AI기반 데이터 사이언티스트를 효과적으로
양성하기 위한 교육 인증형 자격시험
한국생산성본부는 교육훈련사업 및 민간자격시험 주관 외에도 대표적인 것 중 하나가 바로 KPC 자격시험을 주관 및 관리하는 것입니다. KPC 자격 중 DSAC 데이터 사이언티스트 능력 인증자격에 대해서 자세히 알아보도록 하겠습니다.
[1] DSAC 데이터 사이언티스트 능력인증자격 이란?
DSAC (Data Scientist Academy & Certificate)은 ‘데이터 사이언티스트＇를 효과적으로 양성하기 위한 교육 인증형 자격시험입니다.
4차 산업혁명시대에는 인공지능(AI)과 빅데이터가 미래 첨단 산업에 적용되며, 산업별 목적에 따른 정보의 생성, 관리, 분석, 적용이 가능한 전문가 확보가 필수적입니다. 이에 정부는 핵심인력 양성계획에 따라 ‘AI기반 데이터 사이언티스트’ 양성을 적극 추진하고 있습니다.
DSAC은 4차 산업혁명의 필요한 핵심 인재 양성을 위해 제공되는 데이터 사이언티스 양성 교육 인증형 자격입니다. 국내 최고의 인공지능 전문가가 제공하는 표준화된 교육 커리큘럼을 통해 산업별 데이터 실무 전문가를 양성합니다. 전문가 교육과정 모델부터 대학생까지 확대하여 전공별 맞춤형 교육이 제공됩니다.
모든 대학생들을 ‘AI 기반 데이터 사이언티스트’로 양성할 수 있는 단계적 인재양성 기반 커리큘럼을 제공하며, 최대 자격기관인 한국생산성본부의 체계적인 정량 평가를 통해 자격인증제도를 실시하고 있습니다.
* 민간자격 등록번호
- 민간자격번호 : 한국직업능력개발원 제2019-001649호
- DSAC 자격은 자격기본법 규정에 따라 등록한 민간자격으로, 국가로부터 인정받은 공인자격이 아닙니다.
* 자격증 특징
1) 단계적 지능화 인재 양성
- 전문가 교육과정 모델에서부터 대학생까지 확대하여 전공별 맞춤과정으로 운영
- 모든 대학생들을 'AI 기반 데이터 사이언티스트'로 양성할 수 있는 단계적 인재양성 기반 커리큘럼 교육과정.
2) 데이터사이언티스트 핵심 교육 양성과정
- 4차 산업혁명 핵심교육인 데이터사이언스와 인공지능 핵심 교육을 대한민국에서 인증이 검증된 한국생산성본부에서
지능화 인재의 단계적 정량 평가를 통한 자격인증 제도로 실시하고 있는 핵심 인재 양성 과정.
3) 산업계와 연계한 교육 운영
- 산업계와 연계한 컨소시엄 교육 및 인증으로 미래 일자리와 연계한 인증 기반 마련.
