머신러닝을 활용한 R 데이터 분석

PART1 데이터 분석과 R

1장 산업 트렌드와 데이터 분석 개요
1.1 배경
1.2 산업 트렌드의 변화와 빅데이터
1.3 인공지능 시대
1.4 데이터 분석 기법

2장 R 개발환경 구축과 시작
2.1 배경
2.2 데이터 분석도구: R
2.3 R 개발환경
2.4 R 설치와 시작
2.5 RStudio 설치와 시작
2.6 패키지와 라이브러리

3장 R 데이터 구조와 핵심 문법
3.1 배경
3.2 데이터 구조
3.3 연산자
3.4 데이터 세트
3.5 알고리즘
3.6 함수
연습문제

PART2 수리적 분석 방법론의 이해와 활용

4장 RFM 분석을 통한 가치 평가
4.1 배경
4.2 RFM 분석 개요
4.3 RFM 분석 원리 이해
4.4 R을 이용한 문제 해결
4.5 예제: CDNow의 고객 분석
요약
연습문제
응용문제: CDNow의 full dataset를 이용한 고객 분석

5장 AHP 분석을 통한 대안 선정
5.1 배경
5.2 AHP 분석 개요
5.3 AHP 분석 원리 이해
5.4 R을 이용한 문제 해결
5.5 예제: 자동차 선정
요약
연습문제
응용문제 1: 휴가지 선정
응용문제 2: 휴가지 선정(R)

6장 선형계획법을 이용한 최적해 구하기
6.1 배경
6.2 선형계획법의 개요
6.3 선형계획 모형의 원리 이해
6.4 R을 이용한 문제 해결
6.5 예제: TSP 모형과 경로 분석
요약
연습문제
응용문제 1: 상품 조달 문제의 제약 추가(최대화 문제)
응용문제 2: 인력 채용 문제(최소화 문제)
응용문제 3: TSP 응용(배송 경로)

7장 빈도 기반 감성분석을 통한 긍정·부정 평가
7.1 배경
7.2 감성분석 개요
7.3 감성분석의 원리 이해
7.4 R을 이용한 영화리뷰의 극성 평가
7.5 예제: 감성사전 만들기와 영화리뷰 극성 평가
요약
연습문제
응용문제: 네이버 영화리뷰의 극성 평가

PART3 머신러닝의 이해와 활용

8장 K-평균 군집분석을 통한 군집 분류
8.1 배경
8.2 K-평균 군집분석 개요
8.3 K-평균 군집분석 원리 이해
8.4 R을 이용한 문제 해결
8.5 예제: 붓꽃에 대한 종 분류
요약
연습문제
응용문제: 자동차 분류

9장 연관분석을 통한 연관규칙 발견
9.1 배경
9.2 연관분석 개요
9.3 Apriori 알고리즘의 원리 이해
9.4 R을 이용한 연관분석
9.5 예제: Groceries 상품 연관성 분석
요약
연습문제
응용문제 1: 연관분석 연습
응용문제 2: ‘Adult’ 인구 조사 데이터 분석

10장 의사결정나무 분석을 통한 분류
10.1 배경
10.2 의사결정나무 분석 개요
10.3 의사결정나무 분석의 원리 이해
10.4 R을 이용한 의사결정나무 연습
10.5 예제: 붓꽃 종의 분류와 예측
요약
연습문제
응용문제: 신용상태 분류와 예측

11장 회귀분석을 통한 예측
11.1 배경
11.2 회귀분석 개요
11.3 머신러닝을 이용한 회귀선의 원리 이해
11.4 R을 이용한 문제 해결
11.5 예제: 키에 따른 몸무게 예측
요약
연습문제
응용문제: 자동차 속력에 따른 정지 거리 예측

12장 인공신경망
12.1 배경
12.2 인공신경망 개요
12.3 분류문제를 통한 인공신경망 원리 이해
12.4 R을 이용한 문제 해결
12.5 예제: 키에 따른 몸무게 추정(회귀문제)
요약
연습문제
응용문제 1: XOR 연산(분류문제)
응용문제 2: 자동차 속력에 따른 정지 거리 예측(회귀문제)
응용문제 3: y = x 의 해(회귀문제)

13장 딥러닝 개요
13.1 배경
13.2 딥러닝 개요
13.3 이미지 숫자 분류(다중분류)
13.4 R을 이용한 문제 해결
13.5 예제: 주택가격 예측(회귀문제)
요약
연습문제
응용문제 1: 드롭-아웃 레이어
응용문제 2: 붓꽃의 분류
응용문제 3: 유방암 진단
응용문제 4: 자동차 연비 예측

부록
참고문헌
찾아보기