음성 검색
QR/바코드 검색
품목정보
| 발행일 | 2017년 08월 04일 |
|---|---|
| 쪽수, 무게, 크기 | 364쪽 | 188*245*17mm |
| ISBN13 | 9791185890869 |
| ISBN10 | 1185890866 |
- eBook
18,200원이동 - 이미 소장하고 있다면 판매해 보세요! 이 상품 팔기 매입가 2,600원 더보기/감추기
![[대학생X취준생] 2023년에도 중요한 것은 꺾이지 않는 마음](https://image.yes24.com/images/13_EventWorld/227058_01(1).jpg)
![[IT 기획전] IT, 모두의 교양](https://image.yes24.com/images/13_EventWorld/223966_01(1).jpg)
.jpg)
.jpg)
![[단독]『혼자 공부하는 파이썬』 개정판 출간](https://image.yes24.com/images/13_EventWorld/219897_02.jpg)
.jpg)
1
2
3
4
5
관련분류
책소개 책소개 보이기/감추기
목차 목차 보이기/감추기
| 1장 데이터 과학이란? _ 1 1.1 데이터 과학의 정의 1 1.2 데이터 과학 프로세스 8 1.3 데이터 과학자가 갖춰야 할 능력 11 2장 데이터 분석 환경 구성하기 _ 15 2.1 데이터 과학의 연장, 컴퓨터, 기타 도구들 15 2.2 R 설치와 팁 18 2.3 R 스튜디오 설치와 팁 18 2.4 R 라이브러리 설치 20 2.5 파이썬 24 2.6 서브라임 텍스트 26 2.7 깃 버전 관리 소프트웨어와 깃허브 26 2.8 유닉스 활용하기 28 2.9 구글 독스/스프레드시트/슬라이드 31 3장 데이터 취득과 데이터 가공: SQL과 dplyr _ 33 3.1 데이터 취득과 데이터 가공이란 무엇이며, 왜 중요한가? 33 3.2 데이터 취득 34 3.3 데이터 출력 44 3.4 데이터 가공 44 3.5 데이터 가공을 위한 도구 46 3.6 R의 dplyr 패키지 51 4장 데이터 시각화 I: ggplot2 _ 63 4.1 시각화의 중요성 63 4.2 베이스 R 그래픽과 ggplot2 69 4.3 변수의 종류에 따른 시각화 기법 74 4.4 시각화 과정의 몇 가지 유용한 원칙 87 5장 코딩 스타일 _ 91 5.1 스타일 가이드와 협업 91 5.2 R 코딩 스타일 94 5.3 파이썬 스타일 가이드와 도구 98 5.4 SQL 코딩 스타일 100 5.5 코딩 스타일 이외의 베스트 프랙티스 100 6반 통계의 기본 개념 복습 _ 102 6.1 통계, 올바른 분석을 위한 틀 102 6.2 첫째, 통계학은 숨겨진 진실을 추구한다 105 6.3 둘째, 통계학은 불확실성을 인정한다 107 6.4 셋째, 통계학은 관측된 데이터가 가능한 여러 값 중 하나라고 생각한다 107 6.5 스튜던트 t-분포와 t-검정이란? 111 6.6 P-값을 이해하면 통계가 보인다 113 6.7 P-값의 오해와 남용 114 6.8 신뢰구간의 의미 119 6.9 넷째, 통계학은 어렵다 122 6.10 모집단, 모수, 표본 123 6.11 모수추정의 정확도는 sqrt(n)에 비례한다 126 6.12 모든 모형은 틀리지만 일부는 쓸모가 있다 128 6.13 이 장을 마치며 129 7장 데이터 종류에 따른 분석 기법 _ 131 7.1 데이터형, 분석 기법, R 함수 131 7.2 모든 데이터에 행해야 할 분석 133 7.3 수량형 변수의 분석 134 7.4 성공-실패값 범주형 변수의 분석 138 7.5 설명변수와 반응변수 142 7.6 수량형 X, 수량형 Y 의 분석 142 7.7 범주형 x , 수량형 y 154 7.8 수량형 x, 범주형 y (성공-실패) 159 7.9 더 복잡한 데이터의 분석, 머신러닝, 데이터 마이닝 167 8장 빅데이터 분류분석 I: 기본 개념과 로지스틱 모형 _ 170 8.1 분류분석이란? 