1장 빅데이터: 개념, 활용, 등장 배경
1.1 빅데이터의 정의와 특징
1.2 데이터를 통한 기업 운영의 목표
1.3 빅데이터 등장배경
2장 데이터 분석 절차 및 기법의 분류
2.1 데이터 분석 절차
2.2 데이터 분석 기법의 분류
3장 Descriptive Analytics: 데이터를 이해하는 과정
3.1 데이터 요약을 위한 기초 개념
3.2 그래프와 그림을 활용한 데이터 요약
3.3 수치를 활용한 데이터 요약
4장 Predictive Analytics: 데이터로 미래를 학습하는 과정
4.1 데이터를 통한 예측
4.2 데이터 전처리
4.3 예측 및 분류 모델의 성능 평가
5장 Predictive Analytics I: 예측 및 분류 모델 I
5.1 선형회귀 모델
5.2 최근접 이웃 알고리즘(k-NN)
5.3 의사결정나무(Decision tree)
6장 Predictive Analytics II: 예측 및 분류 모델 II
6.1 조건부 확률과 나이브 베이즈 분류기
6.2 로지스틱 회귀분석
6.3 신경망
7장 Predictive Analytics III: 예측 및 분류 모델 III
7.1 서포트 벡터 머신(SVM)
7.2 부스팅 기법
7.3 앙상블(Ensemble) 기법
8장 비지도 학습: Unsupervised Learning
8.1 연관규칙
8.2 협업 필터링
8.3 군집분석(클러스터링, Clustering)
9장 Prescriptive analytics I: 처방적 분석과 선형계획법의 기본 원리
9.1 Prescriptive analytics란 무엇인가
9.2 의사결정을 수리모형으로 바꾸기
9.3 선형계획법의 원리
10장 Prescriptive analytics II: 응용사례
10.1 광고 예산은 어디에 써야 할까: 매체 선정 문제
10.2 어떤 원료를 얼마나 섞어야 할까: 사료 배합 문제
10.3 항공권 가격과 좌석 배정의 원리: 수익경영
10.4 어떤 복지사업을 지원해야 할까: 프로젝트 선정 문제
11장 데이터와 AI 시대의 책임 있는 분석
11.1 분석 기법 돌아보기
11.2 데이터 생애주기와 윤리적 쟁점
11.3 AI 혁신의 특징과 구성 요소