비즈니스를 위한 데이터 과학

1장. 개요 : 데이터 분석적 사고 방식
__1.1 데이터가 제공하는 무한한 기회
__1.2 예 : 허리케인 프란시스
__1.3 예제 : 고객 이탈 예측
__1.4 데이터 과학, 데이터 공학, 데이터 주도 의사 결정
__1.5 데이터 처리와 '빅 데이터'
__1.6 빅 데이터 1.0에서 빅 데이터 2.0으로
__1.7 전략적 자산으로서의 데이터 및 데이터 과학 능력
__1.8 데이터 분석적 사고
__1.9 이 책에 대하여
__1.10 다시 보는 데이터 마이닝과 데이터 과학
__1.11 데이터 과학과 데이터 과학자의 일은 화학과 시험관의 관계
__1.12 요약

2장 비즈니스 문제와 데이터 과학 해결책
__2.1 비즈니스 문제에서 시작해 데이터 마이닝 작업으로
__2.2 감독 방법과 자율 방법
__2.3 데이터 마이닝과 그 결과
__2.4 데이터 마이닝 프로세스
__2.5 데이터 과학팀을 관리한다는 것은?
__2.6 그 외 분석 기법 및 기술
__2.7 요약

3장. 예측 모델링 개요 : 연관성에서 감독 세분화까지
__3.1 모델, 유도, 예측
__3.2 감독 세분화
__3.3 세분화 과정의 시각화
__3.4 규칙 집합으로서의 트리
__3.5 확률 추정
__3.6 사례 : 트리 유도로 고객 이탈 문제 해결하기
__3.7 요약

4장. 데이터에 대한 모델 적합화
__4.1 수학 함수를 통한 분류
__4.2 수학 함수를 이용한 회귀 분석
__4.3 계층 확률 추정과 로지스틱 회귀 분석
__4.4 사례 : 로지스틱 회귀 분석과 트리 유도 비교
__4.5 비선형 함수, 지원 벡터 기계, 신경망
__4.6 요약

5장. 과적합화 문제 해결
__5.1 일반화
__5.2 과적합화
__5.3 과적합화 검사
__5.4 사례 : 선형 함수 과적합화
__5.5 * 사례 : 왜 과적합화가 문제인가?
__5.6 예비 데이터 평가에서 교차 검증까지
__5.7 다시 모델링한 고객 이탈 문제
__5.8 학습 곡선
__5.9 과적합화 회피와 복잡도 제어
__5.10 요약

6장. 유사도, 이웃, 군집
__6.1 유사도와 거리
__6.2 최근접 이웃 추론
__6.3 유사도 및 이웃에 관한 주요 세부 사항
__6.4 군집화
__6.5 비즈니스 문제 해결과 데이터 탐사 문제
__6.6 요약

7장. 결정 분석적 사고 1 : 좋은 모델은?
__7.1 분류자 평가
__7.2 모델 평가에 대한 일반적인 원리
__7.3 핵심 분석 프레임워크 : 기댓값
__7.4 평가, 기준선 성능, 데이터 투자의 영향
__7.5 요약

8장. 모델 성능 시각화
__8.1 분류 대신 서열화하기
__8.2 수익 곡선
__8.3 ROC 그래프와 곡선
__8.4 ROC 곡선 하위 영역(AUC)
__8.5 누적 응답 곡선과 향상도 곡선
__8.6 예제 : 고객 이탈 모델링에 대한 성능 분석
__8.7 요약

9장. 증거와 확률
__9.1 예제 : 온라인 고객 광고 타겟팅
__9.2 증거의 통계적 조합
__9.3 데이터 과학에 베이즈 규칙 응용
__9.4 증거 '향상도' 모델
__9.5 예제 : 페이스북 '좋아요'의 증거 향상도
__9.6 요약

10장. 텍스트 표현 및 마이닝
__10.1 텍스트가 중요한 이유
__10.2 텍스트가 어려운 이유
__10.3 텍스트 표현법
__10.4 예제 : 재즈 음악가
__10.5 * IDF와 엔트로피의 관계
__10.6 단어 주머니보다 복잡한 표현들
__10.7 예제 : 주가 변동을 예측하기 위한 뉴스 기사 마이닝
__10.8 요약

11장. 결정 분석적 사고 2 : 분석 공학
__11.1 자선 단체 후원할 가능성이 높은 후원자 타겟팅
__11.2 훨씬 더 복잡한 고객 이탈 문제
__11.3 요약

12장. 기타 데이터 과학 작업과 기법
__12.1 동시 발생과 연관성의 발견
__12.2 프로파일링 : 전형적인 행동의 발견
__12.3 연결 예측과 친구 추천
__12.4 데이터 축소, 잠재 정보, 영화 추천
__12.5 편중, 편차, 조합 기법
__12.6 데이터 주도 인과 관계 설명과 바이럴 마케팅 예제
__12.7 요약

13장. 데이터 과학과 비즈니스 전략
__13.1 돌아온 데이터 분석적 사고
__13.2 데이터 과학으로 경쟁 우위 획득
__13.3 데이터 과학으로 경쟁 우위 유지
__13.4 데이터 과학자 및 팀의 영입과 육성
__13.5 데이터 과학 사례 연구 조사
__13.6 모든 창조적인 아이디어의 수용
__13.7 데이터 과학 프로젝트 제안서 평가
__13.8 기업의 데이터 과학 성숙도

14장. 결론
__14.1 데이터 과학의 기본 개념
__14.2 데이터가 할 수 없는 일 : 사람이 중심에
__14.3 개인 정보 보호, 윤리, 데이터 마이닝
__14.4 데이터 과학에 대한 남은 이야기
__14.5 마지막 사례 : 크라우드 소싱에서 클라우드 소싱으로
__14.6 책을 마치며

부록 A.1 제안서 검토 가이드
부록 A.2 또 다른 제안서 예제
부록 A.3 용어 정리