소득공제
데이터 과학자 : 빅데이터 시대를 주도하는 사람들
그들은 무엇을 배우고 어떻게 준비하는가?
차하리아스 불가리스 저 안성준 역
프리렉
2014.11.06.
- 베스트
- IT 모바일 top100 1주
이미 소장하고 있다면 판매해 보세요.
- 해외배송 가능?
- 문화비소득공제 가능
책소개
목차
|
Introduction
1장 데이터 과학과 빅데이터 1.1 빅데이터의 이해 1.2 빅데이터 산업 1.3 데이터 과학의 탄생 1.4 정리 2장 데이터 과학의 중요성 2.1 데이터 과학 분야의 역사 2.2 새로운 인식으로 전환 2.3 새로운 사고방식과 변화 2.4 정리 3장 데이터 과학자의 유형 3.1 데이터 개발자 3.2 데이터 연구자 3.3 데이터 창작자 3.4 데이터 사업가 3.5 혼합/포괄 유형 3.6 정리 4장 데이터 과학자의 사고방식 4.1 특성 4.2 자질과 능력 4.3 사고방식 4.4 야망 4.5 정리 5장 기술적 자질 5.1 보편적인 프로그래밍 5.2 과학적 배경 5.3 전문적 노하우 5.4 정리 6장 경험 6.1 기업 vs. 학계의 경험 6.2 경험 vs. 정규 교육 6.3 첫 경험 쌓기 6.4 정리 7장 인적 네트워크 7.1 직업적인 네트워크를 넘어서 7.2 학계와의 관계 7.3 업계와의 관계 7.4 정리 8장 사용하는 소프트웨어 8.1 하둡 도구 모음과 친구들 8.2 객체지향 언어 8.3 데이터 분석 소프트웨어 8.4 시각화 소프트웨어 8.5 통합 빅데이터 시스템 8.6 다른 프로그램 8.7 정리 9장 새것을 배우고 문제와 씨름하기 9.1 워크숍 9.2 학회 9.3 온라인 강좌 9.4 데이터 과학 모임 9.5 요구 사항 문제 9.6 부족한 노하우 문제 9.7 도구 통합 문제 9.8 정리 10장 기계 학습과 R 플랫폼 10.1 기계 학습의 간단한 역사 10.2 기계 학습의 미래 10.3 기계 학습 vs. 통계적 방법 10.4 데이터 과학에서 기계 학습의 이용 10.5 R 플랫폼 살펴보기 10.6 기계 학습과 R 참고 자료 10.7 정리 11장 데이터 과학 프로세스 11.1 데이터 준비 11.2 데이터 탐색 11.3 데이터 표현 11.4 데이터 발견 11.5 데이터로부터 학습 11.6 데이터 산출물 생성 11.7 통찰력과 표명, 시각화 11.8 정리 12장 필요한 전문 기술 12.1 고용 시장에서 데이터 과학자의 기술 12.2 프로그래머, 소프트웨어 개발자로서 현재 기술을 넓히기 12.2.1 객체지향 프로그래머 12.2.2 소프트웨어 개발자 12.2.3 프로그래밍에 관련된 다른 경력 12.3 통계학자나 기계 학습 전문가로서 현재 기술을 넓히기 12.3.1 통계학 배경 12.3.2 기계 학습 / A.I. 배경 12.3.3 혼합 배경 12.4 데이터 관련 전문가로서 현재 기술을 넓히기 12.4.1 데이터베이스 관리자 12.4.2 데이터 아키텍트 / 모델러 12.4.3 BI 분석가 12.5 학생으로서 데이터 과학자 기술 개발하기 12.6 정리 13장 데이터 과학 일자리 찾기 13.1 기업에 직접 접촉하기 13.2 전문가 네트워크 13.3 리크루팅 사이트 13.4 다른 방법 13.5 정리 14장 자신 알리기 14.1 고용주에게 초점 맞추기 14.2 유연성과 융통성 14.3 산출물 14.4 다른 데이터 전문가와 차별화 14.5 자급자족 14.6 고려할 다른 요인 14.7 정리 15장 프리랜서의 길 15.1 프리랜서 데이터 과학자의 장점과 단점 15.2 얼마나 오랫동안 해야 하는가 15.3 제공해야 할 다른 관련 서비스 15.4 데이터 과학 프리랜서 사례 15.5 정리 16장 경험 있는 데이터 과학자 사례 연구 16.1 라즈 본두굴라(Raj Bondugula) 박사 16.1.1 기본 전문 정보와 배경 16.1.2 실무에서 바라본 데이터 과학 16.1.3 미래의 데이터 과학 16.1.4 새내기 데이터 