2026 ADsP 벼락치기 1주 플랜 (비전공자·통계 처음인 사람용)

왜 3일이 아니라 7일이어야 하는가

3일 플랜은 이미 별도 글로 정리했어요. 그런데 그 글에서도 결국 "비전공자라면 5–7일 권장"이라고 적었습니다. 이유는 단순합니다.

ADsP 3과목(데이터 분석)은 통계·머신러닝 평가지표가 핵심인데, 이게 처음 보는 사람한테는 그냥 외운다고 안 들어와요. 정밀도·재현율·F1 같은 개념은 한 번 헷갈리기 시작하면 시험장에서 4지선다 두 개 사이에서 계속 망설입니다. 7일이면 이 개념을 두 번 보고 갈 수 있어서, 같은 문제도 망설이는 시간이 줄어듭니다.

이 글은 3일 플랜이 빡빡한 사람, 또는 처음부터 안정적으로 가고 싶은 사람을 위한 7일 루트입니다.

ADsP 합격 기준 다시 한번

50문항 중 3과목이 30문항입니다. 이 한 줄이 7일 플랜의 모든 우선순위를 결정해요. 3과목에서 18개(60%) 맞추면 합격이 거의 확정입니다.

7일 플랜 한눈에

1일차 — 진단 (시간 짧음, 마음만 잡으면 됨)

벼락치기에서 1일차는 공부보다 현재 위치 측정입니다.

진행 (3시간)

• 최근 회차 기출 1회 시간 재고 풀기 (90분)
• 채점 + 과목별 점수 기록 (15분)
• 오답 해설 정독 (60분)
• 약점 주제 단어로 정리 (15분)

진단 결과를 다음 표에 적어두세요. 7일 내내 우선순위 기준이 됩니다.

3과목 점수가 12점 미만이면 그 과목에 6일을 다 써야 한다는 뜻입니다.

2일차 — 1과목 (가장 빠르게 점수 회수)

1과목은 용어 암기 위주라서 하루 만에 7–8개는 맞출 수 있게 됩니다.

핵심 용어

• DIKW 피라미드: Data → Information → Knowledge → Wisdom
• 데이터 유형: 정형(테이블)·반정형(JSON·XML)·비정형(텍스트·이미지)
• 빅데이터 5V: Volume, Velocity, Variety, Veracity, Value
• 데이터베이스 vs DW vs Data Lake 차이
• 개인정보 비식별화: 가명처리·총계처리·데이터 삭제·범주화·마스킹

진행 (3시간)

• 핵심 용어 노트 정리 (1.5시간)
• 1과목 기출 1회 풀기 (1시간)
• 틀린 용어 다시 보기 (30분)

이 시점에 1과목에서 7개 이상 맞으면 7일차까지 추가 학습은 안 해도 됩니다.

3일차 — 3과목 통계 기초 (개념 익숙해지기)

3일차부터 5일차까지는 3과목에 몰빵합니다. 가장 헷갈리는 통계 개념을 먼저 보고, 그 위에 회귀·분류를 올리는 순서예요.

기본 통계량

• 평균: 합 / 개수
• 분산: 평균에서의 거리² 평균
• 표준편차: 분산의 √
• 중앙값·최빈값: 정렬 후 가운데 / 가장 자주 등장
• 사분위수: Q1·Q2·Q3·IQR (Q3-Q1)

상관·공분산

• 상관계수: -1 ~ 1, 절댓값 클수록 강한 관계
• 공분산: 부호로 방향만 (값 자체는 단위에 의존)
• 0이면 선형 관계 없음 (비선형 관계는 있을 수 있음)

가설검정 (개념만)

• 귀무가설(H0) vs 대립가설(H1)
• p-value < 유의수준(0.05)이면 H0 기각
• 1종 오류(α) vs 2종 오류(β)

4일차 — 3과목 회귀·분류 + 평가지표 (가장 중요한 하루)

ADsP 3과목 출제의 절반은 이 영역입니다. 5시간 통째로 비우세요.

