공기업 전산직을 위한 도서관

한국부동산원 채용이 시작되었습니다.  

아래 내용을 참고하시어 지원 시 도움이 되시길 바랍니다.

○ 접수기간 : 2025.1.13.(월) 14:00 ~ 2025.1.24.(금) 12:00까지

○ 채용인원 : 전산_본사(채용형인턴) 3명

○ 지원자격 : 어학(TOIEC 700점↑, TEPS264점↑ , TOFLE(IBT) 79점↑ 중 1개만족), 남자의 경우 군필 OR 면제

○ 우대사항 : 정보처리기사, 정보보안기사

○ 전형절차 : 서류 → 필기 → 면접

   ※ 자소서는 필기전형합격자를 대상으로 진행

○ 서류전형 : 적부

○ 필기전형 : 4배수(NCS30% + 전공70%)

○ 면접전형 : 1배(PT+인성면접) 

  ※ 예비합격: 최종합격자의 30%

자세한 내용 및 지원은 아래 한국부동산원 채용사이트 링크 및 첨부파일을 통해 참고하시기 바랍니다

이제 슬슬 시작하는 2025년 상반기채용.. 올해 다같이 파이팅!!

2025년부터 작성되는 채용공고 카테고리는 모든 기업의 공고는 작성하지 않고

아마도 제가 관심있어하거나 앞으로 지원하게 될 그런 기업들 위주, 특히 신입사원 위주로 작성하게될 것 같습니다

언제까지 작성될지는 모르겠으나 2025년안에 원하는 기업에 갈 수 있었으면.. 좋겠습니다.. 

String, Date

문제풀이

A1. UNION ALL 사용

SELECT DATE_FORMAT(SALES_DATE, '%Y-%m-%d') AS SALES_DATE,
PRODUCT_ID, USER_ID, SALES_AMOUNT 
FROM (SELECT SALES_DATE, PRODUCT_ID, USER_ID, SALES_AMOUNT 
             FROM ONLINE_SALE 
             UNION ALL
             SELECT SALES_DATE, PRODUCT_ID, NULL AS USER_ID, SALES_AMOUNT 
             FROM OFFLINE_SALE
             ) AS A
WHERE SALES_DATE LIKE '2022-03%'
ORDER BY SALES_DATE, PRODUCT_ID, USER_ID

※ UNION : 중복제거 + 테이블 세로로 결합(위+ 아래)
※ UNION ALL : 중복제거X + 테이블 세로로 결합(위+ 아래)

문제에 있는거 그대로 따라갔다. ONLINE_SALE에서 필요한거 그대로 가져오고, OFFLINE_SALE테이블에서 필요한거 그대로 가져오고 결합 (UNION은 위아래로 단순하게 붙이는 것이기 때문에 컬럼만 맞으면 나중에 지장은 없다)

OFFLINE_SALE 에서 USER_ID는 NULL로 하라고했기에 NULL을 중간에 넣어줬다

단순하게 붙이면 이런 결과가 나오고 이 테이블을 가지고 다시 조건출력하면 끝

A2. WITH 사용

중간에 결합된 테이블을 바로가져왔지만 WITH 함수를 이용하여 테이블 지정후 작성해도 풀 수 있다

빅분기 후기

빅데이터분석기사 후기(필기, 실기 공부방법, 합격률, 공부기간, 난이도체감 등)(1) :: 공기업 전산직을 위한 도서관

빅분기 실기 1유형 코드정리

빅데이터분석기사 실기 1유형 코드정리 (2) :: 공기업 전산직을 위한 도서관  

빅분기 실기 2유형 코드정리

빅데이터분석기사 실기 2유형 코드정리 (3) :: 공기업 전산직을 위한 도서관 

개인적으로 가장 중요한건 .summary() 

이것만 외워도 최소 1~2문제 이상은 맞출 수 있을거라고 생각하니깐

 .summary() 함수는 꼭 외워가시길 바람..

주요 항목으로는 아래처럼 확인할 수 있다

coef: 각 독립 변수의 회귀 계수

std err: 각 계수의 표준 오차로, 계수 추정의 불확실성을 나타냄

z: 계수의 z-통계량으로, 계수가 0인지 테스트하는 데 사용

P>|z|: z-통계량에 대한 p-값으로, p-값이 0.05보다 작으면 해당 변수가 통계적으로 유의미하다고 판단

[0.025, 0.975]:  계수의 95% 신뢰 구간

그 외에는 정석으로 공부한 내용

3유형은 깊게 공부하지않아서 자주빈출했었던 핵심적인 내용만 작성합니다

해당 내용은 실기 체험문제를 기반으로 작성했습니다

import pandas as pd
import numpy as np

카이제곱 
from scipy.stats import chi2_contingency
table = pd.crosstab(df['Gender'], df['Survived'])
chi2, p_value, ddof, exp = chi2_contingency(table)
print(chi2)

로지스틱회귀 (Survived를 종속 변수로 하고, Gender, SibSp, Parch, Fare를 독립 변수)
from statsmodels.formula.api import logit  
result = logit('Survived ~ Gender+SibSp+Parch+Fare', data =df ).fit().summary()
print(result)

선형 회귀분석 (Survived를 종속 변수로 하고, Gender, SibSp, Parch, Fare를 독립 변수)

import statsmodels.api as sm import statsmodels.formula.api as smf

linear_model = smf.ols('Survived ~ Gender + SibSp + Parch + Fare', data=df).fit()

print(linear_model.summary())

오즈비
from statsmodels.formula.api import logit
result2 = logit('Survived ~ Gender+SibSp+Parch+Fare', data =df ).fit().params
print(np.exp(result2))

검정통계랑
from scipy import stats
result = stats.ttest_rel(df['SibSp'], df['Survived'], alternative = 'greater')
print(result)