과학자에게 주는 조언 16.2 프라니스 베파코마(Praneeth Vepakomma) 16.2.1 기본 전문 정보와 배경 16.2.2 실무에서 바라본 데이터 과학 16.2.3 미래의 데이터 과학 16.2.4 새내기 데이터 과학자에게 주는 조언 16.3 정리 17장 선임 데이터 과학자 사례 연구 17.1 기본 전문 정보와 배경 17.2 실무에서 바라본 데이터 과학 17.3 미래의 데이터 과학 17.4 새내기 데이터 과학자에게 주는 조언 17.5 정리 18장 새내기 데이터 과학자에게 고함 18.1 입문 단계의 데이터 과학자에 대한 광고 18.2 경험 있는 데이터 과학자에 대한 광고 18.3 선임 데이터 과학자에 대한 광고 18.4 온라인 직장 찾기 비결 18.5 정리 이 책을 마치며 용어 정리 부록 1 유용한 웹사이트 부록 2 관련 문서 부록 3 오프라인 자료 |
저자 소개
저자 : 차하리아스 불가리스
차하리아스 불가리스 박사는 그리스에서 태어나고 자랐다. 크레타 기술 대학에서 5년간 공학 학위를 마치고, 런던 시티 대학에서 정보 시스템 공학 석사 과정을 거쳤다. 그리고 런던 대학교의 버크벡 칼리지에서 G. Magoulas와 B. Mirkin 교수의 공동 감독 하에 기계학습 분야의 박사 학위를 받았다. 박사 과정에 있을 때, 조지아 공대에 연구원으로 채용되었으며, 현재까지 데이터 과학자로 일하고 있다.
역자 : 안성준
서강대학교 수학과를 졸업하고 아이오와 주립대학 컴퓨터 공학과를 졸업했다. C와 C++, Visual Studio, MFC를 이용하여 프리랜서로 다수의 프로그램 개발해왔으며, 폐간된 한국어 번역 잡지 Microsoft Systems Journal의 편역자로 활동하였다.
현재 번역에이전시 하니브릿지에서 전문 번역가로 활동하고 있다.
현재 번역에이전시 하니브릿지에서 전문 번역가로 활동하고 있다.
관련 분류
- 수상내역 및 미디어 추천 분류
품목정보
- 발행일
- 2014년 11월 06일
- 쪽수, 무게, 크기
- 320쪽 | 541g | 153*224*18mm
- ISBN13
- 9788965400837
출판사 리뷰
|
이 책의 특징
모든 챕터가 여러분이 빅데이터의 열매를 수확하고, 성공적인 데이터 과학자가 될 수 있는 실질적인 정보로 가득 차 있다. ■ 빅데이터가 무엇인지, 그리고 빅데이터는 전통적인 데이터와 무엇이 다른지 데이터 양과 다양성, 생성속도, 신뢰성 측면에서 살펴본다. ■ 데이터 과학자의 다양한 유형을 살펴보고, 각 유형이 가진 기술들을 알아본다. ■ 데이터 과학자의 역할을 심도있게 살펴본다. 사고방식과 함께 전문 기술, 경험, 다른 사람과의 관계 등. ■ 데이터 과학자가 되면 당면할 문제들을 알아보고, 어떻게 해결할지, 어떤 프로그램을 사용할지, 그리고 어떻게 지식과 노하우를 확장할 수 있는지 살펴본다. ■ 데이터 과학자가 되려면 어떻게 해야 할지 알아본다. 프로그래밍과 기계 학습 또는 데이터 관련 배경 지식 등의 부분에서 어디서부터 시작해야 할지 알아본다. ■ 데이터 과학자로서 직업을 시작하는 데 필요한 단계를 하나하나 알아본다. 어디서 직장을 찾을 수 있고, 어떻게 자신을 알리며, 프리랜서의 길은 어떻게 시작할 수 있는가? 등. ■ 경력직 또는 선임 데이터 과학자의 사례 연구를 통해, 실제로 데이터 과학자의 역할에 대해 더욱 잘 이해할 수 있다. 책 끝에는 주요 용어에 대해 소개하고 있으며, 3개의 부록을 통해 유용한 사이트와 웹에 있는 관련 문서, 오프라인으로 읽어볼 만한 자료 등을 소개하고 있다. 대상 독자 데이터 과학을 시작하려는 사람이나 기업, 또는 다음 직종에서 데이터 과학자로 이직하려는 사람 ■ 프로그래머, 소프트웨어 개발자 ■ 통계학자 또는 기계학습 전문가 ■ 데이터 관련 전문가 - 데이터베이스 관리자, 데이터 아키텍트, BI 분석가 ■ IT 전공 분야의 학생 |