회귀 분석

• 단순 선형 회귀: y = ax + b
• 다중 선형 회귀: 독립변수 여러 개
• 회귀 4가지 가정: 선형성·독립성·등분산성·정규성 (선·독·등·정)
• 결정계수 R²: 0~1, 클수록 설명력 좋음
• MSE / RMSE / MAE: 작을수록 좋음

분류 모델

• 로지스틱 회귀: 이름은 회귀지만 분류
• 의사결정나무: 지니지수·엔트로피로 분기 결정
• 가지치기(Pruning): 과적합 방지
• 랜덤 포레스트: 의사결정나무 여러 개 앙상블
• SVM: 마진 최대화 분류기

분류 평가지표 (매회 3–4문제)

혼동행렬:

• 정확도(Accuracy): (TP+TN) / 전체
• 정밀도(Precision): TP / (TP+FP) — 예측 양성 중 진짜 양성
• 재현율(Recall): TP / (TP+FN) — 진짜 양성 중 잘 잡은 비율
• F1 Score: 정밀도와 재현율의 조화평균
• 특이도(Specificity): TN / (TN+FP)

5일차 — 군집·시계열·R 기초

3과목 후반부와 R 코드 기본을 한 번에 봅니다.

군집 분석

• K-means: K 사전 지정, 초기값에 민감
• 계층적 군집: 덴드로그램 시각화
• DBSCAN: 밀도 기반, K 지정 불필요
• 실루엣 계수: 군집 평가 (-1 ~ 1, 클수록 좋음)

시계열 분석

• 4요소: 추세·계절성·순환·불규칙
• 이동평균: 단순·가중·지수
• 자기상관함수(ACF): 시차 간 상관

R 기초 (3–4문제)

• 변수 할당: x <- 5 또는 x = 5
• 벡터 생성: c(1, 2, 3)
• 데이터프레임: data.frame(x=1:3, y=c('a','b','c'))
• 패키지: install.packages() / library()
• 결측치: is.na() / na.rm=TRUE
• 자주 나오는 함수: mean() var() sd() cor() lm()

6일차 — 2과목 + 첫 모의고사

2과목은 가장 마지막에 봐도 됩니다. 암기 위주라 단기간에 들어가요.

오전 (2시간) — 2과목 핵심

• 분석 과제 발굴: 하향식(Top-down) vs 상향식(Bottom-up)
• 분석 성숙도 4단계: 도입 → 활용 → 확산 → 최적화
• 분석 거버넌스 구성요소: 조직·인력·프로세스·기술·데이터
• CRISP-DM 6단계: 업무 이해 → 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 전개

오후 (2시간) — 모의고사 1회

• 시간 재고 90분
• 채점 + 과목별 점수 확인
• 평균 60점 이상이면 7일차 가볍게 진행
• 미만이면 7일차 약점 과목 추가 학습

7일차 — 마무리

새 개념 보지 마세요.

오전 (2시간) — 모의고사 2회 (다른 회차)

• 평균 65점 이상 나오면 안정권

오후 (2시간) — 오답 정리

• 6·7일차 모의고사 틀린 문제만 다시 보기
• 정밀도·재현율·F1 같은 헷갈리는 지표는 카드로 만들어 시험장 가는 길에 한 번 더

저녁 — 일찍 자기

3일 플랜 vs 7일 플랜 — 어느 쪽을 골라야 하나

3일 플랜은 후기로 합격 사례가 많지만, 사실상 연차·주말 풀로 비울 수 있는 사람이 진입하는 루트입니다. 그게 안 되면 7일 잡고 평일 분산이 훨씬 안전해요.

시험 당일 — 시간 배분

90분 × 50문항 = 1문항당 1.8분. 여유는 있는 편입니다.

1. 1과목 → 2과목 → 3과목 순서 (쉬운 것부터 점수 확보)
2. 3과목 계산 문제는 마지막에 — 시간 보호 우선
3. 30분 지났을 때 중간 체크 — 1·2과목 다 풀었는지
4. 모르면 찍기 — 빈칸 금지. 4지선다라 기대값 25%
5. 마지막 10분 검토 — 헷갈렸던 문제 위주로

정리

• 1주 벼락치기는 3과목(데이터 분석)에 4·5·6일차를 통째로 투자
• 정밀도·재현율·F1·R²는 시험장에서 가장 자주 헷갈리는 개념 — 7일이면 두 번 볼 시간 있음
• 1과목·2과목은 합쳐서 2일이면 충분
• R은 코드 작성보다 함수 의미 위주

ADsP 모의고사 한 번 더 →

관련 글

• ADsP 벼락치기 3일 플랜 (시간 더 짧은 버전)
• ADsP 핵심 개념 정리, 3과목 50문항 한 번에
• ADsP 비전공자 합격 가이드 — 통계 처음인 사람을 위해
• ADsP 평가지표 정리 — 정밀도·재현율·F1 한 번에 외우기
• ADsP R 기초 — 시험에 꼭 나오는 함수
• ADsP 합격률 — 회차별 난이도 분석