2026 ADsP 일정·출제 흐름과 과락 피하는 핵심 개념

안녕하세요, 공부하는 감자입니다 🥔

2026년에 ADsP를 준비하시는 분들이 제일 먼저 알아야 할 게 일정이에요. 올해는 연 3회만 시행됩니다.

1회 2월 29일, 2회 6월 27일, 3회 9월 26일. 한 회차를 놓치면 4개월을 기다려야 해서, "다음에 보지 뭐"가 생각보다 비쌉니다.

시험 구조는 그대로예요. 3과목 50문항 객관식 90분, 1과목 10문항·2과목 10문항·3과목 30문항.

평균 60점 이상이면 합격이고, 한 과목이라도 40% 미만이면 과락입니다. 2024년 40회 개편으로 단답형이 사라진 뒤 합격률은 60%대 후반까지 올라왔는데, 최근 회차를 보면 3과목 난이도가 조금씩 오르는 흐름이에요.

기출 반복 유형이 여전히 60% 이상이지만, 머신러닝·딥러닝 기초 용어 같은 신유형이 한두 문제씩 끼어듭니다.

그래서 이 글은 "이것만 정확히 알면 과락은 안 난다" 기준으로 추렸어요. 비중이 큰 3과목부터 갑니다.

3과목 데이터 분석 (30문항) — 점수의 몸통

회귀 — 릿지와 라쏘만큼은 반대로 못 쓰게

회귀 계열은 표 한 장으로 정리됩니다.

유형	종속변수	핵심
단순 선형	연속형	독립변수 1개
다중 선형	연속형	독립변수 여러 개, 다중공선성 주의
로지스틱	범주형(0/1)	시그모이드로 확률 출력
릿지	연속형	L2 규제, 계수 크기 축소
라쏘	연속형	L1 규제, 계수를 0으로 → 변수 선택
엘라스틱넷	연속형	L1+L2 결합

릿지 = L2, 라쏘 = L1. 반대로 쓴 보기가 매회 나옵니다. "라쏘의 라 = 1획"으로 외우는 분들이 많아요.

결정계수도 한 번씩 나옵니다. R² = 1 − (SSE/SST).

SSE는 잔차 제곱합, SST는 총 제곱합이고 1에 가까울수록 설명력이 좋아요.

분류 알고리즘 — 이름과 한 줄 매칭

• 의사결정나무: 재귀 분할, 불순도 지표는 지니·엔트로피·카이제곱 (MSE는 회귀 손실, 불순도 아님 — 단골 오답)
• KNN: 가까운 K개 다수결, 지도학습
• SVM: 마진 최대화 초평면, 커널 트릭
• 나이브베이즈: 조건부 확률 기반
• 랜덤포레스트: 의사결정나무의 배깅

앙상블은 방향만 잡으면 됩니다. 배깅은 병렬 학습으로 분산 감소(랜덤포레스트), 부스팅은 순차 학습으로 편향 감소(AdaBoost, XGBoost, LightGBM).

최근엔 XGBoost·LightGBM 이름이 보기로 등장하기 시작했으니 부스팅 계열이라는 것 정도는 알고 들어가세요.

군집과 거리

K-means는 비지도학습이고 K를 미리 지정해야 하며 초기값에 민감합니다. 계층적 군집은 덴드로그램으로 시각화하고 연결법이 4종(단일·완전·평균·중심).

DBSCAN은 밀도 기반이라 K 지정이 필요 없는데, 신유형 후보니 이름만 알아두세요.

거리 측도는 매칭 문제로 나와요. 유클리디안은 직선 거리, 맨해튼은 격자 이동, 마할라노비스는 공분산 반영, 자카드는 집합 데이터, 코사인은 벡터 각도라 문서 유사도에 적합.

"문서 데이터에 유클리디안"이라고 쓴 보기는 오답입니다.

연관분석 — 매회 계산 1~2문항

숫자를 바꿔 연습해볼게요. 거래 150건, A 구매 50건, B 구매 60건, 동시 구매 30건이면:

• 지지도 = 30/150 = 0.2
• 신뢰도(A→B) = 30/50 = 0.6
• 향상도(A→B) = 0.6 ÷ (60/150) = 0.6/0.4 = 1.5

향상도는 1이 기준이에요. 1이면 독립, 1보다 크면 함께 일어나는 경향, 1보다 작으면 음의 연관.

공식 암기보다 이 해석을 입으로 설명할 수 있는지가 진짜 출제 포인트입니다.

모형 평가 — 혼동행렬과 ROC

공식 네 개부터 박아둡니다.

지표	공식
정확도	(TP+TN) / 전체
정밀도	TP / (TP+FP)
재현율	TP / (TP+FN)
F1	정밀도·재현율의 조화평균

숫자로 한 번 굴려보면 감이 옵니다. 전체 500건 중 실제 양성 50, 음성 450.

모델이 양성 80건을 예측했고 TP가 40이라면 FP = 40, FN = 10이고 TN = 410. 정확도는 (40+410)/500 = 0.9로 멀쩡해 보이지만 정밀도는 40/80 = 0.5밖에 안 돼요.

불균형 데이터에서 정확도 하나만 보면 안 된다는 게 이 계산의 교훈입니다.

ROC 곡선은 x축이 FPR, y축이 TPR이고 좌상단에 붙을수록 좋은 모델. AUC는 0.5가 랜덤, 1.0이 완벽이에요.

