2024 내일은 정보처리기사 실기 또는 Data Analysis for Social Science > NEW도서

2024 내일은 정보처리기사 실기



도서명 : 2024 내일은 정보처리기사 실기
저자/출판사 : 임소현,조수현,천지은, 김앤북
쪽수 : 592쪽
출판일 : 2024-03-05
ISBN : 9788965128748
정가 : 26000

Chapter 01 요구사항 확인
001 소프트웨어 생명주기 모델
002 소프트웨어 개발방법론
003 객체지향(OOP)과 객체지향 분석 방법론
004 비용 산정 기법과 프로젝트 일정 계획
005 소프트웨어 개발 표준
006 요구사항 정의
007 요구사항 개발 프로세스
008 요구사항 분석 및 자동화 도구
009 UML(Unified Modeling Language)
010 UML 다이어그램(UML Diagram)

Chapter 02 화면설계
011 사용자 인터페이스(User Interface)
012 UI 설계 및 설계 도구

Chapter 03 프로그램 구현
013 소프트웨어 아키텍처
014 모듈
015 디자인 패턴

Chapter 04 인터페이스 구현 및 통합 구현
016 송수신 연계 기술 및 미들웨어 솔루션
017 모듈 연계 구현
018 인터페이스 보안, 기능 구현 및 검증

Chapter 05 데이터 입출력 구현
019 데이터베이스 설계
020 데이터 모델 구성요소
021 개체-관계(E-R) 모델
022 키(Key) 종류
023 데이터베이스 무결성
024 관계 데이터 언어
025 데이터베이스 정규화(Normalization)와 반정규화(Denormalization)
026 트랜잭션
027 트랜잭션 관리 기법
028 스토리지와 분산 데이터베이스
029 데이터베이스 이중화와 암호화
030 파티셔닝(Partitioning)

Chapter 06 SQL 응용
031 DDL
032 DCL
033 DML
034 집합 연산자
035 조인(Join)과 서브쿼리(Subquery)
036 뷰(VIEW)
037 인덱스(INDEX)

Chapter 07 애플리케이션 테스트 관리
038 애플리케이션 테스트 원리 및 종류
039 테스트 케이스 / 테스트 시나리오 / 테스트 오라클
040 테스트 기법에 따른 분류 - 블랙박스 테스트 / 화이트박스 테스트
041 개발 단계에 따른 테스트 분류 - 단위/통합/시스템/인수 테스트
042 결함 관리·테스트 자동화 도구
043 애플리케이션 성능 지표와 복잡도
044 소스 코드 품질 분석 도구 및 최적화

Chapter 08 소프트웨어 개발 보안 구축
045 소프트웨어 개발 보안 요소 및 인증, 접근 제어
046 암호 알고리즘
047 보안 취약점과 서비스 공격기법

Chapter 09 프로그래밍 언어 활용
048 C언어 - 데이터 입·출력
049 C언어 - 조건문과 반복문
050 C언어 - 포인터와 배열
051 C언어 - 사용자 정의 함수
052 C언어 - 구조체와 함수 포인터
053 JAVA - 기본 구조와 자료형
054 JAVA - 표준입출력함수와 연산자
055 JAVA - 조건문과 반복문
056 JAVA - 메서드와 클래스
057 JAVA - 예외처리와 스레드
058 Python - 자료형과 데이터 입출력
059 Python - 조건문 및 반복문
060 Python - 함수 및 예외처리

Chapter 10 응용 SW 기초 기술 활용
061 운영체제 종류
062 메모리 관리 기법과 페이지 교체 알고리즘
063 프로세스/스레드
064 프로세스 스케줄링과 교착상태
065 환경변수 / 쉘 스크립트(Shell Script)
066 인터넷 구성과 네트워크
067 TCP/IP와 서브네팅
068 소프트웨어 관련 신기술
069 하드웨어 관련 신기술
070 데이터베이스 관련 신기술 및 데이터베이스 관리 기능

Chapter 11 소프트웨어 패키징
071 소프트웨어 패키징과 매뉴얼 작성

부록 2023 최신 기출 및 기출변형 모의고사
01 2023 최신기출
001 2023년 1회 기출
002 2023년 2회 기출
003 2023년 3회 기출

02 기출변형 모의고사
001 기출변형 모의고사 1회 42
002 기출변형 모의고사 2회 55
003 기출변형 모의고사 3회 64

03 정답 및 해설
001 2023년 1회 기출 정답 및 해설
002 2023년 2회 기출 정답 및 해설
003 2023년 3회 기출 정답 및 해설
004 기출변형 모의고사 1회 정답 및 해설
005 기출변형 모의고사 2회 정답 및 해설
006 기출변형 모의고사 3회 정답 및 해설




