close
더북(TheBook)
search
머신 러닝을 위한 수학 with 파이썬, R
더북(TheBook)
home
Home
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
previous
next
slide 1 of 18
, currently active
slide 2 of 18
slide 3 of 18
slide 4 of 18
slide 5 of 18
slide 6 of 18
slide 7 of 18
slide 8 of 18
slide 9 of 18
slide 10 of 18
slide 11 of 18
slide 12 of 18
slide 13 of 18
slide 14 of 18
slide 15 of 18
slide 16 of 18
slide 17 of 18
slide 18 of 18
6.
데이터프레임(
dataframe
)
판다스의 2차원 자료 구조이다.
인덱스와 열을 가진다.
열
(column)
마다 다른 형태의 자료를 가질 수 있다.
DataFrame
함수로 생성할 수 있다
데이터프레임에서 열별로, 행별로 접근할 수 있다.
Prev
BUY
Next
신간 소식 구독하기
뉴스레터에 가입하시고 이메일로 신간 소식을 받아 보세요.
Email address
