R 데이터 분석 머신러닝

PART 1. R의 사용법
1. R의 사용법
1.1 소개 및 환경 구성
1.2 기초 사용법
1.3 데이터 타입
1.4 프로그래밍 기능
1.5 데이터 조작 관련 명령어 정리
1.6 데이터 조작 관련 패키지 사용
1.7 요약

2. 데이터 시각화
2.1 그래프 그리기 절차의 요약
2.2 그래프 구성의 결정
2.3 그래프의 다양한 옵션
2.4 단계별로 그래프 그리기
2.5 기본 그래프 그리기
2.6 그래프의 부가적인 기능
2.7 다양한 그래프 소개
2.8 패키지를 사용한 그래프 그리기
2.9 패키지를 사용한 그래프 그리기 - ggplot2 패키지
2.10 데이터 시각화 방법 정리
2.11 요약

PART 2. R을 사용한 통계 분석
3. 통계 분석
3.1 통계 분석의 설명에 대한 전체 요약
3.2 표본 생성 및 기초 통계량
3.3 독립성 및 적합성 검정
3.4 통계 분석의 종류
3.5 차이 검정
3.6 인과(상관)관계 검정
3.7 요약

PART 3. R의 활용법
4. 회귀 분석
4.1 선형회귀
4.2 중선형회귀 및 적절한 변수의 선택
4.3 신경망
4.4 커널 방법론
4.5 로지스틱 회귀
4.6 다항 로지스틱 회귀
4.7 요약

5. 기계학습
5.1 개념
5.2 의사결정 트리
5.3 앙상블
5.4 서포트 벡터 머신
5.5 베이지안 추론
5.6 요약

6. 빅데이터 분석
6.1 개념
6.2 군집 분석
6.3 차원 축소 기법
6.4 연관 규칙 분석
6.5 판별 분석
6.6 요약

7. 시계열 분석
7.1 개념
7.2 시계열 데이터의 생성
7.3 시계열 데이터의 분석 절차(ARIMA 기준)
7.4 시계열 데이터의 분해 단계
7.5 시계열 데이터의 변환 단계
7.6 최적화된 파라미터의 결정 단계
7.7 모형 만들기와 예측 단계
7.8 변환하지 않은 시계열 데이터 기반의 예측(옵션)
7.9 시계열 데이터의 군집화(옵션)
7.10 요약

8. 특수 분석
8.1 워드 클라우드
8.2 소셜 네트워크 분석
8.3 구조 방정식
8.4 시뮬레이션과 몬테카를로 시뮬레이션
8.5 요약

PART 4. 데이터 분석 및 전처리 기법
9. 데이터 분석 및 전처리 기법
9.1 데이터 분석에 필요한 역량
9.2 데이터 분석의 유형
9.3 데이터 탐색 과정
9.4 데이터 전처리 과정 정리(데이터 클린징)
9.5 추가 데이터 전처리 기법
9.6 효과적인 분석을 위한 변수의 제거 및 선택
9.7 요약

10. 마무리