170 8.2 환경 준비 179 8.3 분류분석 예제: 중산층 여부 예측하기 180 8.4 훈련, 검증, 테스트세트의 구분 185 8.5 시각화 186 8.6 로지스틱 회귀분석 188 8.7 이 장을 마치며 195 9장 빅데이터 분류분석 II: 라쏘와 랜덤 포레스트 _ 197 9.1 glmnet 함수를 통한 라쏘 모형, 능형회귀, 변수 선택 197 9.2 나무 모형 205 9.3 랜덤 포레스트 209 9.4 부스팅 214 9.5 모형 비교, 최종 모형 선택, 일반화 능력 평가 218 9.6 우리가 다루지 않은 것들 220 10장 빅데이터 분류분석 III: 암 예측 _ 225 10.1 위스콘신 유방암 데이터 225 10.2 환경 준비와 기초 분석 226 10.3 데이터의 시각화 229 10.4 훈련, 검증, 테스트세트의 구분 231 10.5 로지스틱 회귀분석 232 10.6 라쏘 모형 적합 234 10.7 나무 모형 236 10.8 랜덤 포레스트 238 10.9 부스팅 239 10.10 최종 모형 선택과 테스트세트 오차 계산 240 11장 빅데이터 분류분석 IV: 스팸 메일 예측 _ 244 11.1 스팸 메일 데이터 244 11.2 환경 준비와 기초 분석 247 11.3 데이터의 시각화 250 11.4 훈련, 검증, 테스트세트의 구분 254 11.5 로지스틱 회귀분석 255 11.6 라쏘 모형 적합 258 11.7 나무 모형 260 11.8 랜덤 포레스트 262 11.9 부스팅 263 11.10 최종 모형 선택과 테스트세트 오차 계산 264 12장 분석 결과 정리와 공유, R 마크다운 _ 268 12.1 의미 있는 분석과 시각화 268 12.2 분석의 타당성 271 12.3 보고서 작성과 구성 272 12.4 분석 결과의 공유 275 12.5 R 마크다운 278 13장 빅데이터 회귀분석 I: 부동산 가격 예측 _ 281 13.1 회귀분석이란? 281 13.2 회귀분석 예제: 부동산 가격 예측 283 13.3 환경 준비와 기초 분석 284 13.4 훈련, 검증, 테스트 세트의 구분 286 13.5 선형회귀 모형 286 13.6 라쏘 모형 적합 291 13.7 나무 모형 293 13.8 랜덤 포레스트 295 13.9 부스팅 296 13.10 최종 모형 선택과 테스트세트 오차 계산 297 14장 빅데이터 회귀분석 II: 와인 품질 예측 _ 300 14.1 와인 품질 데이터 소개 300 14.2 환경 준비와 기초 분석 301 14.3 데이터의 시각화 302 14.4 훈련, 검증, 테스트세트의 구분 304 14.5 선형회귀 모형 305 14.6 라쏘 모형 적합 309 14.7 나무 모형 311 14.8 랜덤 포레스트 313 14.9 부스팅 314 14.10 최종 모형 선택과 테스트세트 오차 계산 315 15장 데이터 시각화 II: 단어 구름을 사용한 텍스트 데이터의 시각화 _ 318 15.1 제퍼디! 질문 데이터 318 15.2 자연어 처리와 텍스트 마이닝 환경 준비 320 15.3 단어 구름 그리기 320 15.4 자연어 처리 예 323 15.5 고급 텍스트 마이닝을 향하여 323 15.6 한국어 자연어 처리 324 16장 실리콘밸리에서 데이터 과학자 되기 _ 326 16.1 데이터 과학자에게 요구되는 자질들 326 16.2 데이터 과학자 고용 과정 327 16.3 인터뷰 준비 329 16.4 행동질문과 상황질문 330 16.5 취업의 패러독스 332 찾아보기 334 |
