품목정보
발행일	2017년 08월 17일
쪽수, 무게, 크기	320쪽 \| 610g \| 18323513mm
ISBN13	9791160502213
ISBN10	1160502218

더보기

1부 하둡을 활용한 데이터 과학의 개요 1장 데이터 과학 __1.1 데이터 과학이란 무엇인가? __1.2 데이터 과학의 예: 검색 광고 __1.3 데이터 과학의 간략한 역사 ____1.3.1 통계학과 머신 러닝 ____1.3.2 인터넷 거인들이 가져온 혁신 ____1.3.3 현대 기업의 데이터 과학 __1.4 데이터 과학자가 되는 길 ____1.4.1 데이터 엔지니어 ____1.4.2 응용과학자 ____1.4.3 데이터 과학자로 전직하는 방법 ____1.4.4 데이터 과학자가 갖춰야 할 소프트 스킬 __1.5 데이터 과학팀 구성하기 __1.6 데이터 과학 프로젝트의 생명 주기 ____1.6.1 적절한 질문 ____1.6.2 데이터 입수 ____1.6.3 데이터 정제: 데이터 품질 관리 ____1.6.4 데이터 탐색과 모델 특징 변수 설계 ____1.6.5 모델 구축과 튜닝 ____1.6.6 운영 시스템에 배포 __1.7 데이터 과학 프로젝트의 관리 __1.8 요약 2장 데이터 과학의 활용 사례 __2.1 빅데이터: 변화의 원동력 ____2.1.1 규모: 더 많은 데이터의 활용 ____2.1.2 다양성: 더 많은 데이터 유형 ____2.1.3 속도: 더 빠른 데이터 유입 __2.2 비즈니스 활용 사례 ____2.2.1 제품 추천 ____2.2.2 고객 이탈 분석 ____2.2.3 고객 세분화 ____2.2.4 영업 리드 우선순위 결정 ____2.2.5 감성 분석 ____2.2.6 이상 거래 탐지 ____2.2.7 유지 보수 예측 ____2.2.8 장바구니 분석 ____2.2.9 데이터 기반 의료 진단 ____2.2.10 환자의 재입원 예측 ____2.2.11 변칙 접근 탐지 ____2.2.12 보험 위험 분석 ____2.2.13 유정/가스정의 생산량 예측 __2.3 요약 3장 하둡과 데이터 과학 __3.1 하둡이란 무엇인가? ____3.1.1 분산 파일 시스템 ____3.1.2 리소스 관리자와 스케줄러 ____3.1.3 분산 데이터 처리 프레임워크 __3.2 하둡의 진화 과정 __3.3 데이터 과학용 하둡 도구 ____3.3.1 아파치 스쿱 ____3.3.2 아파치 플럼 ____3.3.3 아파치 하이브 ____3.3.4 아파치 피그 ____3.3.5 아파치 스파크 ____3.3.6 R ____3.3.7 파이썬 ____3.3.8 자바 머신 러닝 패키지 __3.4 하둡이 데이터 과학자에게 유용한 이유 ____3.4.1 저비용 스토리지 ____3.4.2 스키마 온 리드 ____3.4.3 비정형 데이터와 반정형 데이터 ____3.4.4 다양한 언어 지원 ____3.4.5 견고한 스케줄링과 리소스 관리 ____3.4.6 분산 시스템 추상화 레벨 ____3.4.7 대규모 데이터에 기반한 모델 