AICE Associate 학습 순서와 시험환경 - Codex 대화
출처
2026-09-12 Learning 대화에서 사용자가 AICE Associate 학습 순서 구성을 요청했다. 이후 실습을 시험환경에 맞출지 확인했고, Python·라이브러리 버전을 나중으로 미루지 않고 미리 확인하도록 요청했다. 마지막으로 지금까지의 내용을 Vault에 정리하도록 요청했다. 아래는 대화와 직접 조회한 공식 자료를 대조한 Codex의 요약이다.
학습 구성
사용자가 이전에 pandas와 머신러닝 모델 학습을 해본 경험은 AI에 기록되어 있다. 이번 대화에서는 이 경험을 반영해 작은 실습으로 기억을 되살리고 필요한 기초를 보완하는 학습 순서를 제안했다. 실제 숙달 수준이나 강점·약점을 평가한 결과는 아니다.
공식 출제범위인 데이터 분석 30점, 데이터 전처리 30점, AI 모델링 40점을 선수 관계에 맞춰 구성한다. 학습 순서는 내용·선수 관계를 기준으로 하고, 기간별 학습량 배분은 이번에 정하지 않았다. 학습 목적과 원천의 역할은 자격시험은 학습 커리큘럼으로 사용하되 시험에 종속되지 않는다와 자격시험 학습에서 공식 자료와 AI의 역할을 분리한다를 따른다.
| 순서 | 학습 구간 | 다룰 내용과 실습 도달점 |
|---|---|---|
| 준비 | 시험환경 기준 확인 | Python·라이브러리 버전, Jupyter 작업 방식, 허용 문서와 답안·파일 규칙을 먼저 확인한다. 공식 버전 확인은 이번 대화에서 수행했고 환경 설치·실행 검증은 남아 있다. |
| 1 | Python·pandas 복원 | 노트북과 라이브러리 사용, 자료형·인덱싱·조건 필터·집계. CSV를 읽고 원하는 행·열을 추출해 요약하며 필요한 문법을 보완한다. |
| 2 | 문제 정의와 데이터 탐색 | 예측 대상, 분류·회귀, 데이터 구조, 기초 통계, 분포·상관관계·시각화, 결측·중복·이상치. 데이터로 무엇을 예측할지와 데이터의 특징을 설명한다. |
| 3 | 데이터 분할과 평가 기준 | 학습·검증·테스트의 역할, 과적합과 데이터 누수, 분류·회귀 지표. 모델을 어떤 데이터와 지표로 판단할지 정한다. |
| 4 | 전처리 | 결측치·이상치 처리, 라벨·원핫 인코딩, 스케일링. 학습 데이터에서 정한 변환을 검증·테스트 데이터에 적용하고 처리 이유를 설명한다. |
| 5 | 머신러닝 | 선형·로지스틱 회귀 → 의사결정나무 → 랜덤포레스트. 기준 모델을 만들고 같은 검증 조건에서 결과와 오류를 비교한다. 이 알고리즘 순서는 대화에서 제안한 학습 구성이다. |
| 6 | 딥러닝 | 신경망 구조, 활성화·손실함수, 학습률·배치·에포크, Keras 모델 학습. 분류·회귀에 맞는 출력층과 손실함수를 연결하고 학습 곡선을 해석한다. |
| 7 | 성능 개선과 통합 실습 | 특성·모델 설정 조정, 과적합 완화, 전체 과정 재실행. 새로운 데이터로 탐색부터 예측까지 연결하고 개선 전후 결과와 한계를 설명한다. |
| 8 | 공식 샘플로 시험 적응 | 지시사항·요구 변수·출력·실행 순서·시간 배분을 점검한다. 공식 샘플은 이 구간에서 출제 형식과 시간 감각을 보정하는 데 사용한다. |
데이터 분할과 평가 기준을 전처리보다 먼저 배우는 이유는 각 데이터의 역할을 이해해야 전처리의 적용 범위를 판단할 수 있기 때문이다. 예를 들어 결측치를 채울 평균이나 스케일링 기준은 학습 데이터에서 구하고 평가 데이터에는 같은 기준을 적용한다. 이 기술적 근거는 아래 scikit-learn 공식 문서에서 확인했다.
각 구간의 학습 흐름은 개념 설명 → 직접 코드 작성 → 결과 해석 → 조건을 바꿔 다시 작성·실행으로 제안했다. 필요한 수학은 기초 통계를 2번, 오차와 지표를 3번, 가중치·경사하강법을 6번에 연결한다.
첫 학습 대상으로 제안한 내용은 ‘표 하나를 읽고 설명하기’다. CSV에서 행·열의 의미, 자료형, 결측치, 범주별 개수, 수치 분포를 확인하고 예측할 대상을 생각해 본다.
시험환경에 맞춘 실습 기준
사용자는 ‘구현·실행’의 의미와 시험환경에 맞출지를 물었다. 여기서 구현은 필요한 라이브러리로 답안 코드를 작성하는 것, 실행은 노트북 셀을 돌려 결과를 확인하는 것으로 구체화했다.