[2] DSAC 데이터 사이언티스트 자격의 운영 목표
전문 강사를 통한 초,중,고급의 단계적 빅데이터 분석 교육을 통해, 실무에 적용하기 어려운 기존의 교과서적 교육을 개선하여 데이터로부터 해결책을 찾아낼 수 있는 실무자를 배출함
※ DSAC 시험의 경우 기반 교육을 수료한 자에 한해 응시할 수 있는 비공개 검정형이며, 수시시험 응시 가능
[3] DSAC의 (교육, 취업, 인력, 기술 대응) 전략
1) 문제점
- 교육 : 기초 중심 교육, 실무 교육 부실
- 취업 : 청년 실업률 증가, 이전 일자리 축소
- 인력 : 데이터 과학자 부족, AI 지식 부족
2) 해결방안
- 교육 : 실무 능력 배양, 수준별 교육과정
- 취업 : 대학, 기업 협력 교육, 취업 연계, 자격증
[4] 응시대상
[5] 자격기준
- 1급 (컨설턴트) : 7개 모듈을 모두 취득
- MASTER급 (마스터) : 7개 모듈 중 6개 모듈 취득
- 2급 (전문가) : 7개 모듈 중 2개 모듈 취득
- 3급 (프로그래머) : 7개 모듈 중 1개 모듈 취득
[6] 교육 목표 및 특징
* 교육목표
핵심 전문가 양성을 위하여 기초, 핵심, 응용, 실전 영역으로 구성하여 데이터를 다루는 기초적인 능력부터 고급 딥러닝 분석 능력까지 습득할 수 있는 4단계의 교육과정으로 구성
* 교육특징
- 각 단계별 과정은 전공별 트랙에 따라 맞춤 과정으로 모듈별 선택이 가능함
- 1반 최대 수강인원은 30명이며, 실습형 과정으로 운영됨
- 교육내용은 표준 교육 커리큘럼으로 일정 및 과목에 대해 협의 후 결정 가능함
[7] DSAC 교육 프로세스
[8] 응시자격
※ DSAC 자격 취득 교육 수강에 대한 자격은 없으며, 교육을 수료한 자에 대해 시험 실시
단, 1급 컨설턴트는 MASTER(마스터) 자격 취득 후 응시 가능
[9] 모듈별 출제ㆍ배점기준
[10] 시험과목
※ 7 모듈인 도메인 프로젝트는 Master 등급 자격 취득 시 응시 가능
※ M1 ~ M6 : 필기, M7 : 필기. 실기
1) M1. 데이터 프로그래밍
- 데이터 사이언스 범위 : 통계학, 컴퓨터 사이언스, 비즈니스의 관계
- 빅데이터와 AI : 빅데이터 분석과 AI 성공 사례
- 데이터 사이언스 도구 : 분석 도구, 파이선, R, 프로그래밍 언어
- 파이선 기초 : 파이선 시작, 변수, 함수, 파일 다루기
- 파이선 문법 : 파이선 기초 문법
- 데이터 수집 : 파일 다운로드, 데이터 제공 사이트
- 데이터 처리 : 데이터 읽기, 저장하기
- 데이터 탐색 : 데이터 특성 파악
- 통계 분석 : 확률 분포, 정규분포, 로그 분포
- 탐색적 분석 : 스캐터 플롯, 히스토그램
- 데이터 시각화 : 다양한 시각화 도구 학습
- 결측치 처리 : 없는 값, 틀린 값 처리 방법
- 이상치 처리 : Outlier 검출 및 처리 방법
- 문제 해결 프로세스 : 문제정의, 데이터 분석, 머신러닝
- 결과 시각화 : 리포팅 기술
2) M2. 데이터 프로세스 & 분석
- 데이터 분석 범위 : 데이터 분석 프로세스
- 데이터 분석 기술 : 분류, 회귀, 추천, 머신러닝, 신경망
- 수치 데이터 : 테이블 데이터 다루기
- 선형 모델 : 데이터 분석 기초, 다차원 선형 회귀
- 특성 공학 : 피처(feature) 선택 기술, 원핫인코딩
- 결정 트리 기초 : 엔트로피, gini
- 클러스터링 기초 : 거리 기반 클러스터링
- 고객 세분화 : 대표적인 클러스터링 기법 소개
- 모델 성능 : 성능 측정 방법 소개, 정확도
- 데이터 크롤링 : HTML의 이해, bs4
- 웹 API : 웹 API 프로그램
- 텍스트 데이터 : 코퍼스, 도큐먼트 개념 이해
- 텍스트 처리 : BoW, 기초 어근 처리
- 데이터 분석 프로젝트 : 데이터 분석을 실제 문제에 적용하는 방법
