ADsP 시험 직전 핵심 정리 — 3과목 빈출 키워드·D-3 학습 (2026)

시험 직전 1주에 봐야 할 4가지

ADsP 시험 1주 전부터는 새 개념을 익히기보다 이미 본 내용을 정리하는 단계가 효율적입니다. 시험은 객관식 50문항·90분·100점 만점이고 합격 기준은 총점 60점 이상에 과목별 40% 이상 점수가 필요합니다(출처: 한국데이터산업진흥원 ADsP 안내). 마지막 주에는 네 가지를 점검합니다.

첫째, 출제 비중을 다시 확인합니다. 데이터이해 20%(10문항), 데이터분석 기획 20%(10문항), 데이터분석 60%(30문항)입니다. 학습 시간을 비중에 맞춰 배분해야 합니다.

둘째, 과목별 과락 회피선을 정확히 봅니다. 20점 과목은 8점, 60점 과목은 24점이 과락 회피 최저선입니다. 한 과목이라도 이 선을 넘기지 못하면 총점이 60점 이상이어도 불합격 처리됩니다.

셋째, 빈출 키워드 목록을 과목별로 한 페이지씩 만듭니다. 시험장에서는 정의를 길게 외우는 것보다 키워드 하나가 어떤 모형·절차와 연결되는지 즉시 떠오르는 것이 중요합니다.

넷째, 시험 시간 90분을 50문항에 어떻게 나눌지 정합니다. 문항당 평균 1분 48초가 가능하지만, 표 해석이 들어가는 문항과 단순 용어 문항은 시간 차이가 큽니다. 모르는 문항에서 멈추지 않고 표시하고 넘어가는 흐름을 미리 정해 둡니다.

1과목 데이터 이해 — 빈출 키워드

1과목은 데이터의 이해, 데이터의 가치와 미래, 데이터 사이언스와 전략 인사이트의 세 챕터로 구성됩니다(출처: 한국데이터산업진흥원 출제기준). 시험 직전 정리해야 할 빈출 어휘는 다음과 같습니다.

데이터·정보·지식·지혜의 위계, 데이터베이스의 정의와 특징, 데이터베이스 활용 분야가 첫 챕터의 핵심입니다. 두 번째 챕터에서는 빅데이터의 정의 3V·5V, 빅데이터 가치 산정의 어려움, 빅데이터로 인한 비즈니스 변화, 위기 요인과 통제 방안이 자주 나옵니다. 세 번째 챕터에서는 데이터 사이언티스트의 필요 역량(하드 스킬·소프트 스킬), 전략 인사이트 도출 과정, 빅데이터와 인공지능의 관계가 출제 영역입니다.

1과목은 암기 비중이 높지만 정의를 그대로 외우는 방식보다 사례와 연결해 보는 흐름이 효율적입니다. "데이터 사이언티스트의 소프트 스킬"이 한 번 나오면 통찰력·창의력·커뮤니케이션 능력 같은 키워드가 묶음으로 따라옵니다.

2과목 데이터분석 기획 — 빈출 키워드

2과목은 데이터분석 기획의 이해와 분석 마스터 플랜 수립 두 챕터로 구성됩니다. 분석 기획 방향성 도출, 분석 방법론, 분석 과제 발굴, 분석 프로젝트 관리, 마스터 플랜 수립 프레임워크, 분석 거버넌스 체계가 주요 영역입니다.

시험 직전 정리해야 할 빈출 어휘는 분석 과제 우선순위 결정 기준(시급성과 난이도 매트릭스), 분석 성숙도 모델(도입·활용·확산·최적화), 분석 방법론의 절차(KDD·CRISP-DM·빅데이터 분석 방법론), 데이터 거버넌스 구성 요소입니다.

2과목은 절차와 단계 이름이 비슷해 헷갈리기 쉽습니다. KDD의 5단계와 CRISP-DM의 6단계는 시험에서 자주 비교됩니다. 단계 이름의 한국어와 영문 표현을 같이 정리하면 함정 문항에서 헷갈리지 않습니다.

3과목 데이터분석 — R 기초·통계·마이닝 빈출

3과목은 30문항 60점 과목으로 합격에 가장 큰 영향을 줍니다. 세 챕터는 R 기초와 데이터 마트, 통계분석, 정형 데이터 마이닝입니다.

R 기초에서는 벡터·데이터프레임·리스트의 구조, 기본 함수(c·seq·rep·length·subset), 데이터 마트 정의와 활용, 결측값(NA) 처리와 이상값 검색이 빈출입니다. apply 계열 함수(apply·sapply·lapply)와 단순 시각화 함수도 자주 나옵니다.