저자 소개 관련자료 보이기/감추기
저자 : 권재명
데이터 분석이 취미이자 직업인 통계학자 출신의 실리콘밸리 데이터 과학자. 1972년에 서울에서 태어났다. 어려서부터 컴퓨터를 좋아해서 전산학을 공부하고자 서울대학교 계산통계학과에 입학했다(1990년). 하지만 대학 2학년 때 들은 통계수업에 매료되어 통계를 전공하기로 결심하여 서울대 통계학 학사(1994년), 석사(1996년)를 거쳐 버클리대학교(UC Berkeley)에서 박사(2000년) 학위를 받았다. 졸업 후 같은 대학에서 교통 데이터 분석 연구원으로 활동했고, 이후 이스트베이 캘리포니아주립대학교(Cal State East Bay)에서 통계학과 조교수를 지냈다. 2009년부터 지금까지 실리콘밸리의 인터넷, 테크 기업에서 데이터 과학자로, 그리고 분석 팀 리더로 활동 중이다.
책 속으로 책속으로 보이기/감추기
위의 예에서 살펴보았듯이 데이터 과학자가 되기 위해서는 통계 능력, 컴퓨터 도구 활용 능력, 실무 지식이 필요함을 알 수 있다. 많은 사람이 이를 벤다이어그램으로 표현하였는데, 몇몇 예시를 함께 살펴보도록 하자(그림 1-4, 1-5, 1-6).
--- p.11
위에서 간략히 살펴보았듯이 베이스 R은 데이터 가공을 위한 강력한 기능을 제공한다. 하지만 필자는 데이터 가공 도구로 베이스 R보다는 dplyr 패키지를 가능한 한 많이 사용할 것을 강력하게 추천한다. dplyr(“디플라이어”라고 읽는다)는 데이터를 빨리 쉽게 가공할 수 있도록 도와주는 R 패키지다[Wickham & Francois (2015)]. dplyr는 베이스 R 데이터 가공에 비해 다음과 같은 차이점과 장점이 있다.
--- p.51
데이터 과학의 통계 분야 인터뷰에서 많이 물어보는 질문 중 하나가 P-값을 정의하라는 것과 다양한 가설검정 상황에서 비전문들을 이해하기 쉽게 P-값을 설명하라는 것이다. 즉, 데이터 과학자는 P-값을 정확히 이해하고 P-값의 의미를 ‘지식의 저주’를 피하여 비전문가들에게 전달해야 한다.
--- p.113
앞장에서 살펴보았듯이, 설명변수 중 범주형 변수가 있을 경우, glm( ) 함수는 자동으로 모형행렬을 생성해주었다. 이와 달리, glmnet( ) 함수는 모형행렬을 수동으로 만들어주어야 한다. 앞장에서 살펴본 model.matrix( ) 함수를 사용하면 된다. 절편항은 필요하지 않으므로 ‘-1’을 모형식(formula)에 지정하도록 한다.
--- p.199
분석 코드와 보고서의 괴리는 오랫 동안 데이터 분석가를 괴롭힌 문제 중 하나다. 분석 코드를 통하여 계산과 시각화를 한 후, 그 계산 결과와 차트를 보고서와 슬라이드에 붙여넣는 것이 전통적인 작업 방식이었다. 그러나 시간이 오래 걸리고, 노동 집약적일 뿐만 아니라 항상 분석 코드와 분석 문서를 함께 관리해야 하고, 분석이 바뀔 때마다 보고서도 수동으로 업데이트해야 하는 불편함과 오류의 위험성이 있었다.