Data Analysis for Social Science



도서명 : Data Analysis for Social Science
저자/출판사 : Haeil Jung, 윤성사
쪽수 : 328쪽
출판일 : 2024-03-04
ISBN : 9791193058237
정가 : 25000

Chapter 1 How do we examine our interests with data?: Distribution and mean
ㆍ Understanding our world with data
ㆍ Mapping what we want to study into numbers
ㆍ Less likely or more likely? Think about the probabilities of events
ㆍ Which group of subjects do we want to study?: The population of interest and the random sample
ㆍ Random sample assumption and sampling methods
ㆍ What useful information can we have from a sample?: sample mean and sample variance
ㆍ Normal distribution and its application: One of the most popular and useful distributions
ㆍ Alternative measures to mean: median and mode
ㆍ Chapter Summary
ㆍ Exercises

Chapter 2 Do more with the sample mean: Inference
ㆍ Sampling distribution of the sample mean and the Central Limit Theorem
ㆍ The confidence interval (CI) for the population mean μ
ㆍ Hypothesis test for the population mean μ
ㆍ How to choose an appropriate sample size in the survey for inference
ㆍ Chapter Summary
ㆍ Exercises

Chapter 3 Examining the relationship between the two quantitative variables I: Correlation coefficient and introduction to the OLS regression analysis
ㆍ Covarience and correlation coefficent
ㆍ Introduction to the OLS regression analysis
ㆍ Chapter Summary
ㆍ Exercises

Chapter 4 Examining the relationship between the two continuous variables II: Inference in the OLS regression analysis
ㆍ The normally of the error term and the sampling distribution of the OLS estimator
ㆍ The linear regression model when the sample size becomes larger
ㆍ The Confidence Interval (CI) for the regression parameter β1
ㆍ Hypothesis test for the regression parameter β1
ㆍ Chapter Summary
ㆍ Exercises

Chapter 5 Handling two or more explanatory variables in OLS regression analysis I: Multivariate Regression Analysis
ㆍ Partialling out and multicollinearity in multivariate regression analysis
ㆍ Omitted variable bias in the linear regression model
ㆍ Adding an explanatory variable and the efficiency of OLS estimators
ㆍ Chapter Summary
ㆍ Exercises

Chapter 6 Handling two or more explanatory variables in OLS regression analysis II: Hypothesis tests and more in Multivariate Regression Analysis
ㆍ Hypothesis tests in multivariable regression analysis
ㆍ Adjusted R-squared
ㆍ Chapter Summary
ㆍ Exercises

Chapter 7 The OLS regression analysis when comparing the outcomes of the two or more groups: Use of binary explanatory variables
ㆍ Estimating group differences in an outcome variable
ㆍ Estimating group differences in an outcome variable without the constant
ㆍ Estimating group differences using an interval variable
ㆍ Estimating group differences in a slope coefficient
ㆍ Estimating group differences in all explanatory variables
ㆍ Estimating the nonlinear relationship between an explanatory variable and an outcome variable
ㆍ Subsample analysis based on exogenous explanatory variables
ㆍ Chapter Summary
ㆍ Exercises

Chapter 8 Developing and completing the OLS regression analysis by using rescaling and functional specifications
ㆍ Rescaling of the outcome and explanatory variables
ㆍ Linearity in the OLS analysis
ㆍ Linear and nonlinear specifications in the OLS analysis
ㆍ Choosing specifications by considering three different types of causal paths
ㆍ General rules for including additional variables and making specifications in multivariate regression analysis
ㆍ Chapter Summary
ㆍ Exercises

Chapter 9 The OLS regression analysis when the variance of the error term depends on the explanatory variables: Heteroscedasticity
ㆍ Chapter Summary
ㆍ Exercises

Chapter 10 The regression analysis when the outcome variable is binary: LPM, Logit, and Probit
ㆍ Linear Probability Model (LPM): Using OLS when the outcome variable is binary
ㆍ The estimation of logit and probit models
ㆍ Statistical inference and goodness of it for probit and logit models
ㆍ Chapter Summary
ㆍ Exercises

Appendix
A. Software programs for data analysis: SPSS, SAS, Stata, R
B. How to do a reliable empirical study
C. z distribution table: standard normal curve tail probabilities
D. t distribution table: critical values of the t distribution
E. Chi-square distribution table: critical values of the Chi-square distribution
F. F distribution table: critical values of the F distribution