2026 이패스 AICE BASIC

◎ 책 특징
데이터분석을 처음 접하더라도 4주만에 합격 할 수 있도록 내용을 구성했으며 이 책의 특징은 아래와 같습니다.

● 합격을 위한 상세한 출제경향, 학습전략 수록
합격은 물론 AI 활용을 위한 효과적인 학습을 위한 출제경향과 학습전략을 제공합니다.

● 초심자의 눈높이에 맞춘 간결하고 친절한 해설
코딩과 AI를 처음 접하는 초심자를 위한 보충설명을 통해 빠른 이해를 돕습니다.

● AIDU 실습 주의사항 제공
AIDU 실습시 효율적인 학습을 위한 다양한 주의사항 제공합니다.

● AIDU 화면 삽입을 통한 셀프 학습 안내
AIDU를 처음 접해보는 학습자의 시각으로 조작방법을 순서대로 제시하여, 교재만 따라해도 작업형 과제를 직접 수행해볼 수 있습니다.

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

● 4주 스터디 플랜 수록

◎ 목 차
Part 1. AI와 데이터의 기본 이해
Chapter 1. 인공지능이란 무엇인가

1. 인공지능의 개념
2. AI는 어떻게 판단할까
3. 사람이 하는 판단과 AI의 차이
4. AI는 왜 틀릴 수 있는가

Chapter 2. AI 문제 해결의 전체 흐름

1. 문제 정의
2. 데이터 수집
3. 데이터 전처리
4. 데이터 분석
5. 모델 학습
6. 성능 평가

Chapter 3. 데이터는 AI에게 무엇인가

1. 데이터의 의미
2. 수치형 데이터와 범주형 데이터
3. 데이터가 많다고 항상 좋은 것은 아니다

Part 2. AIDU 데이터 처리와 분석
Chapter 1. 데이터 불러오기와 기본 구조

1. AIDU 데이터 업로드
2. AIDU에서의 화면 구성
3. 데이터 구조 확인

Chapter 2. 문제 유형 판단하기

1. 분류 문제
2. 회귀 문제

Chapter 3. 탐색적 데이터 분석

1. 기초 통계
2. 기초 통계는 무엇을 보여주는가?
3. 기초 정보 분석
4. 시각화

Chapter 4. 데이터 전처리

1. 데이터 전처리란?
2. 데이터 가공 메뉴 전체 구조 이해하기
3. 수치형 데이터 변환
4. 범주형 데이터 변환
   5, 데이터 필터링

Part 3. AI학습과 모델 평가
Chapter 1. 머신러닝의 종류

1. 머신러닝의 종류
2. 지도 학습
3. 비지도 학습
4. 강화 학습

Chapter 2. 딥러닝

1. 머신러닝과 딥러닝의 차이
2. 인공신경망의 기본 구조
3. 딥러닝의 구성 요소
4. 딥러닝의 학습 흐름
5. 딥러닝 학습 설정 요소
6. 딥러닝 학습단계 및 세부설정
7. 데이터 분할과 검증
8. 교차 검증
9. 과적합과 과소적합
10. 타겟 데이터 불균형 처리

Chapter 3. 모델 성능 평가

1. 지도학습 모델 평가
2. 분류모델의 성능 평가
3. 회귀모델의 성능 평가
4. 딥러닝모델 평가

Part 4. AICE BASIC 시험실전대비 최종 모의고사
Chapter 1. 시험에서 자주 나오는 유형

1. 단계 선택형 문제
2. 결과 해석형 문제
3. 문제유형 판단형 문제

Chapter 2. 시험전략정리

1. 시간관리 및 필수 확인 사항
2. 실수방지 포인트
3. 연계문제 대응법

Chapter 3. 최종 모의고사

1. 실전모의고사 1회
2. 실전모의고사 2회
3. 실전모의고사 3회
4. 실전모의고사 4회
5. 실전모의고사 5회