--- p.11
위에서 간략히 살펴보았듯이 베이스 R은 데이터 가공을 위한 강력한 기능을 제공한다. 하지만 필자는 데이터 가공 도구로 베이스 R보다는 dplyr 패키지를 가능한 한 많이 사용할 것을 강력하게 추천한다. dplyr(“디플라이어”라고 읽는다)는 데이터를 빨리 쉽게 가공할 수 있도록 도와주는 R 패키지다[Wickham & Francois (2015)]. dplyr는 베이스 R 데이터 가공에 비해 다음과 같은 차이점과 장점이 있다.
--- p.51
데이터 과학의 통계 분야 인터뷰에서 많이 물어보는 질문 중 하나가 P-값을 정의하라는 것과 다양한 가설검정 상황에서 비전문들을 이해하기 쉽게 P-값을 설명하라는 것이다. 즉, 데이터 과학자는 P-값을 정확히 이해하고 P-값의 의미를 ‘지식의 저주’를 피하여 비전문가들에게 전달해야 한다.
--- p.113
앞장에서 살펴보았듯이, 설명변수 중 범주형 변수가 있을 경우, glm( ) 함수는 자동으로 모형행렬을 생성해주었다. 이와 달리, glmnet( ) 함수는 모형행렬을 수동으로 만들어주어야 한다. 앞장에서 살펴본 model.matrix( ) 함수를 사용하면 된다. 절편항은 필요하지 않으므로 ‘-1’을 모형식(formula)에 지정하도록 한다.
--- p.199
분석 코드와 보고서의 괴리는 오랫 동안 데이터 분석가를 괴롭힌 문제 중 하나다. 분석 코드를 통하여 계산과 시각화를 한 후, 그 계산 결과와 차트를 보고서와 슬라이드에 붙여넣는 것이 전통적인 작업 방식이었다. 그러나 시간이 오래 걸리고, 노동 집약적일 뿐만 아니라 항상 분석 코드와 분석 문서를 함께 관리해야 하고, 분석이 바뀔 때마다 보고서도 수동으로 업데이트해야 하는 불편함과 오류의 위험성이 있었다.
--- p.279
출판사 리뷰 출판사 리뷰 보이기/감추기
가장 빠르게, 가장 제대로 배우는 데이터 과학 입문서!
이 책은 ‘실무’에 초점을 맞춘 데이터 사이언스 ‘입문서’다. 다양한 배경을 가진 독자들이 가장 짧은 시간에 기본적인 데이터 사이언스 분석을 시작할 수 있도록 하였다. '가장 짧은 시간'에 배워야 하므로 필수적이지 않은 내용은 과감히 생략하고, 설명은 최대한 간략히 하려고 노력하였다. 또한, ‘다양한 배경’을 가진 독자들을 위해 통계나 컴퓨터 전공 지식이 없더라도 읽을 수 있도록 하였으나, 통계의 핵심인 기초통계와 선형모형(회귀분석과 분산분석 포함)은 반드시 제대로 배울 것을 권장한다. ‘기본적인’ 데이터 분석은 텍스트 자료, 그래프 모형, 시계열 분석, 공간자료 분석 등 개별적인 자료 형태보다는 다양한 분석에 공통적으로 적용되는 방법들을 다룬다.
이 책은 대학이나 학원의 강의 교재 혹은 자습서로 사용할 수도 있다. 강의 교재로는 학부 및 대학원 수준의 데이터 과학, 통계학, 자료분석 등의 강의에 주교재 혹은 부교재로 사용할 수 있다. 몇 주간의 단기 과정에서 일부 장만을 다루어도 좋다. R과 유닉스 코드 예를 따라 하고, 각 장 끝의 연습문제를 반드시 풀어 보도록 하자.
