최소한의 데이터 리터러시

1부 데이터 리터러시를 시작하는 시간
1장 들어가는 글
21세기 미래 역량, 4C
컴퓨터와 문제 해결의 역사

2장 21세기에 가장 인기있는 분야, 데이터 과학
구글 검색량으로 데이터 분야 트렌드 분석하기
데이터 과학에 대한 다양한 정의와 벤 다이어그램

3장 생활 속 데이터에 질문하기
기온 데이터 수집하기
기온 데이터에 질문하기
출퇴근 시간에 사람들이 가장 많이 타고 내리는 역
대중교통 데이터 수집하기
대중교통 데이터에 질문하고 답 찾기

4장 미래를 가장 정확하게 예측하는 방법
인구 데이터 수집하기
인구 데이터에 질문하기
데이터를 읽고 쓰는 데이터 리터러시 키우기

2부 데이터 리터러시를 기르는 시간
5장 데이터 시대에 현명한 미디어 프로슈머로 살아남기
평점 데이터 자세히 살펴보기
여론조사 결과에 휘둘리지 않기
여론조사 너머의 무언가를 보기

6장 영화가 추천되는 과정
추천시스템의 역사와 다양한 알고리즘
추천 시스템을 현명하게 이용하기
확증 편향을 줄이기 위한 실천 방안

7장 아는 만큼 보인다! 데이터를 읽는 통계의 힘
평균의 함정 조심하기
상자그림을 활용한 데이터 시각화

8장 데이터 속에 숨어 있는 관계 찾기
산점도로 두 과목 사이의 관계 파악하기
상관관계 올바르게 해석하기

9장 제작비가 많이 들어간 영화일수록 흥행할까?
두 변수 사이의 경향성 나타내기
머신러닝으로 관객 수 예측하기

10장 데이터를 깊게 보고 오해에서 벗어나기
잘못된 오해, 모자이크 플롯과 조건부확률로 풀기
두 집단으로 나누니 정반대 결과가 나오는 역설

11장 코로나19 검사 결과, 믿어도 될까?
검사의 정확성을 높이는 열쇠: 민감도와 특이도
코로나19 검사 정확도 99%의 맹점
가설 검정의 미묘한 밸런스: 1종 오류와 2종 오류

12장 편견도 데이터로 수정이 될까?
머신러닝의 기반이 되는 베이즈 법칙 이해하기
경험을 통해 믿음을 업데이트하는 과정

3부 데이터 리터러시를 활용하는 시간
13장 이 그래프에서 무슨 일이 일어나고 있을까?
시각화를 통한 데이터 탐색
뉴욕타임스로 데이터 리터러시를 기르는 방법

14장 생활 속에서 활용하는 데이터 리터러시
데이터 리터러시 활용 가이드
생활 속 데이터 리터러시 활용 사례

15장 질문부터 통찰까지 꿰뚫는 설문 조사 만들기
설문지 만들고 응답 데이터 받기
코답(CODAP)을 활용한 설문 응답 데이터 분석

16장 데이터 패턴을 분석해 2050년 서울 기온 예측하기
기온 데이터 패턴 분석하기
머신러닝으로 2050년 기온 예측하기

17장 데이터 윤리가 필요한 시간
데이터와 인공지능의 연결고리
데이터 편향의 위험성
인공지능 발전의 그늘, 윤리와 책임