소득공제
PDF
eBook
데이터 과학을 위한 통계
데이터 분석에서 머신러닝까지 50가지 핵심 개념
PDF
- PDF 안내
-
이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
이 분야의 이벤트
이 상품의 태그
상세 이미지
소개
목차
|
CHAPTER 1 탐색적 데이터 분석1.1 정형화된 데이터의 요소1.2 테이블 데이터1.3 위치 추정1.4 변이 추정1.5 데이터 분포 탐색하기1.6 이진 데이터와 범주 데이터 탐색하기1.7 상관관계1.8 두 개 이상의 변수 탐색하기1.9 마치며CHAPTER 2 데이터와 표본분포2.1 랜덤표본추출과 표본편향2.2 선택 편향2.3 통계학에서의 표본분포2.4 부트스트랩2.5 신뢰구간2.6 정규분포2.7 긴 꼬리 분포2.8 스튜던트의 t 분포2.9 이항분포2.10 푸아송 분포와 그 외 관련 분포들2.11 마치며CHAPTER 3 통계적 실험과 유의성 검정3.1 A/B 검정3.2 가설검정3.3 재표본추출3.4 통계적 유의성과 p 값3.5 t 검정3.6 다중검정3.7 자유도3.8 분산분석3.9 카이제곱검정3.10 멀티암드 밴딧 알고리즘3.11 검정력과 표본크기3.12 마치며CHAPTER 4 회귀와 예측4.1 단순선형회귀4.2 다중선형회귀4.3 회귀를 이용한 예측4.4 회귀에서의 요인변수4.5 회귀방정식 해석4.6 가정 검정: 회귀 진단4.7 다항회귀와 스플라인 회귀4.8 마치며CHAPTER 5 분류5.1 나이브 베이즈5.2 판별분석5.3 로지스틱 회귀5.4 분류 모델 평가하기5.5 불균형 데이터 다루기5.6 마치며CHAPTER 6 통계적 머신러닝6.1 K 최근접 이웃6.2 트리 모델6.3 배깅과 랜덤 포레스트6.4 부스팅6.5 마치며CHAPTER 7 비지도 학습7.1 주성분분석7.2 K 평균 클러스터링7.3 계층적 클러스터링7.4 모델 기반 클러스터링7.5 스케일링과 범주형 변수7.6 마치며
|
저자 소개 3
통계 교육기관 Statistics.com 설립자. Statistics.com은 100여 개 통계 강의를 제공하며 그중 3할은 데이터 과학자가 대상이다. 치밀한 마케팅 전략을 수립해 최고 수준의 전문 데이터 과학자들을 강사로 모집해왔다. 이 과정에서 데이터 과학자를 위한 통계라는 주제에 대해 폭넓은 시야와 전문적 식견을 쌓았다
피터 브루스 의 다른 상품
데이터 과학 실무 전문가. 30년 이상 학계, 정부, 기업계에서 통계학과 데이터 과학을 연구했다. 워싱턴 대학교에서 통계학 박사학위를 땄고 학술지에 여러 논문을 발표했다. 저명한 금융회사부터 인터넷 스타트업에 이르기까지 업계에서 발생하는 폭넓은 문제에 대해 통계 기반 솔루션을 개발했고, 데이터 과학의 실무 활용 측면에서 전문가로 인정받고 있다.
앤드루 브루스의 다른 상품
인공지능과 빅데이터 기술에 관심이 많은 연구원. 한국과학기술원(KAIST)에서 전자공학 박사학위를 받았다. 일본 ATR IRC 연구소에서 인간-로봇 상호작용 연구에 참여했으며 미국 아이오와 주립 대학교에서 대사회로 관련 연구를 했다. 현재 미국 퍼시픽 노스웨스트 국립연구소에서 연구원으로 일한다. 다양한 프로그래밍 언어로 데이터 과학 실무 경력을 쌓고 있다. 역서로 『데이터 과학을 위한 통계』(2018), 『손에 잡히는 R 프로그래밍』(이상 한빛미디어, 2015), 『R 교과서』(2020, 길벗)이 있다.
이준용 의 다른 상품
품목정보
- 발행일
- 2018년 10월 18일
- 지원기기
- 크레마, PC(윈도우 - 4K 모니터 미지원), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(저사양 기기 사용 불가), PC(Mac)
- 파일/용량
- PDF(DRM) | 35.64MB ?
- ISBN13
- 9791162249321
출판사 리뷰
|
데이터 분석에서 머신러닝까지 50가지 핵심 개념 데이터 과학에 필요한 만큼만 배우는 족집게 통계학 통계 기법은 데이터 과학의 핵심이지만, 전공자가 아닌 이상 정식으로 통계를 공부하고 데이터 과학에 입문하는 사람은 찾기 어렵다. 데이터 과학자가 고전 통계를 낱낱이 알아야 하는 것은 아니다. 자유도, p 값, 상관계수 등 고전 통계에서 중요하게 생각하는 개념 중에는 빅데이터를 다루는 데이터 과학자가 세부 사항까지 자세히 알 필요가 없는 것들도 있다. 이 책은 통계 기법을 데이터 과학에 적용해보며, 중요한 것과 중요하지 않은 것을 구분하는 실용적인 방법을 알려준다. EDA, 표본분포, 유의성 검정, 회귀분석, 분류, 통계적 머신러닝, 비지도 학습 등 오늘날 데이터 분석과 머신러닝 분야에서 널리 사용하는 주제로 구성되었으며, 주요 절마다 ‘용어 정리’를 제공해 학습 편의를 높였다. 많은 데이터 과학자가 머신러닝 및 통계 기법을 사용하면서도 그 근본이 되는 통계 개념을 이해하지 못해 한계에 부딪히곤 한다. R 언어와 약간의 통계 지식만 있다면, 이 책이 건널 수 없었던 그 강을 건너게 해줄 것이다.주요 내용 탐색적 데이터 분석이 핵심 단계인 이유임의표집으로 편향을 줄이고 고품질 데이터셋 얻는 법실험계획법 원칙을 적용해 질문에 명확히 답하기회귀분석으로 결과를 추정하고 이상 검출하기속한 범주를 찾아내는 주요 분류 기법데이터로 ‘학습’하는 통계적 머신러닝 기법정답 없는 데이터에서 의미를 추출하는 비지도 학습 기법
|