이 책의 대상 독자
‘데이터 사이언스 입문’ 수업을 듣는 학원생, 학부생 및 대학원생
데이터 분석 업무를 하고자 하는 관련 분야 엔지니어
데이터 과학 팀을 구축하고자 하는 관련 분야 매니저
이 책은 ‘실무’에 초점을 맞춘 데이터 사이언스 ‘입문서’다. 다양한 배경을 가진 독자들이 가장 짧은 시간에 기본적인 데이터 사이언스 분석을 시작할 수 있도록 하였다. '가장 짧은 시간'에 배워야 하므로 필수적이지 않은 내용은 과감히 생략하고, 설명은 최대한 간략히 하려고 노력하였다. 또한, ‘다양한 배경’을 가진 독자들을 위해 통계나 컴퓨터 전공 지식이 없더라도 읽을 수 있도록 하였으나, 통계의 핵심인 기초통계와 선형모형(회귀분석과 분산분석 포함)은 반드시 제대로 배울 것을 권장한다. ‘기본적인’ 데이터 분석은 텍스트 자료, 그래프 모형, 시계열 분석, 공간자료 분석 등 개별적인 자료 형태보다는 다양한 분석에 공통적으로 적용되는 방법들을 다룬다.
이 책은 대학이나 학원의 강의 교재 혹은 자습서로 사용할 수도 있다. 강의 교재로는 학부 및 대학원 수준의 데이터 과학, 통계학, 자료분석 등의 강의에 주교재 혹은 부교재로 사용할 수 있다. 몇 주간의 단기 과정에서 일부 장만을 다루어도 좋다. R과 유닉스 코드 예를 따라 하고, 각 장 끝의 연습문제를 반드시 풀어 보도록 하자.
이 책의 대상 독자
‘데이터 사이언스 입문’ 수업을 듣는 학원생, 학부생 및 대학원생
데이터 분석 업무를 하고자 하는 관련 분야 엔지니어
데이터 과학 팀을 구축하고자 하는 관련 분야 매니저
추천평 추천평 보이기/감추기
권재명 박사의 《따라 하며 배우는 데이터 과학》은 해들리 위컴(Hadley Wickham)의 ‘tidyverse’ 철학에 기반을 둔 데이터 가공에 관한 충실한 소개와 더불어 라쏘와 랜덤 포레스트와 같은 최신 머신러닝 기법, 그리고 기존의 R 서적에서 다루지 않은 유용한 R 관련 지식을 많이 소개하고 있다. 특히, ‘데이터 분석 환경 구성하기’, ‘코딩 스타일’과 ‘R 마크다운’에 관한 내용은 R을 처음 배
우는 입문자와 현장 실무자들이 반드시 알아야 할 내용으로, 학계와 실리콘밸리를 오가면서 쌓은 저자의 경험이 고스란히 담긴 부분이며, 마지막 ‘실리콘밸리에서 데이터 과학자 되기’에 관한 내용은 향후 차세대 데이터 과학자를 꿈꾸는 이들에게 훌륭한 지침이 되리라 생각한다. 이 책이 앞으로 데이터 과학자를 꿈꾸는 모든 이들의 필독서가 될 것을 믿어 의심치 않는다.
장원철 (서울대학교 통계학과 교수)
우는 입문자와 현장 실무자들이 반드시 알아야 할 내용으로, 학계와 실리콘밸리를 오가면서 쌓은 저자의 경험이 고스란히 담긴 부분이며, 마지막 ‘실리콘밸리에서 데이터 과학자 되기’에 관한 내용은 향후 차세대 데이터 과학자를 꿈꾸는 이들에게 훌륭한 지침이 되리라 생각한다. 이 책이 앞으로 데이터 과학자를 꿈꾸는 모든 이들의 필독서가 될 것을 믿어 의심치 않는다.
장원철 (서울대학교 통계학과 교수)
회원리뷰 (6건)
혜택 및 유의사항?
통계의 개념을 어느 정도 알고, R을 다뤄본 적 있는 사람이 데이터 과학을 처음 공부해보고자 할 때 선택하면 좋은 책입니다.(통계와 R에 대한 기초적인 지식이 없는 사람에게는 다소 어렵게 느껴질 수도 있습니다.) 자주 사용되는 분류와 회귀 문제에 대한 예제가 다양하게 있어서 전반적인 과정을 대략적으로 살펴보기에 좋습니다. 소스코드와 연습문제에 대한 해답도 제공하고 있어;
리뷰제목
통계의 개념을 어느 정도 알고, R을 다뤄본 적 있는 사람이 데이터 과학을 처음 공부해보고자 할 때 선택하면 좋은 책입니다.(통계와 R에 대한 기초적인 지식이 없는 사람에게는 다소 어렵게 느껴질 수도 있습니다.)
