38~47회 기출문제 + 응용 변형문제를 회차별·주제별·과목별·합격필수/고득점 티어로 분류하여 제공합니다. 풀이 진도 자동 저장, 오답 자동 수집, 정답·해설·관련 학습노트 연결.
Q. 이용자가 원하는 정보를 신속하게 획득하기 위해 고려해야 할 데이터베이스 측면은? (제44회)
A. 정보 이용 측면
이용자가 원하는 정보를 신속하게 획득하는 것은 '정보 이용 측면'에 해당합니다. 데이터베이스의 4대 측면: ①정보 이용 — 사용자가 원하는 정보를 손쉽게 활용, ②정보 관리 — 정보 통합·중복 제거, ③정보 기술 발전 — 새로운 IT 기술 견인, ④정보 축적·전달(사회·경제적 측면) — 검색·기계 가독성·원격 이용 제공. 이용 측면은 사용자 관점의 효용에
Q. 데이터 1제타바이트 크기에 해당하는 것으로 적절한 것은? (제44회)
A. 1024 엑사바이트(EB)
용량 단위는 각 단계가 1024(=2¹⁰)배씩 커지며 순서는 KB→MB→GB→TB→PB→EB→ZB→YB. 1 ZB = 1024 EB이므로 정답은 '1024 엑사바이트'(정답). 암기 팁: '키로 메가 기가 테라 페타 엑사 제타 요타'. 참고: 1 ZB ≈ 1조 GB ≈ 250조 곡 음원, 1 YB(요타바이트)는 현존 데이터 총량을 훨씬 상회. 이진 단위(K
Q. 다음 중 데이터에 대한 설명으로 옳지 않은 것은? (제44회)
A. HTML은 정형 데이터의 예이다.
HTML은 <태그>로 메타정보를 표현하는 마크업 언어이므로 반정형(Semi-structured) 데이터로 분류됩니다. 정형(Structured) — 관계형 DB의 행·열로 완전 구조화(SQL 테이블·CSV), 반정형(Semi-structured) — 자기 기술적 메타데이터 포함(JSON·XML·HTML), 비정형(Unstructured) — 자유 형식(텍스
Q. 기업에서 빅데이터를 활용하는 방안으로 적절하지 않은 것은? (제44회)
A. 재무관리: 거래처 리스트를 관리한다.
빅데이터 활용은 대량·다양한 데이터를 분석해 예측·최적화·의사결정 가치를 창출하는 활동입니다. '재무관리: 거래처 리스트 관리'는 단순 마스터 데이터 운영(CRUD)으로 빅데이터 활용 사례라 보기 어렵습니다. 다른 옵션은 모두 빅데이터 활용: ①마케팅(매장 위치 선정 — 상권·유동인구 분석), ③공급처(재고 최적화 — 수요 예측), ④인력관리(이직률 예측
Q. 커피를 구매한 사람이 탄산음료도 구매할지에 대한 예측을 하는 분석 기법은? (제44회)
A. 연관분석
커피 구매자가 탄산음료도 구매할지 등 상품 간 동반 구매 규칙을 찾는 것은 연관분석(Association Rule Mining)이며 장바구니 분석(Market Basket Analysis)이 대표 사례입니다. 주요 지표: 지지도 P(A∩B), 신뢰도 P(B|A), 향상도 P(B|A)/P(B). 비교: 회귀분석 — 연속 종속변수 예측, 감정분석 — 텍스트 정
Q. 데이터 사이언스에 대한 설명 중 틀린 것은? (제44회)
A. 생성된 데이터를 바탕으로 데이터베이스를 구축한다.
데이터 사이언스(Data Science)는 통계·데이터마이닝·기계학습·도메인 지식을 결합해 기존 데이터에서 인사이트와 가치를 도출하고 의사결정에 활용하는 학문·실무 분야입니다. 활동 범위: 데이터 수집·전처리·분석·시각화·모델링·결과 전달까지 전 과정 포괄. '생성된 데이터를 바탕으로 데이터베이스를 구축한다.'(정답) '생성된 데이터로 데이터베이스를 구축'