상관분석 ( 'Fare'와 'Age' 변수 간의 상관분석)

from scipy.stats import pearsonr  

corr, p_value = pearsonr(df['Fare'], df['Age'])

print(f'피어슨 상관계수: {corr}, p-값: {p_value}')

정규성 검정 ('Fare' 변수의 정규성 검정)

from scipy.stats import shapiro

stat, p_value = shapiro(df['Fare'])

print(f'검정 통계량: {stat}, p-값: {p_value}')

일원분산분석 (  'Pclass'에 따른 'Fare'의 차이 검정)

from scipy.stats import f_oneway 

group1 = df[df['Pclass'] == 1]['Fare']

group2 = df[df['Pclass'] == 2]['Fare']

group3 = df[df['Pclass'] == 3]['Fare']

stat, p_value = f_oneway(group1, group2, group3)

print(f'F-통계량: {stat}, p-값: {p_value}')

독립표본 t-검정 ( 'Gender'에 따른 'Age'의 차이 검정)

from scipy.stats import ttest_ind

male_age = df[df['Gender'] == 'male']['Age']

female_age = df[df['Gender'] == 'female']['Age']

stat, p_value = ttest_ind(male_age, female_age, alternative='two-sided')

print(f't-통계량: {stat}, p-값: {p_value}')

아래는 공부하면서 자주 나왔거나 중점적으로 공부했으면 좋을 내용입니다(1,6,7,8번 중요도up★)

1 상관관계 분석: 데이터의 변수들 간 상관관계를 분석하여 상관계수를 계산하는 문제

2 정규성 검정: 데이터가 정규분포를 따르는지 확인하는 문제로, 주로 Shapiro-Wilk 검정을 사용.

3 일원분산분석 (ANOVA): 여러 집단 간 평균의 차이를 검정하는 문제

4 이원분산분석: 두 개의 요인에 대한 평균 차이를 검정하는 문제로, 상호작용 효과도 고려

5 t-검정:

  - 단일표본 t-검정: 단일 표본의 평균이 특정 값과 다른지 검정

  - 독립표본 t-검정:두 독립된 집단의 평균 차이를 검정

6 점추정과 구간추정: 표본을 통해 모집단의 모수를 추정하고, 신뢰구간을 계산하는 문제

7 카이제곱 독립성 검정: 두 범주형 변수 간의 독립성을 검정하는 문제

8 회귀 분석:

 - 다중선형 회귀: 여러 독립 변수를 사용하여 종속 변수와의 관계를 모델링

 - 로지스틱 회귀: 이진 종속 변수와 독립 변수들 간의 관계를 모델링

해당 링크는 빅분기 실기를 공부하면서 많은 도움이 됐던 영상입니다 참고하시면 좋습니다

https://www.youtube.com/watch?v=-mYXKWBmwZM 

그 외로 필기에서 공부했듯이 귀무가설, 독립가설 등 기본적인 용어 숙지를 한다면 더욱 좋습니다

String, Date

문제풀이

A1. QUARTER 함수 사용

SELECT CONCAT(QUARTER(DIFFERENTIATION_DATE), 'Q') AS QUARTER, COUNT(ID) AS ECOLI_COUNT

FROM ECOLI_DATA 
GROUP BY QUARTER
ORDER BY QUARTER

※ QUARTER(컬럼명) : 컬럼명에 대한 분기 출력 함수 

A2. case 구문 사용

SELECT

CASE WHEN MONTH(DIFFERENTIATION_DATE) <4 THEN '1Q'
           WHEN MONTH(DIFFERENTIATION_DATE) <7 THEN '2Q'

           WHEN MONTH(DIFFERENTIATION_DATE) <10 THEN '3Q'
           ELSE '4Q' END AS QUARTER, COUNT(ID) AS ECOLI_COUNT
FROM ECOLI_DATA 
GROUP BY QUARTER
ORDER BY QUARTER

→ case 구문 및 날짜데이터 함수를 이용하여 월 구간 분류 후 출력

SELECT

문제풀이

A. JOIN 사용

SELECT A.ITEM_ID, A.ITEM_NAME, A.RARITY FROM ITEM_INFO AS A 
LEFT JOIN ITEM_TREE AS B ON A.ITEM_ID = B.PARENT_ITEM_ID
WHERE B.ITEM_ID IS NULL
ORDER BY A.ITEM_ID DESC

N차세대 부모-자식관련 문제를 풀 땐 조인을 이용하여 생각해야한다. 그리고 이 문제는 문제에 두 테이블은 분리가 되어있는 것 처럼 보이지만 PARENT_ITEM_ID만 따로 분리했다고도 볼 수 있다. 그래서 어떻게 결합하냐에 따라 문제를 보다 쉽게 해석할 수 있게된다.

처음에 ITEM_ID 는 자식, PARENT_ITEM_ID 는 부모를 의미하고있다.

그렇다면 테이블 두개를 ON A.ID = B.PARENT_ITEM_ID 로 결합하게 된다면 부모-자식간 관계가 보인다

좌측 A. ITEM_ID는 B.PARENT_ID 부모포지션으로 같아지고  

B.PARENT_ID의 자식 B. ITEM_ID 는 A. ITEM_ID의 자식으로 볼 수 있다.

즉  아래와 같은 테이블로 볼 수 있다

이 이후엔 업그레이드가 불가능한 조건 ( = 자식이 없는 부모, WHERE B.ITEM_ID IS NULL )을 구하면 된다

아래문제는 비슷한 유형이므로 연계해서 풀어보면 도움이 될 것 같다.

[프로그래머스/MYSQL] 대장균들의 자식의 수 구하기 :: 공기업 전산직을 위한 도서관