자주 사용되는 분류와 회귀 문제에 대한 예제가 다양하게 있어서 전반적인 과정을 대략적으로 살펴보기에 좋습니다. 소스코드와 연습문제에 대한 해답도 제공하고 있어 공부하기 편합니다.
자주 사용되는 분류와 회귀 문제에 대한 예제가 다양하게 있어서 전반적인 과정을 대략적으로 살펴보기에 좋습니다. 소스코드와 연습문제에 대한 해답도 제공하고 있어 공부하기 편합니다.
"따라하며 배우는 데이터 과학"은 책 이름 그대로 데이터 사이언스를 간단한 예제를 통해 직접 해보며 익히는 입문서의 역할입니다.
간단하게 설명을 하려고 노력을 하고 있으며 데이터 사이언스라는 분야가 어떤 일을 하는지를 체험시켜 주기 위한 구성을 갖추고 있습니다.
하지만 책의 초점은 데이터 사이언스이기 때문에 그에 필요한 기초 통계와 응용 통계의 일부 (회귀 분석 등),;
리뷰제목
"따라하며 배우는 데이터 과학"은 책 이름 그대로 데이터 사이언스를 간단한 예제를 통해 직접 해보며 익히는 입문서의 역할입니다.
간단하게 설명을 하려고 노력을 하고 있으며 데이터 사이언스라는 분야가 어떤 일을 하는지를 체험시켜 주기 위한 구성을 갖추고 있습니다.
하지만 책의 초점은 데이터 사이언스이기 때문에 그에 필요한 기초 통계와 응용 통계의 일부 (회귀 분석 등), 컴퓨터 프로그래밍에 대한 기본 사전 지식을 갖추고 학습하는 것을 추천합니다.
초보자에겐 약간 따라가기 힘들겠지만 통계공부를 조금 해보신 분은 헷갈리는 내용을 쉽게 정리할 수 있도록 많은 도움이 되는 책입니다 내가 왜 이제 이 책을 봤는지 후회 되네요특히 통계의 각 개념 설명이 너무 좋았습니다p값의 오 남용 신뢰구간의 정의 통계 결과 값의 정확한 의미 등등 값이 아닌 어떻게 해석 하는지 어떤 분석을 해야되는지 개념 설명이 쉽게 와 다았습니다;
리뷰제목
초보자에겐 약간 따라가기 힘들겠지만 통계공부를 조금 해보신 분은 헷갈리는 내용을 쉽게 정리할 수 있도록 많은 도움이 되는 책입니다 내가 왜 이제 이 책을 봤는지 후회 되네요
특히 통계의 각 개념 설명이 너무 좋았습니다
p값의 오 남용 신뢰구간의 정의 통계 결과 값의 정확한 의미 등등 값이 아닌 어떻게 해석 하는지 어떤 분석을 해야되는지 개념 설명이 쉽게 와 다았습니다
특히 통계의 각 개념 설명이 너무 좋았습니다
p값의 오 남용 신뢰구간의 정의 통계 결과 값의 정확한 의미 등등 값이 아닌 어떻게 해석 하는지 어떤 분석을 해야되는지 개념 설명이 쉽게 와 다았습니다
한줄평 (5건)
혜택 및 유의사항
?
좋아요
이 한줄평이 도움이 되었나요?
공감
0
k*****6
|
2021.05.03
내용과 구성이 아주 좋았습니다
이 한줄평이 도움이 되었나요?
공감
0
w*******2
|
2021.02.22
유익함
이 한줄평이 도움이 되었나요?
공감
0
YES마니아 : 로얄
t********0
|
2019.06.28
