길벗·이지톡

도서 IT전문서/IT입문서 데이터베이스/데이터분석

단순히 수학만 배우는 것이 아니다! 머신 러닝에 수학이 필요한 이유부터 개념, 활용까지 배운다!

수학으로 데이터를 수집, 정제하여 요약할 수 있으며, 문제를 정의하고 논리적으로 해결할 수도 있다. 선형대수, 미분과 적분, 확률과 통계의 기본 개념부터 배우고, 이를 데이터 분석 기법에 활용하는 방법까지 살펴본다. 

목차

 1장 데이터 과학과 파이썬 소개

1.1 데이터 과학이란?

__1.1.1 아나콘다 설치하기

1.2 선형대수, 미분과 적분, 확률, 통계의 필요성

1.3 그리스 문자와 연산 기호

1.4 데이터와 변수의 이해

__1.4.1 텍스트 마이닝으로 살펴본 비정형 데이터의 분석

1.5 파이썬의 자료 구조

__1.5.1 파이썬 기본 빌트인 구조

__1.5.2 넘파이, 판다스 기반의 자료 구조

__1.5.3 파일로부터 자료 구조 생성하기

1.6 파이썬 실습

1.7 R 실습

1.8 핵심 요약

 

2장 머신 러닝을 위한 선형대수

2.1 선형대수의 필요성

2.2 벡터와 공간, 행렬과 사상

__2.2.1 벡터의 이해

__2.2.2 벡터의 사칙 연산

__2.2.3 행렬로의 확장

2.3 행렬의 내적과 외적

2.4 행렬 연산의 의미와 활용

__2.4.1 분석모형 응용 - 유사도행렬의 계산

2.5 행렬식, 역행렬 그리고 일차방정식

__2.5.1 분석모형 응용 - 마르코프 체인

2.6 행렬의 분해: 고윳값과 고유 벡터, 대각화

__2.6.1 분석모형 응용 - 주성분 분석

2.7 파이썬 실습

2.8 R 실습

2.9 핵심 요약

 

3장 미분과 적분의 이해와 응용

3.1 함수의 개념 이해

__3.1.1 함수와 합성 함수 

__3.1.2 미분과 적분을 이해하기 위한 몇 가지 개념

3.2 미분의 이해

__3.2.1 간단한 미분 실습

__3.2.2 분석모형 응용 - 신제품 확산 모형

3.3 적분의 이해

__3.3.1 리만 적분 또는 정적분

3.4 미적분학의 기본정리, 편미분 그리고 경사 하강법

__3.4.1 미적분학의 기본정리

__3.4.2 편미분

__3.4.3 분석모형 응용 - 경사 하강법과 뉴턴랩슨 메서드

3.5 파이썬 실습

3.6 R 실습

3.7 핵심 요약

 

4장 확률과 통계

4.1 기초 통계 개념: 모집단/표본, 모수/통계량

4.2 통계량의 이해: 단변수 통계량

4.3 통계량의 이해: 다변수 통계량

4.4 확률이란

4.5 조건부 확률과 베이즈 정리

4.6 분석모형 응용-확률을 활용한 패턴의 발견

4.7 파이썬 실습

4.8 R 실습

4.9 핵심 요약

 

5장 확률 분포와 통계적 추론

5.1 확률 변수와 확률 분포

5.2 이산형 확률 분포

__5.2.1 이항 분포

__5.2.2 포아송 분포

5.3 연속형 확률 분포

__5.3.1 정규 분포와 중심 극한 정리

__5.3.2 t 분포

__5.3.3 χ2 분포

__5.3.4 F 분포

5.4 통계적 추론, 점 추정과 구간 추정

5.5 가설 검정

5.6 다양한 통계 검정

__5.6.1 정규성 검정

__5.6.2 t 검정

 

 

__5.6.3 쌍체 t 검정

__5.6.4 등분산 검정: F 검정

__5.6.5 χ2 검정 178

5.7 가설 검정의 오류 178

5.8 파이썬 실습 179

5.9 R 실습 182

5.10 핵심 요약

 

6장 상관분석과 분산분석

6.1 상관분석

6.2 분산분석

__6.2.1 일원 분산분석

__6.2.2 다중 비교

__6.2.3 이원 분산분석

6.3 상관분석의 활용

6.4 파이썬 실습

6.5 R 실습

6.6 핵심 요약

 

7장 선형 회귀 분석과 모형 확장

7.1 얇고도 깊은 분석의 목적

7.2 선형 회귀 분석

7.3 선형 회귀 분석의 주요 개념

7.4 모형의 예측과 오차의 측정

7.5 회귀모형의 확장1: 포아송 회귀모형 소개

7.6 선형모형의 확장2: 로지스틱 회귀모형 소개

__7.6.1 분류모형의 평가

7.7 파이썬 실습

7.8 R 실습

7.9 핵심 요약

 

8장 머신 러닝, 딥러닝 그리고 AI

8.1 데이터 분석에서 머신 러닝의 부상

8.2 딥러닝의 배경 및 개요

8.3 다양한 딥러닝 도구

__8.3.1 텐서플로 설치하기

8.4 딥러닝의 활용

8.5 파이썬 실습

8.6 R 실습

 

 

8.7 핵심 요약

 

부록 A 텐서플로 GPU 버전 설치하기

부록 B R 설치하기

부록 C Colab 사용하기

 

찾아보기

 

더보기접기

저자

ㆍ지은이 이원상

지은이 소개

연세대학교에서 문헌정보학과 컴퓨터·산업공학을 전공했으며, 동 대학원 정보산업공학과에서 데이터 마이닝 분야 박사 학위를 취득했다. 대용량 데이터를 처리&분석하는 다양한 기법과 도구를 활용하여 Technovation, Decision Support Systems, Technological

Forecasting and Social Change, PLoS One 등 국내외 학술지와 GTM, ERSA, OR, EESD 등의 국제학회에 관련 연구들을 발표하고

있다.

저서

번역: <R로 하는 쉬운 딥러닝>

 

공저: <특허로 답하다>, <스마트 스페이스와 디지털 트랜스포메이션 전략>


연관 프로그램

아래 프로그램은 길벗출판사가 제공하는 것이 아닙니다.
무료로 사용할 수 있는 정보를 안내해 드리니, 지원이 필요하면 해당 프로그렘 제작사로 문의해 주세요.