구축 ____3.4.8 대규모 데이터에 모델을 적용 __3.5 요약 2부 하둡을 활용한 데이터 준비와 시각화 4장 하둡을 활용한 데이터 입수 __4.1 하둡 데이터 레이크 __4.2 HDFS __4.3 파일을 HDFS로 직접 전송하기 __4.4 파일을 하이브 테이블로 가져오기 ____4.4.1 CSV 파일을 하이브 테이블로 가져오기 __4.5 스파크를 사용해 데이터를 하이브 테이블로 가져오기 ____4.5.1 스파크를 사용해 CSV 파일을 하이브로 가져오기 ____4.5.2 스파크를 사용해 JSON 파일을 하이브로 가져오기 __4.6 아파치 스쿱을 활용한 관계형 데이터 입수 ____4.6.1 스쿱을 활용한 데이터 가져오기와 내보내기 ____4.6.2 아파치 스쿱의 버전별 차이 ____4.6.3 스쿱 버전 1을 사용한 기본 예제 __4.7 아파치 플럼을 활용한 데이터 스트림 입수 ____4.7.1 플럼을 활용한 웹 로그 수집 예제 __4.8 아파치 우지를 활용한 하둡 작업 및 데이터 흐름 관리 __4.9 아파치 팔콘 __4.10 새로운 데이터 입수 도구 __4.11 요약 5장 하둡을 활용한 데이터 개조 __5.1 하둡이 데이터 개조 작업에 필요한 이유 __5.2 데이터 품질 ____5.2.1 데이터 품질이란 무엇인가? ____5.2.2 데이터 품질 이슈 다루기 ____5.2.3 하둡을 사용한 데이터 품질 관리 __5.3 특징 행렬 ____5.3.1 적절한 특징 변수 선택하기 ____5.3.2 샘플링: 인스턴스 선택 ____5.3.3 특징 변수 생성 ____5.3.4 텍스트 특징 변수 ____5.3.5 시계열 특징 변수 ____5.3.6 복잡한 데이터 유형에서 추출한 특징 변수 ____5.3.7 특징 변수 조작 ____5.3.8 차원 축소 __5.4 요약 6장 데이터 탐색과 시각화 __6.1 왜 데이터를 시각화하는가? ____6.1.1 동기 부여 예제: 네트워크 처리량 시각화하기 ____6.1.2 애당초 없었던 혁신을 시각화하기 __6.2 데이터 차트 생성 ____6.2.1 비교 차트 ____6.2.2 구성 차트 ____6.2.3 분포 차트 ____6.2.4 관계 차트 __6.3 데이터 과학에서 사용하는 시각화 차트 __6.4 시각화 도구 ____6.4.1 R ____6.4.2 파이썬: matplotlib, seaborn 등 ____6.4.3 SAS ____6.4.4 MATLAB ____6.4.5 Julia ____6.4.6 기타 시각화 도구 __6.5 하둡을 활용한 빅데이터 시각화 __6.6 요약 3부 하둡을 활용한 데이터 모델링 7장 하둡을 활용한 머신 러닝 __7.1 머신 러닝 개요 __7.2 머신 러닝 용어 __7.3 머신 러닝 작업 유형 __7.4 빅데이터와 머신 러닝 __7.5 머신 러닝 도구 __7.6 머신 러닝과 인공지능의 미래 __7.7 요약 8장 예측 모델링 __8.1 예측 모델링 개요 __8.2 분류 vs 회귀 __8.3 예측 모델 평가 ____8.3.1 분류 모델 평가 ____8.3.2 회귀 모델 평가 ____8.3.3 교차 검증 __8.4 지도 학습 알고리즘 __8.5 빅데이터를 활용한 예측 모델 솔루션 구축 ____8.5.1 모델 학습 ____8.5.2 일괄 예측 ____8.5.3 실시간 예측 __8.6 예제: 감성 분석 ____8.6.1 트윗 데이터셋 ____8.6.2 데이터 준비하기 ____8.6.3 특징 변수 생성 ____8.6.4 분류 모델 구축 __8.7 요약 9장 군집화 __9.1 군집화 개요 __9.2 군집화 활용 __9.3 유사도 측정 방식 설계 ____9.3.1 거리 함수 ____9.3.2 유사도 함수 __9.4 군집화 알고리즘 __9.5 군집화 알고리즘의 예 ____9.5.1 k - 평균 군집화 ____9.5.2 잠재 디리클레 할당 __9.6 군집 평가와 군집 개수 선택 __9.7 빅데이터를 활용한 군집화 솔루션 구축 __9.8 예제: LDA를 활용한 주제 모델링 ____9.8.1 데이터 입수 ____9.8.2 특징 변수 생성 ____9.8.3 LDA 실행 __9.9 요약 10장 하둡을 활용한 이상 탐지 __10.1 이상 탐지 개요 __10.2 이상 탐지 활용 __10.3 데이터 내 이상 현상 유형 __10.4 이상 탐지 기법 ____10.4.1 규칙 기반 기법 ____10.4.2 지도 학습 기법 ____10.4.3 비지도 학습 기법 ____10.4.4 준지도 학습 기법 __10.5 이상 탐지 시스템 튜닝 __10.6 하둡을 활용한 빅데이터 기반 이상 탐지 솔루션 구축 __10.7 예제: 네트워크 침입 탐지 ____10.7.1 데이터 입수하기 ____10.7.2 분류 모델 학습하기 ____10.7.3 성능 평가하기 __10.8 요약 11장 자연어 처리 __11.1 자연어 처리 ____11.1.1 자연어 처리의 역사 ____11.1.2 자연어 처리의 활용 사례 ____11.1.3 텍스트 분할 ____11.1.4 품사 태깅 ____11.1.5 개체명 인식 ____11.1.6 감성 분석 ____11.1.7 주제 모델링 __11.2 하둡의 자연어 처리 도구 ____11.2.1 스몰 모델 NLP ____11.2.2 빅 모델 NLP __11.3 텍스트 표현 모델 ____11.3.1 Bag-of-Words ____11.3.2 Word2Vec __11.4 감성 분석 예제 ____11.4.1 스탠포드 CoreNLP ____11.4.2 스파크를 활용한 감성 분석 __11.5 요약 12장 하둡과 데이터 과학의 미래 __12.1 자동 데이터 탐색 __12.2 딥러닝 __12.3 요약 부록 __A.1 HDFS 퀵스타트 ____A.1.1 퀵 명령 __A.2 참고 자료 ____A.2.1 하둡과 스파크에 관한 일반적인 정보 ____A.2.2 하둡과 스파크 설치 레시피 ____A.2.3 HDFS ____A.2.4 맵리듀스 ____A.2.5 스파크 ____A.2.6 필수 도구 ____A.2.7 머신 러닝 찾아보기