Q. 데이터 분석가에 대한 내용 중 틀린 것은? (제44회)
A. 분석가는 관리자(리더) 역할을 함께 할 수 없다.
데이터 분석가는 ①비즈니스 이해, ②분석 조정자(Analytics Coordinator), ③도메인·기술 겸비 외에 ④관리자(리더) 역할을 함께 수행할 수 있습니다 — 분석 프로젝트의 비즈니스 가치를 극대화하기 위해 리더십·코디네이션 역량이 점점 더 중요해지는 추세입니다. T자형 인재로 한 분야는 깊게(전문성), 다른 분야는 넓게(소통·협업) 갖추는 것이
Q. 기온 변화에 따른 제품 판매량 변화 예측에 적합한 분석 방법은? (제44회)
A. 회귀분석
기온(독립변수 X)과 판매량(종속변수 Y) 간의 수치 관계를 파악하고 예측하는 것은 회귀분석(Regression)입니다. 단순 선형 회귀: Y = aX + b, 다중 회귀: Y = β₀ + β₁X₁ + β₂X₂ + … + βₖXₖ. 비교: 연관분석 — 함께 구매되는 상품 패턴(범주형), 군집분석 — 비슷한 그룹 묶기(비지도), 분류분석 — 범주 라벨 예측.
Q. 빅데이터 가치 산정이 어려운 이유에 대해 적절하지 않은 것은? (제44회)
A. 데이터 전문가의 증가로 데이터 분석 방법이 일반화되었기 때문이다.
빅데이터 가치 산정이 어려운 주요 이유: ①데이터 활용 주체·시점 파악 곤란, ②분석 기술 발전으로 과거에 분석 불가했던 데이터의 가치 재평가 필요, ③재사용·재조합으로 새로운 가치 창출(기준가 부재), ④외부 효과·간접 효과 측정 곤란. '데이터 전문가의 증가로 데이터 분석 방법이 일반화되었기…'(정답) '데이터 전문가 증가로 분석 방법이 일반화'는 오히
Q. 빅데이터의 위기에 대한 내용 중 아닌 것은? (제44회)
A. 익명화 기술로 사생활 침해에 대한 해결이 가능하다.
익명화 기술만으로는 사생활 침해를 완전히 해결할 수 없습니다 — 다른 데이터셋과 결합한 재식별(re-identification) 위험이 존재하기 때문입니다(예: AOL 검색 로그 사례). 따라서 빅데이터 시대에는 '동의제 → 책임제'로 패러다임을 전환하고 알고리즘 접근권·결과 기반 책임을 함께 적용해 위기에 대응합니다. '익명화 기술로 사생활 침해에 대한
Q. DIKW 모델에서 '데이터(Data)'에 대한 설명으로 가장 적절하지 않은 것은? (제45회)
A. 데이터는 지식과 아이디어가 결합된 창의적 산물이다.
DIKW 모델에서 데이터(Data)는 가공되지 않은 원시 사실·관찰값(예: '서울 기온 25°C', '매출 1000만원')으로, 그 자체로는 의미·맥락이 부여되지 않은 상태입니다. '데이터는 지식과 아이디어가 결합된 창의적 산물이다.'(정답) '지식과 아이디어가 결합된 창의적 산물'은 의사결정·실천 단계인 지혜(Wisdom)의 정의에 가깝습니다. 단계 비교
Q. 빅데이터에 대한 설명으로 적절하지 않은 것은? (제45회)
A. 빅데이터로는 개인 맞춤화 서비스가 불가능하다.
빅데이터는 비정형 데이터를 포함하며 3V(Volume·Velocity·Variety) 특성을 가지고 사용자 행동 예측, 맞춤 추천, 이상 탐지 등 개인화 서비스에 광범위하게 활용됩니다(예: Netflix 추천, Amazon 상품 추천, 카카오톡 광고). 따라서 '빅데이터로는 개인 맞춤화 서비스가 불가능하다.'(정답) '빅데이터로는 개인 맞춤화 서비스가 불가
Q. 데이터베이스의 특징으로 적절하지 않은 것은? (제45회)
A. 데이터베이스는 사용자 모두가 동일한 목적을 가지고 데이터를 활용하도록 설계된다.
데이터베이스(DB)는 서로 다른 목적·관심사를 가진 다수 사용자가 동시에 공유·접근할 수 있도록 설계된 통합 저장소로, 일관성·무결성을 유지하면서 데이터 중복을 최소화합니다. '데이터베이스는 사용자 모두가 동일한 목적을 가지고 데이…'(정답) '모든 사용자가 동일한 목적을 가지고 활용'은 공용 데이터베이스의 설계 취지(다양한 응용·사용자 지원)와 정반대됩니
Q. 데이터의 일관성과 정확성을 유지하고 검증하는 DBMS의 특징은 무엇인가? (제45회)
A. 데이터의 무결성
DBMS의 데이터 무결성(Integrity)은 데이터의 일관성·정확성·신뢰성을 유지하고 검증하는 특성입니다. 무결성 4종: ①도메인 무결성 — 속성 값 범위 제약(예: 나이 ≥ 0), ②개체 무결성 — 기본키 NOT NULL·중복 불가, ③참조 무결성 — 외래키가 참조하는 기본키 값 존재 보장, ④사용자 정의 무결성 — 비즈니스 규칙(예: 잔액 ≥ 0).