실습 형식은 문항 지시 읽기 → 답안 셀 작성 → 실행 → 결과·저장 파일 확인으로 구성한다. 시험환경 기준은 실습 시작 전에 확인하고, 마지막 구간에서는 실제 시험 화면과 시간 배분에 적응한다.
2026-09-12 공식 수험자 가이드의 Associate 탭에서 다음을 확인했다.
- 시험 전용 Jupyter Notebook 페이지에서 코드를 작성하고 즉시 실행한다.
- 제공 서버 자원은 CPU 2코어·메모리 16GB다.
- 답안 셀과 작업용 셀의 처리는 가이드와 문항 지시를 따른다. 가이드에는 답안을 하나의 셀에 작성하고 제출 전에 추가 작업용 셀을 삭제하도록 안내되어 있다.
- 저장 파일명과 확장자는 문항 지시를 따른다.
- 시험지 내 ‘복사 기능’ 리스트를 통한 복사·붙여넣기가 안내되어 있다.
실제 시험은 14문항·90분, 100점 만점 중 80점 이상 합격이며 제한적 오픈북이다. 공식 실습 안내는 Anaconda/JupyterLab 또는 Colab 사용을 소개한다. 이 일반 실습 안내만으로 시험 서버의 패키지 버전까지 같다고 판단하지 않는다.
미리 확인한 Python·라이브러리 버전
에이전트가 처음에는 패키지 버전을 사전 환경점검에서 확인할 항목으로 남겼지만, 사용자가 ‘확인 미리 해’라고 요청했다. 이후 2026-08-18 게시된 공식 공지 ‘AICE Associate 시험 환경 버전 안내(26년 8월)’를 2026-09-12 직접 읽어 아래 버전을 확인했다.
| 구성 | 공식 공지 버전 |
|---|---|
| Python | 3.10.13 |
| NumPy | 1.23.5 |
| pandas | 1.5.3 |
| Matplotlib | 3.7.0 |
| seaborn | 0.12.1 |
| scikit-learn | 1.3.2 |
| TensorFlow | 2.13.1 |
| XGBoost | 0.90 |
해당 공지는 오픈북을 위 7개 라이브러리의 공식 문서로 제한하며, 다른 라이브러리나 외부 자료의 참고를 허용하지 않는다. 이 표는 공식 공지에 적힌 버전과 문서 허용 범위를 기록한 것으로, 시험 서버에 설치된 모든 패키지 목록이라는 뜻은 아니다.
학습 코드와 실습환경은 이 버전 조합을 기준으로 맞추고, 문서 탐색 연습에도 허용된 공식 문서를 사용하기로 대화 내용을 구체화했다. 이후 새 공식 공지가 나오면 그 원문과 확인일을 기준으로 갱신한다.
확인 범위와 이어갈 내용
이번에 수행한 것은 학습 순서 구성, 실습 방식 구체화, 공식 시험환경·버전·문서 허용 범위 확인이다. 실습환경 설치, 설치된 패키지 버전 확인, 학습 코드 실행, 실제 시험 서버 접속 검증, 단원 학습·평가는 수행하지 않았다. 따라서 환경 구축 완료나 단원 전달·숙달 기록으로 해석하지 않는다.
이 기록은 본격 학습 전에 정리한 대화 원천이다. 실제 학습 시작 시 학습 작업공간 계약에 따라 필요한 학습 안내·계획·활동 기록을 연결하고, 이 순서안과 환경 기준을 사용한다. 응시일·접수 상태는 AI의 기존 기록이 담당한다.
verified: true는 대화의 요청·정정과 직접 읽은 공식 자료에 이 요약이 충실하다는 뜻이다. 학습 효과, 준비 기간, 실습환경의 동작이나 사용자의 숙달을 검증했다는 뜻은 아니다.
공식 원천
모든 웹 원천의 확인일은 2026-09-12다.
- AICE Associate 안내 — 출제범위·배점·문항 수·시험시간·합격 기준 및 공식 실습 가이드의 입구. 실습 가이드 PDF는 Anaconda/JupyterLab과 Colab 이용 안내로 확인했다.
- AICE 수험자 가이드 — Associate 탭의 시험 환경·응시 중 유의사항. 서버 자원, 답안 셀·복사·파일 규칙을 확인했다.
- AICE Associate 시험 환경 버전 안내(26년 8월) — Team AICE, 게시일 2026-08-18. Python·7개 라이브러리 버전과 오픈북 문서 제한의 직접 원천.
- AICE 공식 샘플 문항 입구 — 시험 적응 구간에서 사용할 평가 보정 자료의 입구. 이번 대화에서 실제 샘플 문항의 풀이·평가는 수행하지 않았다.
- scikit-learn: 데이터 누수와 전처리 주의점 — 데이터 분할과 전처리 적용 범위의 기술적 근거. 조회한 stable 문서는 시험의 1.3.2 전용 문서로 확인한 것이 아니므로 시험용 API 사용은 해당 버전에 맞춰 대조한다.