- 분석 결과 적용 : 현장에 적용하는 기술 소개
3) M3. 머신러닝
- 머신러닝 범위 : 지도 학습, 비지도 학습, 강화 학습
- 머신러닝 동작 : 학습과정, 최적화, 손실 함수, 성능평가
- 최적화 알고리즘 : 모델 튜닝, 과적합, 과소 적합
- 분류 예측 : 협업 필터링 (kNN)
- 로지스틱 회귀 : 로짓, 이진 분류
- 앙상블 알고리즘 : 렌덤 포레스트, 그라디언트 부스팅
- 서포트 벡터 머신 : 서포트 벡터 이해, 분류 분석
- 분류 성능 : 컨퓨전 매트릭스, ROC, AUC
- 회귀 예측 : 실함수, 성능평가 지표, 시계열
- 모델 최적화 : 최적화, 랜덤 탐색, 일반화, 교차검증
- 비지도 학습 : 비지도 학습의 종류, 스케일링, 변환
- 클러스터링 고급 : 클러스터링의 적용 범위
- 데이터 변환 : 로그 변환, 역수 변환
- 데이터 특성 추출 : 차원 축소, 주성분 분석(PCA), 시각화 고급
- 클러스터링 평가 : KMeans, DBSCAN 성능 비교평가
- * 베이즈 알고리즘 : * 나이브 베이즈 알고리즘
- * 텍스트 분석 : * 형태소 분석, 어근 분석, TF-IDF
- * 스팸 메일 분석 : * 스팸 필터링
- * SNS 분석 : * SNS 데이터 속성 파악
- * 감성 분석 : * 긍정 부정 감성 분석
4) M4. 딥러닝
- 딥러닝과 AI : 딥러닝과 AI 특징과 성공 요인
- 딥러닝 도구 : 텐서플로우, 케라스, 카페, 파이토치
- 다층 퍼셉트론 : 다층 퍼셉트론(MLP) 원리 이해
- CNN 원리 : 딥러닝 구조, 계층, 유닛, 활성화 함수
- CNN 구현 : CNN 기본 모델
- 이미지 인식 : 이미지 인식 원리 소개
- CNN 성능 향상 : 드롭아웃, 배치 정규화
- 전이 학습 : 이미지넷 학습 모델 전이학습
- 데이터 확장 : 데이터 Augmentation
- 객체 인식 : 다수의 이미지 객체 인식
- 자연어 처리 : NLP 프로세스 소개
- RNN 원리 : RNN 동작원리
- LSTM : LSTM 원리 소개
- 시계열 분석 : RNN을 이용한 시계열 예측
- 단어 임베딩 : 임베딩 원리 이해
- * 임베딩 구축 : * 임베딩 직접 구축 및 활용
- * 언어 모델링 : * 언어 모델링 개념 설명
- * 챗봇 : * 챗봇 구현 기술
- * 딥러닝 응용 : * GAN, 자동 번역 원리
- * 강화학습 : * 강화학습 원리
5) 6) 7) M5. 이미지 분석 / M6. 자연어 처리 / M7. 도메인 프로젝트
※ 주제 및 내용에 대한 커리큘럼은 현재 전문가 검토 중
※ 2020년 1월 주제 및 세부내용에 대한 내용 공지 예정
(*) 표시된 과목은 모듈 별 응용 심화학습으로 정규시험과목에서 제외됩니다.
이상으로 KPC 자격 중에 DSAC 데이터 사이언티스트 능력 인증자격에 대해서 알아보았습니다. 다음 글에서는 'HuMAT(인적자원경영자격)'에 대해서 알아보도록 하겠습니다.
#KPC #KPC 자격 #KPC자격시험 #KPC자격종류 #KPC자격시험종류 #DSAC #DSAC 데이터 사이언티스트 능력인증자격 #데이터 사이언티스트 #HuMAT #인적자원경영자격 #HuMAT 인적자원경영자격
'신박한 자격증 BOX' 카테고리의 다른 글
| 2023년 처음으로 신설되는 유망 국가자격증, 첫 시험을 노려보자? (1) | 2022.09.20 |
|---|---|
| 직장에서 승진, 평가시 우대 받는 자격증 TOP 5 (1) | 2022.09.05 |
| 취업 잘되는 자격증 12종, KPC 자격 완벽 정리(CAD 실무능력평가) (0) | 2022.07.31 |
| 2022년 요양보호사 자격증 시험 일정 및 2023년 개정사항 (0) | 2022.07.21 |
| 취업 잘되는 자격증 12종, KPC 자격 완벽 정리(SW코딩자격) (0) | 2022.07.10 |