Q. 자동차 회사에서 엔지니어링과 에너지의 최적 조합을 통해 연료 효율성을 극대화하는 차량 설계 디자인 시 적합한 알고리즘은? (제45회)
A. 유전자 알고리즘
다양한 설계 변수 조합을 탐색해 목적함수(연료 효율)를 극대화하는 진화 기반 최적화 기법은 '유전자 알고리즘(GA)'입니다. 절차: 초기 해집단 생성 → 적합도 평가 → 선택(Selection) → 교차(Crossover) → 변이(Mutation) → 세대 반복. 조합적 최적화·전역 탐색에 강점이 있어 차량 설계, 일정 최적화, 신경망 구조 탐색(NAS)
Q. 개인정보 비식별화 기술에 대한 설명으로 가장 적절하지 않은 것은? (제45회)
A. 데이터 마스킹: 개인정보 식별이 가능한 특정 데이터 값을 삭제하는 기법
데이터 마스킹(Data Masking)은 식별 가능한 값을 '*'·'#'·'X' 등의 기호로 가리거나 무작위 값으로 변형해 노출을 방지하는 비식별화 기법(예: 주민번호 901231-******* )이며, 값 자체를 '삭제'하지는 않습니다. 비식별화 5대 기법: ①가명처리(이름→가명), ②총계처리(개인→그룹 평균), ③데이터 마스킹(*처리), ④데이터 범주화
Q. 빅데이터 분석 및 활용의 최종 목표로 가장 적절한 것은? (제45회)
A. 새로운 가치 창출
빅데이터 분석·활용의 최종 목표는 데이터로부터 '새로운 가치를 창출'하는 것입니다. 구체적 사례: ①고객 행동 예측 → 매출 증대(Amazon, Netflix), ②설비 고장 예측(예지보전) → 비용 절감, ③개인 맞춤 서비스 → 고객 만족도↑, ④신약 개발·금융 사기 탐지·교통 최적화. 단순 저장 용량 확보, 시스템 안정성, 보안은 빅데이터 활용을 지원하
Q. 데이터 활용 사례로 적절하지 않은 것은? (제45회)
A. 전문가와의 심층 면담으로 절차를 개선한다.
데이터 활용 사례는 정량적 데이터(센서·로그·위치·거래 기록)를 분석해 의사결정에 반영하는 경우로, 객관적 측정값을 기반으로 패턴·예측·최적화를 도출합니다. 주관적 자문·직관·경험에만 의존하는 결정은 정성적 접근이며, 데이터 기반 활용의 정의에 부합하지 않습니다. 예: ①센서 데이터로 설비 고장 예측, ②거래 기록으로 이상 탐지, ③위치 기반 개인화 서비스
Q. 빅데이터 정보를 활용하는 방식으로 가장 적합하지 않은 것은? (제45회)
A. 개인정보를 대규모로 공유한다.
개인정보를 대규모로 공유하는 행위는 사생활 침해, GDPR·개인정보보호법 위반 등 심각한 법적·윤리적 문제를 야기하므로 빅데이터 활용 방식으로 부적절합니다. 올바른 활용: ①익명화(Anonymization) — 식별 정보 제거, ②가명화(Pseudonymization) — 식별자를 가명으로 대체, ③차분 프라이버시(Differential Privacy) —
Q. 빅데이터 시대의 위기 요인에 대한 해결 방안으로 적합하지 않은 것은? (제45회)
A. 개인정보 활용 동의를 강화한다.
빅데이터 시대의 사생활 침해 해결 패러다임은 '동의제 → 책임제'로의 전환입니다 — 사용자가 모든 활용에 동의하기 어려운 환경에서 데이터 사용자가 책임을 지는 방향입니다. 따라서 '개인정보 활용 동의를 강화한다'는 기존 패러다임을 더 강화하는 것이라 시대적 해결 방향과 반대됩니다. 다른 해결 방안: 알고리즘 접근권 부여(책임 원칙 훼손 대응), 결과 기반