Da ich mit der Datenanalyse begann, als ich im Oktober 2020 den Job wechselte, wollte ich systematisch lernen und arbeitete an der ** Python3 Engineer Certification Data Analysis Exam **. Es war eine relativ neue Prüfung, und sie unterschied sich ein wenig von den Informationen im Internet, daher werde ich meine Erfahrungen teilen. Ich hoffe, es wird denen helfen, die die Prüfung ablegen werden.
Ich werde auch über mich selbst schreiben, der diesen Artikel schreibt. Ich denke, es wäre schön, wenn Sie sich das als menschlichen Eindruck vorstellen könnten. ** Es gibt nichts weniger Zuverlässiges als "einfach", wie eine kluge Person sagt. Lol **
―― Wie ich es mir vorgenommen habe, bin ich froh, dass ich die Datenanalyse mit Python fest und systematisch studieren konnte. ――Es war gut, Ihr Verständnis von "Standard" -Bibliotheken wie NumPy und Pandas zu vertiefen. ――Es war das erste Mal, dass eine Bibliothek zum maschinellen Lernen und Zeichnen von Grafiken verwendet wurde, aber es war gut, aus den Grundlagen zu lernen. ―― Im Vergleich zu diesem Test ist der Schwierigkeitsgrad des Mock-Tests (später beschrieben) erheblich höher, und ich war krank, bis ich diesen Test absolvierte. »Ich persönlich fand die Grundlagen der Mathematik schwierig. ――Während des Tests wurde mir gesagt, dass Berechnungen und Memopapier verboten sind, und ich musste es durch geheime Berechnungen lösen, was schwierig zu lösen war. ――Es war ein System, bei dem der Antrag auf Prüfung direkt an den Prüfungsort gerichtet wurde, und ich hatte das Problem, zum Zeitpunkt des Antrags direkt zu zahlen.
** Das Hauptunterrichtsmaterial für diese Prüfung ist Shosuishas "New Data Analysis Textbook with Python" **. Grundsätzlich können Fragen nur von hier aus gestellt werden. Auf der offiziellen Website wurden Fragen in folgendem Bereich und Verhältnis gestellt.
| Kapitel | Abschnitt | Anzahl der Probleme | Problemverhältnis | |
|---|---|---|---|---|
| 1 | Rolle des Dateningenieurs | 2 | 5.0% | |
| 2 | Python und Umgebung | |||
| 1 | Konstruktion der Ausführungsumgebung | 1 | 2.5% | |
| 2 | Python-Grundlagen | 3 | 7.5% | |
| 3 | Jupyter Notebook | 1 | 2.5% | |
| 3 | Grundlagen der Mathematik | |||
| 1 | Grundkenntnisse zum Lesen mathematischer Formeln | 1 | 2.5% | |
| 2 | Lineare Algebra | 2 | 5.0% | |
| 3 | Grundlegende Analyse | 1 | 2.5% | |
| 4 | Wahrscheinlichkeit und Statistik | 2 | 5.0% | |
| 4 | Praxis der Bibliotheksanalyse | |||
| 1 | NumPy | 6 | 15.0% | |
| 2 | pandas | 7 | 17.5% | |
| 3 | Matplotlib | 6 | 15.0% | |
| 4 | scikit-learn | 8 | 20.0% | |
| 5 | Anwendung: Datenerfassung und -verarbeitung | 0 | 0% |
Wie in der Tabelle gezeigt, schloss die Verwendung von ** 4 Bibliotheken 67,5% ** der Punkte, und dies war eindeutig der wichtige Punkt.
Folgendes habe ich bei dieser Prüfung gelernt.
Ich habe mir die Unterrichtsmaterialien kurz angesehen und die Funktionsweise mit dem Jupyter-Notizbuch in Kapitel 4 überprüft. Basierend auf diesem Lehrmaterial habe ich auch eine Frage-und-Antwort-Frage erstellt und selbst gelöst. Übrigens, wie oben erwähnt, ** hat diese Prüfung ein ziemlich voreingenommenes Spektrum an Fragen **. Nachdem ich die Grundlagen der Mathematik in gewissem Maße gelernt hatte, beschloss ich, mich auf das ** Studium der Bibliothek ** zu konzentrieren.
Das Obige ist ein einfacher, aber erfahrener Bericht.
Während des Studiums habe ich auch mein eigenes Problem gemacht, also werde ich es veröffentlichen ↓ https://qiita.com/pon_maeda/items/39877a703b155d3dbdbd
Wenn Sie Fragen haben, können Sie diese gerne kommentieren. Vielen Dank für das Lesen bis zum Ende.
Recommended Posts