목차

• 1장 데이터 과학과 파이썬 소개
• 1.1 데이터 과학이란?
• 1.1.1 아나콘다 설치하기
• 1.2 선형대수, 미분과 적분, 확률, 통계의 필요성
• 1.3 그리스 문자와 연산 기호
• 1.4 데이터와 변수의 이해
• 1.4.1 텍스트 마이닝으로 살펴본 비정형 데이터의 분석
• 1.5 파이썬의 자료 구조
• 1.5.1 파이썬 기본 빌트인 구조
• 1.5.2 넘파이, 판다스 기반의 자료 구조
• 1.5.3 파일로부터 자료 구조 생성하기
• 1.6 파이썬 실습
• 1.7 R 실습
• 1.8 핵심 요약
• 2장 머신 러닝을 위한 선형대수
• 2.1 선형대수의 필요성
• 2.2.2 벡터의 사칙 연산
• 2.2.3 행렬로의 확장
• 2.2 벡터와 공간, 행렬과 사상
• 2.2.1 벡터의 이해
• 2.3 행렬의 내적과 외적
• 2.4 행렬 연산의 의미와 활용
• 2.4.1 분석모형 응용 - 유사도행렬의 계산
• 2.5 행렬식, 역행렬 그리고 일차방정식
• 2.5.1 분석모형 응용 - 마르코프 체인
• 2.6 행렬의 분해: 고윳값과 고유 벡터, 대각화
• 2.6.1 분석모형 응용 - 주성분 분석
• 2.7 파이썬 실습
• 2.8 R 실습
• 2.9 핵심 요약
• 3장 미분과 적분의 이해와 응용
• 3.1 함수의 개념 이해
• 3.1.1 함수와 합성 함수
• 3.1.2 미분과 적분을 이해하기 위한 몇 가지 개념
• 3.2 미분의 이해
• 3.2.1 간단한 미분 실습
• 3.2.2 분석모형 응용 - 신제품 확산 모형
• 3.3 적분의 이해
• 3.3.1 리만 적분 또는 정적분
• 3.4 미적분학의 기본정리, 편미분 그리고 경사 하강법
• 3.4.1 미적분학의 기본정리
• 3.4.2 편미분
• 3.4.3 분석모형 응용 - 경사 하강법과 뉴턴랩슨 메서드
• 3.5 파이썬 실습
• 3.6 R 실습
• 3.7 핵심 요약
• 4장 확률과 통계
• 4.1 기초 통계 개념: 모집단/표본, 모수/통계량
• 4.2 통계량의 이해: 단변수 통계량
• 4.3 통계량의 이해: 다변수 통계량
• 4.4 확률이란
• 4.5 조건부 확률과 베이즈 정리
• 4.6 분석모형 응용-확률을 활용한 패턴의 발견
• 4.7 파이썬 실습
• 4.8 R 실습
• 4.9 핵심 요약
• 5장 확률 분포와 통계적 추론
• 5.1 확률 변수와 확률 분포
• 5.2 이산형 확률 분포
• 5.2.1 이항 분포
• 5.2.2 포아송 분포
• 5.3 연속형 확률 분포
• 5.3.1 정규 분포와 중심 극한 정리
• 5.3.2 t 분포
• 5.3.3 χ2 분포
• 5.3.4 F 분포
• 5.4 통계적 추론, 점 추정과 구간 추정
• 5.5 가설 검정
• 5.6 다양한 통계 검정
• 5.6.1 정규성 검정
• 5.6.2 t 검정
• 5.6.3 쌍체 t 검정
• 5.6.4 등분산 검정: F 검정
• 5.6.5 χ2 검정
• 5.7 가설 검정의 오류
• 5.8 파이썬 실습
• 5.9 R 실습
• 5.10 핵심 요약
• 6장 상관분석과 분산분석
• 6.1 상관분석
• 6.2 분산분석
• 6.2.1 일원 분산분석
• 6.2.2 다중 비교
• 6.2.3 이원 분산분석
• 6.3 상관분석의 활용
• 6.4 파이썬 실습
• 6.5 R 실습
• 6.6 핵심 요약
• 7장 선형 회귀 분석과 모형 확장
• 7.1 얇고도 깊은 분석의 목적
• 7.2 선형 회귀 분석
• 7.3 선형 회귀 분석의 주요 개념
• 7.4 모형의 예측과 오차의 측정
• 7.5 회귀모형의 확장1: 포아송 회귀모형 소개
• 7.6 선형모형의 확장2: 로지스틱 회귀모형 소개
• 7.6.1 분류모형의 평가
• 7.7 파이썬 실습
• 7.8 R 실습
• 7.9 핵심 요약
• 8장 머신 러닝, 딥러닝 그리고 AI
• 8.1 데이터 분석에서 머신 러닝의 부상
• 8.2 딥러닝의 배경 및 개요
• 8.3 다양한 딥러닝 도구
• 8.3.1 텐서플로 설치하기
• 8.4 딥러닝의 활용
• 8.5 파이썬 실습
• 8.6 R 실습
• 8.7 핵심 요약
• 부록 A 텐서플로 GPU 버전 설치하기
• 부록 B R 설치하기
• 부록 C Colab 사용하기