더보기

상세 이미지 상세 이미지 보이기/감추기

상품 이미지를 확대해서 볼 수 있습니다. 원본 이미지

더보기

저자 소개 관련자료 보이기/감추기

저 자 소 개

오퍼 멘델리비치
렌드업(Lendup)의 데이터 과학 VP로, 머신러닝과 고급 분석 그룹을 이끌고 있다. 이전에는 호튼웍스의 데이터 과학 디렉터를 역임하며 의료, 금융, 리테일 등 여러 산업에 하둡과 스파크를 전파하였다.

케이시 스텔라
호튼웍스의 수석 데이터 과학자며, 아파치 메트론이라는 사이버 보안 오픈 소스 프로젝트의 분석과 데이터 과학팀을 이끌고 있다. 이전에는 의료 정보학 스타트업인 익스플로리스(Explorys)의 아키텍트로 근무하였다.

더글라스 에드라인
리눅스 고성능 컴퓨팅의 혁명을 목격한 기록자이자 실무자로 커리어를 시작했다. 그는 지금 빅데이터 분야의 기술 저자이자 고성능 컴퓨팅과 데이터 분석 산업의 컨설턴트로 활동하고 있다.

역자 : 이춘오

학계에서 성공할 꿈을 품고 KAIST 정보통신공학부 학사와 데이터마이닝 & 머신러닝 분야로 박사 학위를 받았지만, 학자보다는 실무자의 길에 더 큰 매력을 느껴 지금은 일반 기업에 다닌다. 삼성전자를 거쳐 현재 SK 플래닛에 재직하며, 빅데이터 플랫폼 개발과 운영 그리고 데이터 분석 업무를 수행해왔다. 최근에는 데이터 과학 애플리케이션의 기획과 제안(즉, PPT 작성), 그리고 프로토타입 개발을 맡고 있다.

더보기

출판사 리뷰 출판사 리뷰 보이기/감추기

회원리뷰 (1건) 회원리뷰 이동

리뷰 쓰기

혜택 및 유의사항?

총 평점 10.0점 10.0 / 10.0

검색결과 정렬 옵션 삭제

회원리뷰 전체보기

한줄평 (4건) 한줄평 이동

한줄평 쓰기

혜택 및 유의사항?

총 평점 9.5점 9.5 / 10.0

구매 한줄평

한줄평 전체보기

배송/반품/교환 안내

배송 안내

반품/교환 안내에 대한 내용입니다.
배송 구분	예스24 배송 배송비 : 무료배송
포장 안내	안전하고 정확한 포장을 위해 CCTV를 설치하여 운영하고 있습니다. 고객님께 배송되는 모든 상품을 CCTV로 녹화하고 있으며, 철저한 모니터링을 통해 작업 과정에 문제가 없도록 최선을 다 하겠습니다. 목적 : 안전한 포장 관리 촬영범위 : 박스 포장 작업

반품/교환 안내

상품 설명에 반품/교환과 관련한 안내가 있는경우 아래 내용보다 우선합니다. (업체 사정에 따라 달라질 수 있습니다)

반품/교환 안내에 대한 내용입니다.
반품/교환 방법	고객만족센터(1544-3800), 중고샵(1566-4295) 판매자 배송 상품은 판매자와 반품/교환이 협의된 상품에 한해 가능합니다.
반품/교환 가능기간	출고 완료 후 10일 이내의 주문 상품 디지털 콘텐츠인 eBook의 경우 구매 후 7일 이내의 상품 중고상품의 경우 출고 완료일로부터 6일 이내의 상품 (구매확정 전 상태)
반품/교환 비용	고객의 단순변심 및 착오구매일 경우 상품 반송비용은 고객 부담임 직수입양서/직수입일서중 일부는 변심 또는 착오로 취소시 해외주문취소수수료 20%를 부과할수 있음 단, 아래의 주문/취소 조건인 경우, 취소 수수료 면제 오늘 00시 ~ 06시 30분 주문을 오늘 오전 06시 30분 이전에 취소 오늘 06시 30분 이후 주문을 익일 오전 06시 30분 이전에 취소 직수입 음반/영상물/기프트 중 일부는 변심 또는 착오로 취소 시 해외주문취소수수료 30%를 부과할 수 있음 단, 당일 00시~13시 사이의 주문은 취소 수수료 면제 박스 포장은 택배 배송이 가능한 규격과 무게를 준수하며, 고객의 단순변심 및 착오구매일 경우 상품의 반송비용은 박스 당 부과됩니다.
반품/교환 불가사유	소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 : 예) 화장품, 식품, 가전제품, 전자책 단말기 등 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예) CD/LP, DVD/Blu-ray, 소프트웨어, 만화책, 잡지, 영상 화보집 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우 eBook 대여 상품은 대여 기간이 종료 되거나, 2회 이상 대여 했을 경우 취소 불가 중고상품이 구매확정(자동 구매확정은 출고완료일로부터 7일)된 경우 LP상품의 재생 불량 원인이 기기의 사양 및 문제인 경우 (All-in-One 일체형 일부 보급형 오디오 모델 사용 등) 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
소비자 피해보상	상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결기준(공정거래위원회 고시)에 준하여 처리됨
환불 지연에 따른 배상	대금 환불 및 환불 지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리