그 외 3과목 기본기

• R 기초: c() 벡터, data.frame() 데이터프레임, na.rm = TRUE로 결측 제거, apply는 1이 행·2가 열 방향
• 가설검정: 제1종 오류 α는 참인 귀무가설을 기각, 제2종 오류 β는 거짓인 귀무가설을 채택, 검정력 = 1 − β
• 시계열: 정상성은 평균·분산·자기공분산이 시간에 불변, ARIMA(p,d,q)에서 d는 차분 횟수
• PCA: 분산 최대 보존 차원 축소, 주성분 선택은 고유값 1 이상·누적 분산 80%·스크리 도표 꺾임

로지스틱 회귀는 계산보다 원리를 물어요. 시그모이드 p = 1/(1+e^(−z))가 0~1 사이 확률을 내놓는다는 것만 잡아두면 됩니다.

z = 0이면 확률이 정확히 0.5가 되고요.

1과목 데이터 이해 (10문항)

올해 출제 경향에서 자주 건드리는 건 데이터 유형 예시 매칭이에요. 정형은 RDB 테이블·CSV, 반정형은 JSON·XML·로그, 비정형은 이미지·영상·텍스트.

JSON을 비정형으로 분류한 보기가 단골 오답입니다. 키-값 구조가 있으니 반정형이에요.

DIKW(데이터→정보→지식→지혜) 사례 매칭은 거의 고정 출제고, 빅데이터 V는 3V(Volume·Velocity·Variety)에 Veracity·Value를 더한 5V가 시험 기준입니다. 교재에 따라 Validity·Volatility까지 7V를 언급하기도 하지만 출제는 3V·5V 중심이에요.

Hard/Soft Skill 구분도 매회 나옵니다. 통계·머신러닝·프로그래밍·DB는 Hard, 커뮤니케이션·스토리텔링·도메인 이해·호기심은 Soft.

신유형 대비로 저장소 용어 네 개도 정의 한 줄씩 챙기세요.

• 데이터 레이크: 원본 그대로 저장
• 데이터 웨어하우스: 정제된 구조화 저장소
• 데이터 마트: 부서·주제용 소형 저장소
• 엣지 컴퓨팅: 수집 지점 근처에서 처리

2과목 분석 기획 (10문항)

방법론 3형제가 핵심입니다. KDD 5단계(학술), CRISP-DM 6단계(산업), SEMMA 5단계(SAS).

배포(Deployment) 단계는 CRISP-DM에만 있다 — 매회 출제 포인트예요.

• 과제 발굴: 하향식은 문제 탐색→정의→해결방안→타당성, 상향식은 데이터에서 패턴 발견 후 프로토타이핑
• 성숙도 4단계: 도입 → 활용 → 확산 → 최적화
• 분석 거버넌스 4대 구성: 조직·프로세스·시스템·데이터 ("분석 문화"를 5번째로 끼우면 함정)
• 위험 대응 4전략: 회피(원인 제거)·전가(보험·외주)·완화(백업·이중화)·수용(예비비 확보 후 진행)
• 마스터플랜 우선순위: 시급성 × 난이도 2축 매트릭스

2026 신유형 — 용어 정의만 나옵니다

구현을 묻는 시험이 아니니 정의 한 줄씩이면 충분해요.

• 과적합: 훈련 데이터에 과하게 맞아 일반화 실패
• 정규화(Regularization): 가중치 패널티로 과적합 완화 (L1·L2)
• 하이퍼파라미터: 학습 전에 사람이 정하는 값 (학습률, K 등)
• 활성화 함수: ReLU·Sigmoid·Tanh, 비선형성 부여
• 역전파: 오차를 출력→입력 방향으로 전파하며 가중치 갱신
• Dropout: 학습 시 뉴런을 확률적으로 꺼서 과적합 방지

푸는 순서와 마무리

저는 시험장에서 이 순서를 권해요. 1과목(15분) → 2과목(15분) → 3과목 이론 문제(30분) → 3과목 계산 문제(20분) → 검토 10분.

계산을 먼저 잡으면 시간이 녹아서 쉬운 문제를 놓칩니다. 과락이 불안하면 과목별 최소 득점(1·2과목 각 4문제, 3과목 12문제)을 메모해두고 체크하면서 푸는 것도 방법이에요.

개념이 어느 정도 들어왔다 싶으면 실전 형식으로 점검해보는 게 좋은데, 저는 문어CBT 모의고사로 최근 출제 경향 감을 잡았어요. 무료라서 회차 아껴가며 풀 필요가 없는 점이 편했습니다.

SQLD·정처기·컴활·ADsP 무료 CBT 모의고사

기출을 돌릴 땐 단답형이 섞인 2023년 이전 말고 40회 이후 회차부터 보세요.

마지막으로 일곱 줄 요약입니다.

1. 데이터 유형 예시 매칭 (JSON은 반정형)
2. DIKW 순서와 사례
3. CRISP-DM 6단계, 배포 포함
4. 분석 거버넌스 4대 구성
5. 릿지 L2 · 라쏘 L1
6. 연관분석 공식 + 향상도 1 기준 해석
7. 혼동행렬 정밀도·재현율

여기에 신유형 용어 6개 이름만 얹으면 2026년 합격권입니다. 다음 회차에서 같이 붙어요 💪