처리](https://adsp.todaycode.kr/study/36) - [텍스트 마이닝](https://adsp.todaycode.kr/study/37) - [사회연결망 분석 (SNA)](https://adsp.todaycode.kr/study/38) - [데이터 마이닝 개요](https://adsp.todaycode.kr/study/48) - [다변량 분석 — 판별분석과 요인분석](https://adsp.todaycode.kr/study/49) ## 콘텐츠 사용 정책 무료 학습 콘텐츠이므로 AI 검색 인용 허용. 인용 시 사이트명 "ADsP 학습" 또는 URL 표기 권장. 상업적 재배포는 문의 바람. ## 사이트 데이터 (전문) 전체 학습노트 본문 마크다운은 [llms-full.txt](https://adsp.todaycode.kr/llms-full.txt)에서 확인. ## 시험 정보 (2026년 기준) - 주관: 한국데이터산업진흥원 (Dataq) - 자격증: ADsP (데이터분석 준전문가) - 시험 시간: 90분 - 문항: 객관식 40 + 단답형 10 = 50문항 - 합격 기준: 60점 이상 (100점 만점) - 응시 자격: 제한 없음 - 응시료: 5만 원 (2026년 기준) - 시험 주기: 연 4회 (2월·5월·8월·10월) ### 2026년 시험 일정 - 제48회 2026-02-07(토) · 원서접수 1.5~1.9 - 제49회 2026-05-17(일) · 원서접수 4.13~4.17 - 제50회 2026-08-08(토) · 원서접수 7.6~7.10 - 제51회 2026-10-31(토) · 원서접수 9.28~10.2 ## 자주 묻는 질문 요약 **Q. ADsP는 어떤 자격증인가요?** A. ADsP(Advanced Data Analytics Semi-Professional, 데이터분석 준전문가)는 한국데이터산업진흥원(Dataq)이 주관하는 국가공인 데이터 분석 자격증입니다. 데이터 이해·분석 기획·데이터 분석 3과목을 다루며, 데이터 분석의 기본 지식을 검증합니다. **Q. ADsP와 ADP는 무엇이 다른가요?** A. ADsP는 준전문가(Semi-Professional) 수준의 이론 중심 시험이고, ADP는 전문가(Professional) 수준으로 이론 + 실기(R 언어) 시험이 모두 있습니다. ADsP는 응시자격 제한이 없으나, ADP는 학위·경력·ADsP 보유 등 응시자격 요건이 있습니다. **Q. ADsP 응시 자격이 있나요?** A. 없습니다. 학력·경력·연령 제한 없이 누구나 응시할 수 있습니다. **Q. ADsP 응시료는 얼마인가요?** A. 2026년 기준 5만 원입니다. 한국데이터산업진흥원(https://www.dataq.or.kr) 공식 접수 페이지에서 확인하세요. **Q. ADsP는 몇 회 시행되나요?** A. 연 4회 시행됩니다. 보통 2월·5월·8월·10월에 실시되며, 시험 6~8주 전에 원서접수가 시작됩니다. **Q. 2026년 ADsP 시험 일정은 어떻게 되나요?** A. 제48회 2026년 2월 7일(토), 제49회 5월 17일(일), 제50회 8월 8일(토), 제51회 10월 31일(토)입니다. 원서접수는 각 시험 약 4주 전 5일간 진행됩니다. **Q. ADsP는 몇 과목인가요?** A. 총 3과목입니다. 1과목 데이터 이해(빅데이터·DBMS·거버넌스), 2과목 데이터 분석 기획(방법론·마스터플랜), 3과목 데이터 분석(통계·머신러닝·R). **Q. ADsP 문항 수와 시험 시간은?** A. 객관식 40문항 + 단답형 10문항, 총 50문항을 90분 동안 풀어야 합니다. **Q. ADsP 합격 기준은?** A. 100점 만점 중 60점 이상이면 합격입니다. 단, 각 과목별로 40% 이상 득점(과락 방지)해야 합니다. **Q. ADsP 1과목 데이터 이해에서는 무엇이 나오나요?** A. DIKW 피라미드, 데이터의 정의와 분류, 데이터베이스(DBMS·OLAP), 빅데이터 3V/5V, 데이터 사이언스, 데이터 거버넌스, 개인정보 비식별화, 하둡·빅데이터 인프라 등이 출제됩니다. (전체 25개 Q&A: https://adsp.todaycode.kr/faq)