통계분석에서는 모집단과 표본, 기술통계와 추론통계의 구분, 가설검정과 유의수준, 신뢰구간, 상관계수와 회귀계수, 분산분석(ANOVA), 시계열 자료의 정상성과 비정상성이 핵심입니다. 다변량 분석에서는 주성분 분석(PCA)과 요인 분석의 차이, 다차원 척도법이 자주 나옵니다.

정형 데이터 마이닝에서는 분류·군집·연관분석의 목적 구분이 가장 큰 함정입니다. 분류는 의사결정나무·로지스틱 회귀·앙상블, 군집은 k-means·계층적 군집·DBSCAN, 연관분석은 지지도·신뢰도·향상도가 묶음 키워드입니다. 분류와 군집을 혼동하지 않으려면 "정답 레이블이 있는가"를 기준으로 잡습니다.

과락 회피선 — 과목별 최소 점수와 시간 배분

과목별 40% 과락 기준은 1과목 8점, 2과목 8점, 3과목 24점입니다. 시험 시간 90분을 문항 비중에 맞춰 나누면 1과목 10문항에 약 17분, 2과목 10문항에 약 17분, 3과목 30문항에 약 50분, 검토에 6분이 자연스러운 분배입니다.

시험장에서는 1과목부터 풀고 3과목으로 넘어가는 흐름이 안정적입니다. 데이터분석 과목을 먼저 풀면 통계·R 문항에서 시간이 길어져 1·2과목을 보는 시간이 부족해질 수 있습니다. 모르는 문항은 표시하고 넘어가는 규칙을 미리 정합니다.

D-3 학습 흐름

시험 3일 전부터는 학습이 아니라 점검 단계입니다. D-3은 1과목과 2과목의 빈출 어휘를 묶음 단위로 다시 보고, 잘못 외운 정의가 있는지 확인합니다. D-2는 3과목 R 기초와 통계 용어를 정리합니다. R 함수와 통계 기호는 시험 직전에 헷갈리기 쉬우므로 한 페이지로 압축한 노트를 반복해 봅니다.

D-1은 기출 1회차를 전체 90분 안에 풀고 오답만 다시 봅니다. 새 개념 학습은 위험합니다. 시험 당일 아침에는 1과목·2과목의 빈출 정의 묶음과 3과목 마이닝 알고리즘의 목적 구분만 마지막으로 확인합니다.

자주 묻는 질문

Q. 시험 직전 일주일에 책을 다시 보는 것과 기출만 보는 것 중 무엇이 나은가요?

기출 풀이가 우선입니다. 책을 다시 보면 진도가 느리고 1주에 다 끝내기 어렵습니다. 기출 4~5회차를 회차별로 풀고 오답을 과목별로 모은 뒤, 오답 영역만 책으로 다시 확인하는 흐름이 효율적입니다. 책 정독은 첫 3~5주차에 끝내야 시험 직전 1주를 정리에 쓸 수 있습니다.

Q. 3과목 R 기초가 약한데 시험 직전에 어디까지 정리해야 하나요?

R 함수를 모두 외우려 하기보다 자주 나오는 묶음만 잡으면 됩니다. 벡터 생성과 인덱싱, 데이터프레임의 행·열 접근, apply 계열, 결측값(NA) 처리 함수, 기본 시각화가 빈출 묶음입니다. 함수 이름과 결과 형태를 짝짓는 방식으로 정리하면 시험장에서 헷갈리지 않습니다. R 함수를 처음부터 다시 익히려고 하면 시간이 부족해집니다.

Q. 과락이 걱정되는데 어느 과목에 마지막 시간을 더 써야 하나요?

본인이 가장 약한 과목에 시간을 더 씁니다. 비전공자 학습자는 보통 3과목 통계와 R, 1과목 빅데이터 거버넌스가 약합니다. 직무 경험자 학습자는 1과목 데이터 사이언스 정의 영역과 2과목 분석 방법론 절차에서 점수가 흔들립니다. 과목별로 기출 정답률을 60% 이상으로 만든 뒤 약한 영역을 좁혀 가는 흐름이 안전합니다.

ADsP 전체 시험 구조는 ADsP 자격증 한 번에 정리, 3과목 출제기준은 ADsP 3과목 한눈에, 1과목 세부는 ADsP 1과목 데이터 이해, 기출 활용은 ADsP 기출문제 학습법, 다음 회차 일정은 ADsP 시험일정에서 이어서 볼 수 있습니다.