2026 이패스 AICE Associate

◎ 책 특징
코딩을 처음 접하더라도 4주만에 합격 할 수 있도록 내용을 구성했으며 이 책의 특징은 아래와 같습니다.
● 용어해설
코딩과 AI를 처음 접하는 초심자를 위한 보충설명을 통해 빠른 이해를 돕습니다.

● 활용팁 제공
파이썬 실습시 효율적인 학습을 위한 다양한 꿀팁 제공합니다.

● 실습화면 제공
단계별 실습화면을 통해 책을 보고 따라만해도 결과도출이 가능합니다.

● 코드와 코드 실행결과 제공
파이썬 코드와 결과를 이어서 보여줌으로써 코딩 입문자들도 직접 실습을 해보는데 어려움이 없도록 구성했습니다.

● QR코드 활용 데이터 & 링크 제공
실습을 위한 데이터나 학습시 도움이 되는 사이트 접속을 위한 QR코드제공을 통해 효율적이고 편리한 학습이 가능합니다.

◎ 목차
Part 1. 파이썬 데이터 분석
Chapter 1. 파이썬의 매력 : AI시대의 필수 언어

1. 간결함
2. 확장성
3. 커뮤니티 지원
4. 범용성

Chapter 2. 파이썬 설치 및 분석환경구축

1. 아나콘다
2. 주피터 랩 사용하기
3. 주피터 노트북 사용하기
4. 주피터 랩 사용법 익히기
5. 구글 코랩 사용하기
6. AIDU 사용하기

Chapter 3. 파이썬 AI 분석을 위한 기본 문법

1. 넘파이 라이브러리 설치와 기본문법
2. 판다스 라이브러리 설치와 기본문법

Chapter 4. 데이터 불러오기 및 데이터 구조 탐색

1. 데이터 불러오기 실습
2. 데이터 선택하기
3. 요약

Chapter 5. 데이터 전처리

1. 데이터 정제
2. 데이터 구조변경
3. 데이터 병합과 추가

Chapter 6. 탐색적 데이터 분석

1. 기초통계량 분석
2. 상관분석
3. 교차분석
4. 시각화

Part 2. AI 모델링의 이해
Chapter 1. AI의 기본 개념

1. 머신러닝의 이해
2. 딥러닝의 이해

Chapter 2. AI 학습 유형에 따른 분류

1. 지도학습 이해
2. 비지도학습 이해
3. 지도학습과 비지도학습의 차이

Chapter 3. AI 모델링 프로세스에 대한 이해

1. AI 모델링 프로세스

Chapter 4. 학습 데이터의 분할방법 이해

1. 데이터 분할하기
2. K-FOLD 교차검증
3. 과적합 확인

Chapter 5. 모델 평가하기

Chapter 6. 머신러닝 지도학습 AI모델링

1. 사이킷런 라이브러리
2. 선형회귀
3. 로지스틱 회귀
4. K-최근접 이웃(K-Nearest Neighbors, K-NN)
5. 서포트 벡터 머신(Support Vector Machaine, SVM)
6. 의사결정나무
7. 앙상블 모델
8. 랜덤포레스트 모델
9. 그래디언트 부스팅
10. 모델간 성능비교

Chapter 7. 딥러닝 지도학습 AI모델링

1. 인공신경망
2. 심층신경망
3. 딥러닝 프레임워크
4. 심층신경망을 이용한 심혈과 질환 분류모델 실습

Chapter 8. 비지도학습 AI모델링

1. 차원축소
2. 군집

Chapter 9. AI 모델 성능향상

1. 머신러닝 모델 하이퍼 파라미터 튜닝
2. AI모델 하이퍼 파라미터 튜닝

Part 3. 최종 모의고사
Chapter 1. 문제유형 분석 및 유의사항

1. AICE Associate 공식 샘플 문항 분석
2. 수험생 후기 및 경험 분석
3. 시험 후기를 통한 실전형 문제보완
4. 오픈북 사이트 활용
5. 14가지 문제유형 분석 및 변형가능범위

Chapter 2. 모의고사
1회 모의고사 - 장바구니 이탈 여부 예측
1회 모의고사 풀이
2회 모의고사 - 배송 소요 시간 예측
2회 모의고사 풀이
3회 모의고사 - 교육 플랫폼 사용자 이탈 예측
3회 모의고사 풀이
4회 모의고사 - 차량 연비 예측
4회 모의고사 풀이
5회 모의고사 - 직원 이탈 예측
5회 모의고사 풀이
6회 모의고사 - 통신사 해지 고객 예측
6회 모의고사 풀이

Part 4. 시험을 위한 참고자료
Chapter 1. 주요 용어 및 코드정리 ZIP

1. 파이썬 설치 및 분석 환경 설정용어정리집
2. 파이썬 AI분석을 위한 기본문법
3. Numpy 라이브러리
   4, 판다스 라이브러리 설치와 기본문법
4. 데이터 불러오기
5. 데이터 선택하기
6. 데이터 전처리 - 데이터 정제
7. 데이터 전처리 - 데이터 구조 변경
8. 데이터 전처리 - 데이터 병합과 추가
9. 탐색적 데이터 분석 - 기초통계분석
10. 탐색적 데이터 분석 - 상관분석 / 교차분석
11. 탐색적 데이터 분석 - 시각화
12. AI의 기본 개념
13. AI모델링 프로세스
14. 머신러닝 지도학습 모델
15. 머신러닝 지도학습 모델 하이퍼파라미터
16. 머신러닝 비지도학습 모델
17. 머신러닝 비지도학습 모델 하이퍼파라미터
18. 딥러닝 모델
19. 딥러닝 모델 하이퍼파라미터

Chapter 2. 추천 검색어 & 추천 사이트(학습시 참고자료)

1. 추천 검색어
2. 추천 사이트